详细内容或原文请订阅后点击阅览
最大者不赢
1 月份，AI 领域的重要公告数量引人注目。对我来说，有两项公告尤为突出：美国政府支持星际之门项目，这是一个耗资 5000 亿美元的巨型数据中心，投资方包括 Oracle、Softbank 和 OpenAI；DeepSeek 发布了其 R1 推理模型，该模型的训练成本估计约为 […]
来源:O'Reilly Media _AI & ML1 月份，AI 领域发布了许多重要公告。对我来说，有两项公告尤为突出：美国政府支持星际之门项目，这是一个耗资 5000 亿美元的巨型数据中心，投资方包括 Oracle、Softbank 和 OpenAI；DeepSeek 发布了其 R1 推理模型，该模型的训练成本估计约为 500 万美元——这是一个很大的数字，但只是 OpenAI 训练其 o1 模型成本的一小部分。
Oracle、Softbank 和 OpenAI R1 推理模型美国文化长期以来一直认为越大越好，越贵越好。这当然是有史以来最昂贵的数据中心背后的部分原因。但我们必须问一个非常不同的问题。如果 DeepSeek 的训练成本确实约为 o1 的十分之一，并且如果 DeepSeek 上的推理（生成答案）成本约为 o1 成本的三十分之一（每百万输出令牌 2.19 美元 vs. 每百万输出令牌 60 美元），那么美国技术部门是否朝着正确的方向前进？
每百万输出令牌 2.19 美元 每百万输出令牌 60 美元学得更快。挖得更深。看得更远。
学得更快。挖得更深。看得更远。
显然不是。我们的“越大越好”心态正在失败。
我一直认为，人工智能成功的关键在于尽量减少训练和推理的成本。我不认为美国和中国人工智能社区之间真的存在竞争。但如果我们接受这个比喻，美国——尤其是 OpenAI——显然落后了。而价值 5000 亿美元的数据中心只是问题的一部分，而不是解决方案。更好的工程设计胜过“超大化”。美国的技术人员需要吸取这个教训。
获取 O’Reilly Radar Trends to Watch 时事通讯
跟踪商业和技术交叉点上需要了解的趋势。
跟踪商业和技术交叉点上需要了解的趋势。
感谢您订阅。