尤洋点破AI瓶颈：转化效低，算力堆砌无用

说句实在话，2026年刚拉开帷幕，ChatGPT刚好满三周岁，可AI圈早就没了前两年的狂热，反倒一片焦虑。

全行业都在一门心思抠“降本增效”——小厂砍算力预算，大厂缩研发团队，就连谈合作都先问“能省多少算力”。

就在这时候，新加坡国立大学校长青年教授、潞晨科技创始人尤洋，抛出了个灵魂拷问：给你300亿美元，再给半年时间，你真能训出比GPT-4强好几个档次的模型吗？

答案大概率是“不能”。尤洋在《智能增长的瓶颈》里直接点透：现在AI增长卡壳，根本不是算力不够，而是咱们用的技术套路，快“消化”不了猛涨的算力了。

这话通俗点说就是：你给模型喂了十倍的“饭”（算力），它却吸收不了，压根长不出十倍的“力气”（智能）。

你发现没，现在AI圈张口闭口就是“算力又翻倍了”，仿佛堆够算力就能搞定一切。赛迪顾问有组数据：2026年中国算力总规模要突破1200 EFLOPS，稳居全球第二，其中智能算力占比快到90%。

可能有人不懂1200 EFLOPS啥概念——阿里云早年建的张北超级智算中心，总算力才12 EFLOPS，能支撑大模型训练、自动驾驶研发，1200 EFLOPS就相当于100个这样的超算中心加起来，算力储备足得很。

可问题来了：算力堆上天，智能真能跟着涨吗？尤洋给了个超实在的判断标准：要是训练算力翻1000倍（从10^n变成10^(n+3)），能不能稳定训出明显更强的模型？现在的答案越来越模糊。

核心症结就俩：一是现有技术套路对新增算力的吸收效率越来越低，二是算力扩得越狠，通信、同步这些“额外开销”就越多，最后算力增长的收益全被抵消了。

我跟你讲，行内人都认FLOPS是最实在的算力指标，不像参数量、推理速度，能掺点商业水分忽悠人。

现在的困境就是，算力和智能的关联越来越弱，就像给植物施再多肥，根系吸收不了，最后还是长不好。

你堆再多钱买GPU，训出来的模型可能就多会了几个知识点，根本没实现智能上的大跨越。

这可不是空口白话。潞晨科技算过一笔账：满血版DeepSeek-R1每天输出1000亿token，光机器成本每月就4.5亿元，企业搞不好每月要亏4亿元，用户越多亏得越狠。现在算力成本像坐了火箭，可智能转化效率却在原地踏步，这就是AI圈焦虑的根源——大家都怕砸了钱，却只换来“算力浪费”。

尤洋直接点破了Transformer的成功秘诀：它能赢不是因为像人脑，而是它本质上是“伪装成神经网络的并行计算机”，跟英伟达GPU的“堆料逻辑”天生匹配。

过去十年AI能快速跃迁，说白了就是三方凑齐了“黄金组合”：GPU持续提供海量并行算力，Transformer能把这些算力全“吃进去”，再加上Next-Token Prediction这个“无限学习素材”的训练目标，三者缺一不可。

说句实在话，Mamba这类新架构，顶多是提升了“吞吐量”——简单说就是同等算力下能处理更多数据，解决的是“同等智能更便宜”的问题，可不是“花同样的钱能变更聪明”。

2025年11月开源的Kimi Linear就很能说明问题，它用3:1的混合架构，3个线性注意力层负责“跑得快”，1个全注意力层负责“记得准”，取长补短才在部分场景超越Transformer，这反而证明混合架构比单一新架构更靠谱。

现在行业的竞争焦点早就变了，从以前比“谁的模型参数量大”，变成了比“单位算力能产出多少智能”。光追求吞吐量没用，能把算力稳定转化成实实在在的智能，才是真本事。不少公司跟风用新架构，最后发现成本是降了点，可模型能力没提升，纯属白费功夫。

我跟你讲，破局的关键从来不是堆更多算力，而是找到更高效的“算力转化方式”——就像人要提升吸收效率，而不是光吃更多饭。尤洋提到的高精度计算、高阶优化器这些方向，现在已经有企业在落地实践，而且效果很明显。

2025年，深度求索的DeepSeek-V3用FP8低精度格式训练，直接倒逼10余家国产AI芯片厂商跟进，摩尔线程、寒武纪等都推出了原生支持FP8精度的产品。可能有人不懂FP8精度，其实它就是数据存储的“压缩格式”，既能省算力，又不会丢模型性能，相当于用更少的资源办更多的事。

这也证明，软件创新能反过来带动硬件升级，弥补国产芯片在单点性能上的差距，提升整体算力转化效率。

硬件层面，国产算力生态也在慢慢崛起。2025年上半年，本土AI芯片出货量突破60万颗，市场份额占到35%；加速计算服务器销量比2023年增长165%，2026年预计突破28万台。

寅谱计算推出的桌面超算Hilbert更有意思，它不靠堆芯片，而是通过系统级协同优化，实现了算力和能效的动态平衡，让中小公司不用花大价钱买GPU集群，也能用上高效算力，大大降低了算力门槛。

AI增长的瓶颈从来不是钱不够、算力少，而是现有技术套路消化不了算力。就算把300亿美元砸进去，没找对算力转化逻辑，最后也只能竹篮打水一场空。国产算力生态的崛起、混合架构的探索，已经指明了破局方向。别再一门心思死磕“降本”，聚焦如何把算力高效变成智能，AI才能突破天花板。毕竟用户要的是“更聪明的AI”，不是“更便宜的废柴”，这才是行业该有的清醒。