Chainfeeds 导读：
这场革命，可能让 AI 的卖铲人精心举办的这场盛大派对，比所有人想象的都更早结束。
文章来源：
https://www.techflowpost.com/zh-CN/article/30329
文章作者：
Bing Ventures
观点：
Bing Ventures：这场革命并非单一事件，而是由两条看似独立的技术路线交织而成。第一条路，是算法的瘦身革命。过去我们默认，一个超级大模型要变得更聪明，就必须调动全部参数全力运转，烧掉越来越多的算力。但 DeepSeek 用 MoE（混合专家模型）架构打破了这个共识。你可以把 MoE 想象成一家拥有数百位专家的公司，每次解决问题时，只请最相关的两三个人开会，而不是让所有人一起头脑风暴。模型整体规模仍然庞大，但每次推理只激活极小一部分参数，从而大幅降低算力消耗。DeepSeek-V2 名义上拥有 2360 亿参数，但每次实际计算仅调用约 210 亿，不到总量的 9%，而性能却能与需要满负载运转的 GPT-4 相媲美。这意味着 AI 能力与算力消耗第一次出现了系统性脱钩。过去「更强 = 更多 GPU」的铁律被彻底打破，算法层面的进化，正在直接削弱英伟达 GPU 的刚需属性。第二条路，是硬件的「换道」革命。AI 的工作分为训练与推理两个阶段，训练强调大规模并行计算，GPU 具备天然优势；而推理强调响应速度与能效比，GPU 却存在结构性瓶颈。其核心问题在于，GPU 的高带宽内存（HBM）是外挂式设计，数据来回搬运存在物理延迟，就像厨师每做一道菜都要跑去隔壁房间拿食材，再快也无法做到即时响应。Cerebras、Groq 等新兴公司选择彻底重构芯片架构，把高速 SRAM 内存直接焊接在芯片内部，实现近乎零延迟的数据访问，专为推理场景而生。市场已经开始用真金白银投票：OpenAI 一边抱怨 GPU 推理成本高、效率低，一边与 Cerebras 签下百亿美元级别的长期算力合约；英伟达也迅速出手，斥资约 200 亿美元收购 Groq，试图补上推理赛道的短板。这意味着，AI 计算的重心，正从通用 GPU 走向专用推理芯片。当算法瘦身与硬件换道这两条路线交汇，结果只有一个：成本雪崩。瘦身后的 MoE 模型体积大幅缩小，可以整体装入推理芯片的片上内存；专用芯片又消除了外部内存瓶颈，使推理速度获得数量级提升。最终，训练成本因稀疏计算下降约 90%，推理成本再下降一个数量级，综合下来，构建和运行世界级 AI 的总成本，可能仅为传统 GPU 方案的 10%–15%。这不是渐进式改良，而是范式转移。英伟达数万亿美元市值建立在 AI 必须依赖 GPU 这一单一叙事之上，而当训练需求被算法压缩、推理市场被专用芯片分流，其垄断根基便开始松动。未来最大的黑天鹅，或许不是某个 AI 应用爆火，而是一篇不起眼的 MoE 新论文，或一份推理芯片市占率报告，悄然宣告算力战争进入新阶段。当卖铲人的铲子不再唯一，属于他的黄金时代，也可能随之走向终章。
内容来源
