由 Maximilian 长期以来，人工智能领域普遍认为更大的模型等同于更好的结果，这驱动了巨额资金投入大型语言模型的研发。然而，这一趋势正发生转变。
研究人员发现，随着现有模型已吸收大部分可用数据，单纯增加计算资源和参数带来的性能提升正在放缓。这一发现挑战了所谓的“AI扩展定律”，即模型性能与规模呈线性关系。
这一转变对行业巨头和新兴企业都产生深远影响。大型科技公司如Alphabet、微软等，其巨额资本支出可能面临调整。英伟达等芯片巨头也面临挑战，因为未来公司可能更倾向于采用更专业、更经济的半导体方案。
与此同时，AI模型开发商如OpenAI和Anthropic，其发展模式也需要重新考量。不再需要一味追求更大规模的模型，这将影响它们的财务状况和未来发展战略。
然而，这一转变也为新兴企业提供了机会。如果大型模型不再是竞争的关键，那么成本更低的AI产品将拥有更大的市场空间。基于开源模型的定制化AI应用，有望在特定行业得到广泛应用。
推理成本的下降进一步降低了AI应用的门槛。这加速了AI技术的普及，并促使企业探索AI技术的投资回报。虽然淘金热时期的高速增长可能告一段落，但AI技术应用的广度和深度将持续拓展，并最终证明巨额投资的合理性。