說(shuō)句實(shí)在話，2026年剛拉開(kāi)帷幕，ChatGPT剛好滿三周歲，可AI圈早就沒(méi)了前兩年的狂熱，反倒一片焦慮。

全行業(yè)都在一門(mén)心思摳“降本增效”——小廠砍算力預(yù)算，大廠縮研發(fā)團(tuán)隊(duì)，就連談合作都先問(wèn)“能省多少算力”。

就在這時(shí)候，新加坡國(guó)立大學(xué)校長(zhǎng)青年教授、潞晨科技創(chuàng)始人尤洋，拋出了個(gè)靈魂拷問(wèn)：給你300億美元，再給半年時(shí)間，你真能訓(xùn)出比GPT-4強(qiáng)好幾個(gè)檔次的模型嗎？

答案大概率是“不能”。尤洋在《智能增長(zhǎng)的瓶頸》里直接點(diǎn)透：現(xiàn)在AI增長(zhǎng)卡殼，根本不是算力不夠，而是咱們用的技術(shù)套路，快“消化”不了猛漲的算力了。

這話通俗點(diǎn)說(shuō)就是：你給模型喂了十倍的“飯”（算力），它卻吸收不了，壓根長(zhǎng)不出十倍的“力氣”（智能）。

你發(fā)現(xiàn)沒(méi)，現(xiàn)在AI圈張口閉口就是“算力又翻倍了”，仿佛堆夠算力就能搞定一切。賽迪顧問(wèn)有組數(shù)據(jù)：2026年中國(guó)算力總規(guī)模要突破1200 EFLOPS，穩(wěn)居全球第二，其中智能算力占比快到90%。

可能有人不懂1200 EFLOPS啥概念——阿里云早年建的張北超級(jí)智算中心，總算力才12 EFLOPS，能支撐大模型訓(xùn)練、自動(dòng)駕駛研發(fā)，1200 EFLOPS就相當(dāng)于100個(gè)這樣的超算中心加起來(lái)，算力儲(chǔ)備足得很。

可問(wèn)題來(lái)了：算力堆上天，智能真能跟著漲嗎？尤洋給了個(gè)超實(shí)在的判斷標(biāo)準(zhǔn)：要是訓(xùn)練算力翻1000倍（從10^n變成10^(n+3)），能不能穩(wěn)定訓(xùn)出明顯更強(qiáng)的模型？現(xiàn)在的答案越來(lái)越模糊。

核心癥結(jié)就倆：一是現(xiàn)有技術(shù)套路對(duì)新增算力的吸收效率越來(lái)越低，二是算力擴(kuò)得越狠，通信、同步這些“額外開(kāi)銷(xiāo)”就越多，最后算力增長(zhǎng)的收益全被抵消了。

我跟你講，行內(nèi)人都認(rèn)FLOPS是最實(shí)在的算力指標(biāo)，不像參數(shù)量、推理速度，能摻點(diǎn)商業(yè)水分忽悠人。

現(xiàn)在的困境就是，算力和智能的關(guān)聯(lián)越來(lái)越弱，就像給植物施再多肥，根系吸收不了，最后還是長(zhǎng)不好。

你堆再多錢(qián)買(mǎi)GPU，訓(xùn)出來(lái)的模型可能就多會(huì)了幾個(gè)知識(shí)點(diǎn)，根本沒(méi)實(shí)現(xiàn)智能上的大跨越。

這可不是空口白話。潞晨科技算過(guò)一筆賬：滿血版DeepSeek-R1每天輸出1000億token，光機(jī)器成本每月就4.5億元，企業(yè)搞不好每月要虧4億元，用戶越多虧得越狠?，F(xiàn)在算力成本像坐了火箭，可智能轉(zhuǎn)化效率卻在原地踏步，這就是AI圈焦慮的根源——大家都怕砸了錢(qián)，卻只換來(lái)“算力浪費(fèi)”。

尤洋直接點(diǎn)破了Transformer的成功秘訣：它能贏不是因?yàn)橄袢四X，而是它本質(zhì)上是“偽裝成神經(jīng)網(wǎng)絡(luò)的并行計(jì)算機(jī)”，跟英偉達(dá)GPU的“堆料邏輯”天生匹配。

過(guò)去十年AI能快速躍遷，說(shuō)白了就是三方湊齊了“黃金組合”：GPU持續(xù)提供海量并行算力，Transformer能把這些算力全“吃進(jìn)去”，再加上Next-Token Prediction這個(gè)“無(wú)限學(xué)習(xí)素材”的訓(xùn)練目標(biāo)，三者缺一不可。

說(shuō)句實(shí)在話，Mamba這類(lèi)新架構(gòu)，頂多是提升了“吞吐量”——簡(jiǎn)單說(shuō)就是同等算力下能處理更多數(shù)據(jù)，解決的是“同等智能更便宜”的問(wèn)題，可不是“花同樣的錢(qián)能變更聰明”。

2025年11月開(kāi)源的Kimi Linear就很能說(shuō)明問(wèn)題，它用3:1的混合架構(gòu)，3個(gè)線性注意力層負(fù)責(zé)“跑得快”，1個(gè)全注意力層負(fù)責(zé)“記得準(zhǔn)”，取長(zhǎng)補(bǔ)短才在部分場(chǎng)景超越Transformer，這反而證明混合架構(gòu)比單一新架構(gòu)更靠譜。

現(xiàn)在行業(yè)的競(jìng)爭(zhēng)焦點(diǎn)早就變了，從以前比“誰(shuí)的模型參數(shù)量大”，變成了比“單位算力能產(chǎn)出多少智能”。光追求吞吐量沒(méi)用，能把算力穩(wěn)定轉(zhuǎn)化成實(shí)實(shí)在在的智能，才是真本事。不少公司跟風(fēng)用新架構(gòu)，最后發(fā)現(xiàn)成本是降了點(diǎn)，可模型能力沒(méi)提升，純屬白費(fèi)功夫。

我跟你講，破局的關(guān)鍵從來(lái)不是堆更多算力，而是找到更高效的“算力轉(zhuǎn)化方式”——就像人要提升吸收效率，而不是光吃更多飯。尤洋提到的高精度計(jì)算、高階優(yōu)化器這些方向，現(xiàn)在已經(jīng)有企業(yè)在落地實(shí)踐，而且效果很明顯。

2025年，深度求索的DeepSeek-V3用FP8低精度格式訓(xùn)練，直接倒逼10余家國(guó)產(chǎn)AI芯片廠商跟進(jìn)，摩爾線程、寒武紀(jì)等都推出了原生支持FP8精度的產(chǎn)品。可能有人不懂FP8精度，其實(shí)它就是數(shù)據(jù)存儲(chǔ)的“壓縮格式”，既能省算力，又不會(huì)丟模型性能，相當(dāng)于用更少的資源辦更多的事。

這也證明，軟件創(chuàng)新能反過(guò)來(lái)帶動(dòng)硬件升級(jí)，彌補(bǔ)國(guó)產(chǎn)芯片在單點(diǎn)性能上的差距，提升整體算力轉(zhuǎn)化效率。

硬件層面，國(guó)產(chǎn)算力生態(tài)也在慢慢崛起。2025年上半年，本土AI芯片出貨量突破60萬(wàn)顆，市場(chǎng)份額占到35%；加速計(jì)算服務(wù)器銷(xiāo)量比2023年增長(zhǎng)165%，2026年預(yù)計(jì)突破28萬(wàn)臺(tái)。

寅譜計(jì)算推出的桌面超算Hilbert更有意思，它不靠堆芯片，而是通過(guò)系統(tǒng)級(jí)協(xié)同優(yōu)化，實(shí)現(xiàn)了算力和能效的動(dòng)態(tài)平衡，讓中小公司不用花大價(jià)錢(qián)買(mǎi)GPU集群，也能用上高效算力，大大降低了算力門(mén)檻。

AI增長(zhǎng)的瓶頸從來(lái)不是錢(qián)不夠、算力少，而是現(xiàn)有技術(shù)套路消化不了算力。就算把300億美元砸進(jìn)去，沒(méi)找對(duì)算力轉(zhuǎn)化邏輯，最后也只能竹籃打水一場(chǎng)空。國(guó)產(chǎn)算力生態(tài)的崛起、混合架構(gòu)的探索，已經(jīng)指明了破局方向。別再一門(mén)心思死磕“降本”，聚焦如何把算力高效變成智能，AI才能突破天花板。畢竟用戶要的是“更聰明的AI”，不是“更便宜的廢柴”，這才是行業(yè)該有的清醒。