麻省理工学院的一项新研究指出，AI 行业对更大、更耗费算力模型的狂热追求可能正面临边际效益递减的困境。研究预测，在未来五到十年内，随着算法效率的持续提升，更小、更高效的模型将在性能上追赶上来，从而削弱大型 AI 公司目前所拥有的巨大优势。这一发现对当前动辄投入千亿美金的 AI 基础设施建设热潮提出了质疑，暗示这种疯狂扩张可能是一场高风险的赌博。
大型模型的性能瓶颈
麻省理工学院的研究人员通过数据模型预测，单纯依靠增加计算资源来提升模型性能的做法将越来越困难。与此同时，算法效率的提升将使那些在普通硬件上运行的模型变得越来越强大。
- 性能差距将缩小: 研究员尼尔·汤普森表示：“在未来五到十年内，大型模型和小模型之间的性能差距很可能会开始缩小。”
- 算法效率是关键: 研究表明，投入资源优化算法与扩大计算规模同等重要。高效的算法可以极大地改变性能格局。
- 推理模型尤其明显: 这种趋势在当前流行的推理模型上表现得尤为突出，因为它们在运行时更依赖额外的计算。
一场疯狂的“基建热潮”
尽管存在性能瓶颈的预警，AI 行业的基础设施投资热潮却丝毫没有放缓的迹象。OpenAI 等科技巨头正投入数千亿美元建设数据中心和定制 AI 芯片。
OpenAI 总裁格雷格·布罗克曼宣称：“世界需要更多的算力。”
这场投资热潮背后有几个动机：
- 赌注需求增长: OpenAI 押注市场对生成式 AI 工具的需求将呈指数级增长。
- 减少依赖: 试图摆脱对微软和英伟达等合作伙伴的依赖。
- 资产转化: 将其巨大的估值转化为可以自主设计和控制的硬件基础设施。
质疑声与潜在风险
越来越多专家对这种豪赌的合理性提出疑问。摩根大通首席执行官杰米·戴蒙也发出了警告，认为人们应该意识到其中的不确定性。
这场“淘金热”背后隐藏着切实的风险：
- 高昂的折旧成本: 数据中心约 60% 的成本用于 GPU，而这类硬件贬值速度非常快。
- 不透明的合作: 行业巨头之间的合作关系看起来更像是一种循环游戏，缺乏透明度。
- 扼杀未来创新: 过度投资于当前主流的深度学习芯片，可能会让整个行业错过来自学术界边缘的新思想和新机会，例如：
- 深度学习的替代方案
- 新颖的芯片设计
- 量子计算等前沿方法
历史证明，如今的 AI 突破正是源于过去的那些非主流学术探索。将所有赌注押在一条赛道上，可能会阻碍下一代颠覆性技术的诞生。