AI竞赛范式转移：企业从追求“规模至上”转向“效能优先”

人工智能领域的竞争格局正在发生根本性转变。根据 CNBC 的最新报道，企业在选择 AI 模型时的逻辑已从单纯追求模型规模和排行榜排名，转向基于具体任务、成本控制以及可控性的综合考量。这意味着 AI 竞赛的重心正从打造“更大”的模型，演变为构建“更便宜、更聪明”的系统。

在过去两年中，业界普遍信奉“规模法则”（Scaling Laws），认为增加参数量和计算资源是提升模型能力的唯一路径。然而，随着企业级应用的深入落地，高昂的推理成本和巨大的能耗成为了商业化进程中的主要瓶颈。为了在实际业务中实现正向投资回报（ROI），越来越多的公司开始采用“模型分级”策略：对于简单的自动化任务使用轻量级的小模型（SLMs），而仅在处理复杂逻辑推理时调用顶级大模型。

此外，企业对模型“可控性”的需求也日益增加。相比于一个全能但难以预测的“黑盒”系统，企业更倾向于选择能够通过微调（Fine-tuning）或检索增强生成（RAG）技术在特定领域实现高精准度、且具备严格安全边界的定制化方案。这种从“通用规模”向“特定效能”的转移，标志着 AI 产业正从技术爆发的狂热期正式进入追求实用主义的深水区。

来源： CNBC 报道