非营利研究机构Epoch AI近期发布报告指出,AI企业通过增加计算资源推动推理模型性能提升的方式正遭遇瓶颈。最快在未来一年内,推理模型的进步速度可能显著放缓。报告分析认为,这一现象主要源于计算资源的物理与经济限制,以及不断攀升的研究成本。
以OpenAI为例,其o3模型在数学和编程领域表现突出,但其性能提升依赖于大幅增加的计算资源,尤其是强化学习阶段的投入。尽管强化学习技术推动了模型快速迭代,但这种方法难以长期维持高效增长。分析师Josh You表示,标准AI模型训练性能每年翻倍,而强化学习性能每3-5个月可增长十倍,但到2026年左右,两者增速或将趋同。
随着研究开销持续上升,推理模型的规模化发展面临严峻挑战,未来可能无法达到预期水平。这一趋势提醒行业需重新评估技术路径,寻找更可持续的发展方向。