AI模型未來如何進化
在2025年美國消費電子展上，美國英偉達公司高管為AI的進化勾畫了一條路線圖：以智能水平為縱軸、以計算量為橫軸，衡量AI模型的“規模定律”呈現從“預訓練擴展”、到“訓練後擴展”，再到“測試時擴展”的演進。
“預訓練擴展”堪稱“大力出奇跡”——訓練數據越多、模型規模越大、投入算力越多，最終得到AI模型的能力就越強。目標是構建一個通用語言模型，以GPT早期模型為代表。而“訓練後擴展”涉及強化學習和人類反饋等技術，是預訓練模型的“進化”，優化其在特定領域的任務表現。
隨著“預訓練擴展”和“訓練後擴展”邊際收益逐漸遞減，“測試時擴展”技術興起。田豐說，“測試時擴展”的核心在於將焦點從訓練階段轉移到推理階段，通過動態控制推理過程中的計算量（如思考步長、迭代次數）來優化結果。這一方法不僅降低了對預訓練數據的依賴，還顯著提升了模型潛力。
三者在資源分配和應用場景上各有千秋。預訓練像是讓AI模型去學校學習基礎知識，而後訓練則是讓模型掌握特定工作技能，如醫療、法律等專業領域。“測試時擴展”則賦予了模型更強推理能力。
AI模型的迭代還存在類似摩爾定律的現象，即能力密度隨時間呈指數級增強。劉知遠說，2023年以來，大模型能力密度大約每100天翻一番，即每過100天，只需要一半算力和參數就能實現相同能力。未來應繼續推進計算系統智能化，不斷追求更高能力密度，以更低成本，實現大模型高效發展。 |
