Chainfeeds 導讀：
這場革命，可能讓 AI 的賣鏟人精心舉辦的這場盛大派對，比所有人想象的都更早結束。
文章來源：
https://www.techflowpost.com/zh-CN/article/30329
文章作者：
Bing Ventures
觀點：
Bing Ventures：這場革命並非單一事件，而是由兩條看似獨立的技術路線交織而成。第一條路，是算法的瘦身革命。過去我們默認，一個超級大模型要變得更聰明，就必須調動全部參數全力運轉，燒掉越來越多的算力。但 DeepSeek 用 MoE（混合專家模型）架構打破了這個共識。你可以把 MoE 想象成一家擁有數百位專家的公司，每次解決問題時，只請最相關的兩三個人開會，而不是讓所有人一起頭腦風暴。模型整體規模仍然龐大，但每次推理只激活極小一部分參數，從而大幅降低算力消耗。DeepSeek-V2 名義上擁有 2360 億參數，但每次實際計算僅調用約 210 億，不到總量的 9%，而性能卻能與需要滿負載運轉的 GPT-4 相媲美。這意味著 AI 能力與算力消耗第一次出現了系統性脫鉤。過去「更強 = 更多 GPU」的鐵律被徹底打破，算法層面的進化，正在直接削弱英偉達 GPU 的剛需屬性。第二條路，是硬件的「換道」革命。AI 的工作分為訓練與推理兩個階段，訓練強調大規模並行計算，GPU 具備天然優勢；而推理強調響應速度與能效比，GPU 卻存在結構性瓶頸。其核心問題在於，GPU 的高帶寬內存（HBM）是外掛式設計，數據來回搬運存在物理延遲，就像廚師每做一道菜都要跑去隔壁房間拿食材，再快也無法做到即時響應。Cerebras、Groq 等新興公司選擇徹底重構芯片架構，把高速 SRAM 內存直接焊接在芯片內部，實現近乎零延遲的數據訪問，專為推理場景而生。市場已經開始用真金白銀投票：OpenAI 一邊抱怨 GPU 推理成本高、效率低，一邊與 Cerebras 簽下百億美元級別的長期算力合約；英偉達也迅速出手，斥資約 200 億美元收購 Groq，試圖補上推理賽道的短板。這意味著，AI 計算的重心，正從通用 GPU 走向專用推理芯片。當算法瘦身與硬件換道這兩條路線交匯，結果只有一個：成本雪崩。瘦身後的 MoE 模型體積大幅縮小，可以整體裝入推理芯片的片上內存；專用芯片又消除了外部內存瓶頸，使推理速度獲得數量級提升。最終，訓練成本因稀疏計算下降約 90%，推理成本再下降一個數量級，綜合下來，構建和運行世界級 AI 的總成本，可能僅為傳統 GPU 方案的 10%–15%。這不是漸進式改良，而是範式轉移。英偉達數萬億美元市值建立在 AI 必須依賴 GPU 這一單一敘事之上，而當訓練需求被算法壓縮、推理市場被專用芯片分流，其壟斷根基便開始鬆動。未來最大的黑天鵝，或許不是某個 AI 應用爆火，而是一篇不起眼的 MoE 新論文，或一份推理芯片市佔率報告，悄然宣告算力戰爭進入新階段。當賣鏟人的鏟子不再唯一，屬於他的黃金時代，也可能隨之走向終章。
內容來源
