新人工智能经济：用训练成本换取推理独创性

随着人工智能行业从痴迷于大型预训练投资转向新的前沿：优化推理，一场巨大的转变正在进行中。这一转变正在改变人工智能的经济，为创新和竞争带来新机遇。

人工智能革命的早期以一个简单的哲学为标志：越大越好。公司投入数十亿美元训练越来越大的模型，认为规模的扩大必然会带来性能的提高。虽然有效，但这带来了计算能力和能耗方面的天文数字成本。

现在，我们正在见证一场更加微妙的演变。正如人类在过去5000年里没有进化出更大的大脑，而是开发工具和社会结构来提高他们的实用智能一样，人工智能行业正在寻找用更少的资源做更多事情的方法。重点已从原始计算能力转向对现有资源的巧妙应用。

推理能力的“文艺复兴”

SambaNova、Groq和Cerebras等GPU供应商最近的发展就是这个新时代的例证。他们的突破实现了在以前处理简单提示所需的时间内执行复杂的人工智能工作流程。这种推理速度的飞跃类似于赋予人工智能以人类速度或更快的速度思考和反应的能力。

其经济影响是深远的。更快的推理不仅意味着更快的反应；它使人工智能的全新应用成为可能，而这些应用以前由于延迟问题而受到局限。从实时语言翻译到即时复杂数据分析，可能性正在迅速扩大。

价格革命

这不仅限于硬件。即使是人工智能世界的巨头也在适应。OpenAI曾经主要专注于训练更大的模型，现在已经大大降低了使用GPT-4类模型的成本。输出Token价格从推出时的每百万Token60美元暴跌至今天的仅10美元，而输入Token成本则下降了12倍。

这些降价不仅仅是为了让人工智能更容易使用。它们揭示了人工智能经济中价值创造方式的根本性变化。快速有效地处理信息的能力比模型本身的原始大小更有价值。

从模型到系统

OpenAI的o1反映了这一新方向，被称为一个与以前的大型语言模型不同的“系统”：一个在推理过程中采用规划和反射来提高响应质量的系统。这反映了人类大脑如何不断利用反馈来完善其对世界的“草稿预测”。

从静态模型转向动态、自我改进的系统代表了一种新的范式，在这种范式中，它不再仅仅是模型知道什么，而是它能多快、多有效地将这些知识应用于新的情况。

工具驱动的智能热潮

正如工具的发展使人类祖先从荒野居民一跃成为世界塑造者一样，专业工具的整合也在放大人工智能系统的能力。我们正在从简单的问答转向复杂的、多步骤的问题解决。

这使得人工智能能够处理不仅需要知识，还需要战略和创造力的任务。从可以修复LLM编码错误以解决现实世界编程任务的AI编码代理，到可以规划和执行多阶段研究项目的Sakana的“AI科学家”，我们看到了人工智能系统的出现，这些系统不仅会做出响应，还会模拟类似于人类思维的反馈回路。

未来——协作、创新和人类一致性

当我们在这个人工智能的新世界中航行时，仅拥有最大的模型不再能保证获胜。相反，成功将属于那些能够最有效地利用推理优化、工具集成和代理工作流的人。

其影响远远超出了技术范畴，人工智能变得更加高效、更有能力，并进一步融入日常生活。从个性化教育到超高效供应链，潜在的应用是无限的。

重要的是，这种向推理优化和工具驱动智能的转变为人工智能的发展提供了一个更有前景、更安全的未来。与其说世界上越来越大的模型会以神秘且可能无法控制的方式自动变得更加智能，不如说我们正在朝着人类更熟悉、更易于管理的范式迈进。

对工具、工作流程和协作解决问题的关注反映了人类数千年来完善的概念。人类也能够处理加速的计算速度，因为现代GPU每分钟可以完成的乘法次数大约相当于地球上所有人类一年的乘法次数。然而，我们并不认为GPU是“超级智能的”我们将它们视为系统组件。同样，更快的LLM使我们能够构建更好、更智能的系统。

这种与人类思维和工作模式的一致性应该会使人工智能系统更具可解释性、可控性，并与人类价值观保持一致。它使我们能够利用这些强大的人工智能能力，就像我们历史上管理其他技术进步一样——作为增强和扩展人类能力的工具，而不是被它们取代。

人工智能不再只是原始的力量。这是关于资源的巧妙应用和以人工智能为基础构建的工作流程的独创性。当我们用训练成本换取推理的独创性时，我们不仅在改变人工智能的工作方式，还在重新想象它能做什么。

人工智能发展的这一新方向不仅承诺了更强大的系统；它提供了一个未来的希望，在这个未来，人工智能和人类智能可以更无缝地协同工作，利用两者的优势来应对我们世界的复杂挑战。