https://www.msn.cn/zh-cn/news/other/ibm%E9%A6%96%E5%B8%AD%E6%89%A7%E8%A1%8C%E5%AE%98-deepseek%E8%AF%81%E6%98%8E%E6%88%91%E4%BB%AC%E6%98%AF%E5%AF%B9%E7%9A%84/ar-AA1yt9cM?ocid=msedgdhp&pc=CNNDDB&cvid=67a55b58d11a4bb4870ce8fcc6ee77f1&ei=28
原文：
......
DeepSeek对AI领域的启示
构建这样一个未来的关键在于小型开源模型。DeepSeek给我们带来的启示是，最佳的工程设计应该从性能和成本两个方面进行优化。一直以来，AI被视为规模化的游戏——模型规模越大，效果越好。但DeepSeek真正的突破除了规模，还关乎效率方面。在IBM的研究中，我们发现针对特定用途优化的模型已经将AI推理成本降低了30倍，极大提高了AI模型训练的效率和可及性。
我不认为通用人工智能（AGI）即将到来，或者AI的未来取决于建造规模如曼哈顿般庞大、依靠核能供电的数据中心。这些观点制造了虚假的二元对立。没有任何物理法则规定AI必须是昂贵的。训练和推理成本并不是固定的——这是一个亟待解决的工程挑战。无论老牌企业还是初创公司都有能力降低这些成本，使AI变得更实用和更加普及。
这种情况早有先例。在计算机发展初期，存储和处理能力成本高昂，令人望而却步。然而，通过技术进步和规模经济效应，这些成本大幅下降，由此开启了一波又一波的创新和应用浪潮。
......
