新華社北京2月23日電　新聞分析｜全球科研團隊競逐低成本AI模型研發(fā)新范式

  新華社記者彭茜

  美國斯坦福大學等機構(gòu)研究團隊近日宣布，在基座大模型基礎上，僅耗費數(shù)十美元就開發(fā)出相對成熟的推理模型。盡管其整體性能尚無法比肩美國開放人工智能研究中心（OpenAI）開發(fā)的o1、中國深度求索公司的DeepSeek-R1等，但此類嘗試意味著企業(yè)可以較低成本研發(fā)出適合自身的AI應用，AI普惠性有望增強。同時，其所應用的“測試時擴展”技術(shù)或代表一條更可持續(xù)的AI研發(fā)路徑。

  低成本玩轉(zhuǎn)高級推理

  美國斯坦福大學和華盛頓大學研究團隊近日宣布研發(fā)出名為s1的模型，在衡量數(shù)學和編碼能力的測試中，可媲美o1和DeepSeek-R1等。研究團隊稱，訓練租用所需的計算資源等成本只需約幾十美元。

  s1的核心創(chuàng)新在于采用了“知識蒸餾”技術(shù)和“預算強制”方法。“知識蒸餾”好比把別人釀好的酒進一步提純。該模型訓練數(shù)據(jù)是基于谷歌Gemini Thinking Experimental模型“蒸餾”出的僅有1000個樣本的小型數(shù)據(jù)集。

  “預算強制”則使用了AI模型訓練新方法——“測試時擴展”的實現(xiàn)方式。“測試時擴展”又稱“深度思考”，核心是在模型測試階段，通過調(diào)整計算資源分配，使模型更深入思考問題，提高推理能力和準確性。

  “預算強制”通過強制提前結(jié)束或延長模型的思考過程，來影響模型的推理深度和最終答案。s1對阿里云的通義千問開源模型進行微調(diào)，通過“預算強制”控制訓練后的模型計算量，使用16個英偉達H100 GPU僅進行26分鐘訓練便達成目標。

  美國加利福尼亞大學伯克利分校研究團隊最近也開發(fā)出一款名為TinyZero的精簡AI模型，稱復刻了DeepSeek-R1 Zero在倒計時和乘法任務中的表現(xiàn)。該模型通過強化學習，實現(xiàn)了部分相當于30億模型參數(shù)的大語言模型的自我思維驗證和搜索能力。團隊稱項目訓練成本不到30美元。

  “二次創(chuàng)造”增強AI普惠性

  清華大學計算機系長聘副教授劉知遠接受記者采訪時說，部分海外研究團隊使用DeepSeek-R1、o1等高性能推理大模型來構(gòu)建、篩選高質(zhì)量長思維鏈數(shù)據(jù)集，再用這些數(shù)據(jù)集微調(diào)模型，可低成本快速獲得高階推理能力。

  相關(guān)專家認為，這是AI研發(fā)的有益嘗試，以“二次創(chuàng)造”方式構(gòu)建模型增強了AI普惠性。但有三點值得注意：

  首先，所謂“幾十美元的低成本”，并未納入開發(fā)基座大模型的高昂成本。這就好比蓋房子，只算了最后裝修的錢，卻沒算買地、打地基的錢。AI智庫“快思慢想研究院”院長田豐告訴記者，幾十美元成本只是最后一個環(huán)節(jié)的算力成本，并未計算基座模型的預訓練成本、數(shù)據(jù)采集加工成本。

  其次，“二次創(chuàng)造”構(gòu)建的模型，整體性能尚無法比肩成熟大模型。TinyZero僅在簡單數(shù)學任務、編程及數(shù)學益智游戲等特定任務中有良好表現(xiàn)，但無法適用于更復雜、多樣化的任務場景。而s1模型也只能通過精心挑選的訓練數(shù)據(jù)，在特定測試集上超過早期版本o1 preview，而遠未超過o1正式版或DeepSeek-R1。

  最后，開發(fā)性能更優(yōu)越的大模型，仍需強化學習技術(shù)。劉知遠說，就推動大模型能力邊界而言，“知識蒸餾”技術(shù)意義不大，未來仍需探索大規(guī)模強化學習技術(shù)，以持續(xù)激發(fā)大模型在思考、反思、探索等方面的能力。

  AI模型未來如何進化

  在2025年美國消費電子展上，美國英偉達公司高管為AI的進化勾畫了一條路線圖：以智能水平為縱軸、以計算量為橫軸，衡量AI模型的“規(guī)模定律”呈現(xiàn)從“預訓練擴展”、到“訓練后擴展”，再到“測試時擴展”的演進。

  “預訓練擴展”堪稱“大力出奇跡”——訓練數(shù)據(jù)越多、模型規(guī)模越大、投入算力越多，最終得到AI模型的能力就越強。目標是構(gòu)建一個通用語言模型，以GPT早期模型為代表。而“訓練后擴展”涉及強化學習和人類反饋等技術(shù)，是預訓練模型的“進化”，優(yōu)化其在特定領(lǐng)域的任務表現(xiàn)。

  隨著“預訓練擴展”和“訓練后擴展”邊際收益逐漸遞減，“測試時擴展”技術(shù)興起。田豐說，“測試時擴展”的核心在于將焦點從訓練階段轉(zhuǎn)移到推理階段，通過動態(tài)控制推理過程中的計算量（如思考步長、迭代次數(shù)）來優(yōu)化結(jié)果。這一方法不僅降低了對預訓練數(shù)據(jù)的依賴，還顯著提升了模型潛力。

  三者在資源分配和應用場景上各有千秋。預訓練像是讓AI模型去學校學習基礎知識，而后訓練則是讓模型掌握特定工作技能，如醫(yī)療、法律等專業(yè)領(lǐng)域。“測試時擴展”則賦予了模型更強推理能力。

  AI模型的迭代還存在類似摩爾定律的現(xiàn)象，即能力密度隨時間呈指數(shù)級增強。劉知遠說，2023年以來，大模型能力密度大約每100天翻一番，即每過100天，只需要一半算力和參數(shù)就能實現(xiàn)相同能力。未來應繼續(xù)推進計算系統(tǒng)智能化，不斷追求更高能力密度，以更低成本，實現(xiàn)大模型高效發(fā)展。