AI 经济学大转向：科技巨头能否拥抱低成本模型？

在人工智能领域，算力成本与模型性能的博弈正进入一个关键转折点。近日 TechCrunch 的一份报告指出，科技公司正重新审视其对昂贵、巨型前沿模型的依赖，转而探索如何利用低成本模型来承载大规模的 AI 工作负载。

长期以来，行业习惯于通过增加参数量和算力投入来追求更高的智能水平，但这导致了极高的推理成本和巨大的能耗压力。然而，随着模型蒸馏（Distillation）、量化技术以及更高效的小语言模型（SLMs）的出现，许多原本需要顶级模型处理的任务，现在可以通过经过优化的小规模模型实现。如果这些低成本模型能够在不牺牲输出质量的前提下，处理相同的 AI 工作量，这将意味着 AI 经济模型的一次剧烈转型。

这种转向不仅能显著降低企业的运营开支，还将极大降低 AI 商业化的门槛，使 AI 应用能够从少数高价值场景扩展至海量的通用低频场景，从而真正实现 AI 的规模化部署。对于正面临投资者对 ROI（投资回报率）质疑的科技巨头而言，学习通过“轻量化”来降低成本，或许是维持 AI 长期可持续发展的唯一路径。

来源： TechCrunch 报道（作者：Russell Brandom）