北京
算法、算力、数据是AI发展的三驾马车。当开源的算法和公开的数据都不再神秘时，算力的扩张就成为AI竞争的必由之路。
当ChatGPT掀起全球AI竞赛时，硅谷巨头们曾断言“算力即权力”，认为千亿参数模型必须依赖海量GPU的堆砌，大模型的训练动辄就万卡集群，英伟达的H100芯片被炒至4.5万美元的天价。然而，DeepSeek以行业十分之一的训练成本打造的MoE模型，却在多个基准测试中超越众多主流AI模型。这场华丽的技术革命，不仅挑战了“算力至上”的神话，更揭示了AI竞争底层逻辑的根本性转变——从资源消耗的“暴力计算”转向算法创新的“效率觉醒”。
谷歌用5400亿参数的PaLM模型来证明“规模至上”，Meta用数万亿token训练Llama，以及OpenAI用上亿美元训练GPT-4的豪赌，让全球陷入“参数竞赛”的狂热。DeepSeek的突围暴露了传统路径的致命缺陷：当业界沉迷于堆砌算力时，算法的边际收益已渐渐接近天花板。DeepSeek采用的专家混合架构（MoE）通过稀疏激活机制，使模型参数利用率提升5倍，配合知识蒸馏技术将推理能耗降低80%。这场效率革命的背后，正是模型架构、动态计算和数据炼金术三大技术支点的协同突破，算法创新的“杠杆效应”开始显现。
效率创新使算力依赖大幅度降低，这对于以GPU来安家立命的英伟达来说却是一场灾难，高算力的GPU需求面临断崖式下滑。而算力需求的变化又将反映到电力和能源领域，并有望打破电力困局。
在DeepSeek横空出世之前，算力的竞争同时也将走向电力的竞争。根据估算，全球数据中心年耗电量已超过伊朗全国用电量，训练GPT-4产生的碳排放相当于3000辆汽车的年排放量。当科技巨头们竞相囤积GPU时，马斯克就曾警告“AI将吞噬全球电力”。算力扩张不仅面临着芯片漏电和量子隧穿效应的物理极限，也带来了散热成本的极大支出，这直接使得头部AI公司训练成本增速和模型商业变现效率倒挂，迫使企业从“堆算力”转向“抠能效”。这一转变预示着行业价值链条的重构，那些在架构创新与能源革命交叉点布局的企业，将主导下一个智能时代，AI竞争进入算法、能源、生态三维协同的新纪元，在智能密度、认知深度、场景渗透率方面铺开竞技场，未来的AI竞争将呈现绿色智能、微观智能、生物启发计算等特征，甚至可能突破冯·诺依曼体系的瓶颈，引发第二次AI革命。
需要指出的是，算力利用效率的提高，并不代表着算力消耗的必然降低。相反，它会使原来用不起大量高端GPU的企业，可以低成本地部署中低端算力，从而在整体上增加算力需求。其原理就是杰文斯悖论：在技术进步提高资源利用效率后，资源总消耗量反而可能增加，而非减少。这在19世纪工业革命时期就已经过检验：在瓦特改良蒸汽机后，煤炭效率提升，这在很大程度上节省了煤炭，但工业规模扩大又导致煤炭总需求激增。算法创新提升的算力效率，不一定会降低AI未来的算力要求，但一定会重塑AI的竞争格局。
最后，引用一下DeepSeek的自言自语：“DeepSeek的突围不是特例，而是效率觉醒时代的先声。”当全球AI竞赛从“暴力美学”转向“精致艺术”，算法红利开始对冲算力通胀，决定胜负的将不再是计算资源的简单堆砌，而是对智能本质的深刻理解与优雅解构。这场静悄悄的革命，终将把人类带向更可持续的智能文明。
本文作者：
邱元阳
河南省安阳县职业中专
文章刊登于《中国信息技术教育》2025年第07期
引用请注明参考文献：
邱元阳.算力的竞争：从暴力计算到效率觉醒[J].中国信息技术教育，2025（07）：14.
欢迎订阅
识别上方二维码即可订阅
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
