人工智能大模型的发展正面临新的挑战。杨植麟在演讲中表示,过去单纯依靠增加算力的做法已显现出局限性。当模型参数规模超过万亿级别后,算力投入带来的性能提升明显减弱。数据显示,2025年全球领先模型的训练成本增加了78%,但性能提升不到15%。
大模型发展进入新阶段,从追求规模转向结构创新和系统优化已成为行业趋势。在Token效率、长文本处理和协作机制等的突破,表明技术发展正更贴近实际需求。未来,能够在效率、可靠性和协同能力上建立可复制工程体系的企业,将在智能应用落地中占据优势。
人工智能大模型的发展正面临新的挑战。杨植麟在演讲中表示,过去单纯依靠增加算力的做法已显现出局限性。当模型参数规模超过万亿级别后,算力投入带来的性能提升明显减弱。数据显示,2025年全球领先模型的训练成本增加了78%,但性能提升不到15%。
大模型发展进入新阶段,从追求规模转向结构创新和系统优化已成为行业趋势。在Token效率、长文本处理和协作机制等的突破,表明技术发展正更贴近实际需求。未来,能够在效率、可靠性和协同能力上建立可复制工程体系的企业,将在智能应用落地中占据优势。