图：DeepSeek通过引入创新的体系结构和培训方法来实现出色的计算和出色的性能。 “第一个场景发生了变化，新的杨发生了变化。旧的阴改变了。” DeepSeek的出现不仅为AI开发的道路提供了更多的技术选择，而且还为转移行业应用的基础，使人工智能从“规模首先”中脱颖而出，摆脱过去的联合道路的限制，从而扩大在更广泛空间中移动的可能性。可以从“耶文兹悖论”的角度评估这种变化的意义。首先，计算功率增长的内部逻辑在于模型边界的连续突破和塞纳西奥应用的持续发展。在人工智能发展的浪潮中，基础模型的边界正在逐渐出现。尽管大型型号的大小继续扩大百分比是文本生成，对图像的理解或跨模式能力的扩展，基础模型的发展始终具有物理和理论界限。这些边界不仅来自计算和数据强度的局限性，而且还涉及许多方面的挑战，例如提供，保密和安全的能力。根据应用程序方案的开发水平，计算能力的增长不是简单的线性老化，而是界限的连续崩溃并促进其应用于实际场景。在每个阶段，提高计算的力量将伴随着一项跳入基础模型的功能，这也意味着上一个阶段的边界受到损坏，诞生了更广泛的应用程序场景。电力计算的大量投资会产生长代的文本，逻辑推理以及可能的对话旋转。但是，计算强度需求的持续增长不能仅仅依赖于基础模型参数量表的不良扩展，而需要根据应用程序方案来开发。一方面，对应用程序场景的演变的柔和需求在于采矿均匀情况。这些情况不仅对计算能力的需求很高，而且还可以大规模使用现有的模型功能，从而改善了计算能力投资的回报。另一方面，应用程序方案的应用很难帮助升级联系人功能。新的对话模式将大大提高计算强度需求，因为它们涉及更复杂的技术要求，例如实时计算，低晶格推理和多模式融合。其次，建立Jewenz悖论的关键在于计算需求价格需求的弹性。犹太人悖论的核心是改进n技术开发执行的资源使用效率不会减少资源消耗，而是会导致总资源消耗的增加。这种现象的逻辑基础在于价格需求的高弹性 - 也就是说，当获得特定资源的成本降低时，市场需求的增加就足以减少技术发展所带来的影响的影响。例如，在19世纪的英国，发动机蒸汽技术的变化大大提高了煤炭燃烧的效率，但并不能减少煤炭使用。取而代之的是，工业规模的扩展促进了煤炭需求的急剧增加。类似的现象在许多领域（例如能源，运输和制造）中很常见，并且已成为广泛讨论的悖论讽刺。当将该理论应用于计算能力领域时，形成了类似的假设 - 与改进的芯片制作过程一起形成 - P云计算的蛋糕性和计算体系结构的优化，计算能力的成本不断下降。从理论上讲，这种趋势将刺激计算强度的更大消耗，从而产生一个“便宜，扩展”的圆圈。但是，Jewenz悖论是否有效的关键是，如果计算强度需求具有足够的价格弹性。换句话说，如果单元的计算单位价格下跌，需求应快速增长，以抵消通过提高单位效率带来的影响的影响。但是事实并不是那么简单。计算能力需求的增长不仅是由价格驱动的，而且还受到许多因素，例如数据，算法复杂性和灵活的行业。因此，仅依靠降低计算强度成本不足以将所有行业推向“计算能力消耗的阶段。y。从市场的实际表现中的判断，计算需求需求的弹性表明对称性不对称，并且不同反应对各种通用的反应的反应存在显着差异。可以在没有障碍的情况下扩展模型参数的数量。对计算强度的需求是无限制的。 1）数据管理的范式困境。 AI模型的实践取决于大量质量数据，并且在许多行业中，风险和遵守数据提取的风险非常严重。 2）技术跳跃的生态障碍。并非所有企业都具有深入教育的专业能力。许多中小型企业发现很难建立出色的AI开发过程。即使计算成本降低，他们也无法有效地使用这些资源。 3）变更周期的好处。在AI模型参数的参数之后TER达到一定的阈值，计算能力投资的边际回报减少。因此，在计算能力的未来革命中，现代技术的重点是计算的力量不仅可以扩展，还可以提高使用计算强度的效率。需求弹性还将从“野蛮扩张”转变为“理性融合”的新阶段，计算能力市场发展的逻辑可能会发生深刻的变化。 （May -set是国际卫队国际国际卫生部的首席经济学家兼董事总经理）