要理解这一现象，就需要深入了解 AI 技术本身的演变。
传统的大语言模型训练需要大量的电力和计算时间。然而，人们正在快速找到办法，来减少用户运行大语言模型时所需的资源量。推理模型与大语言模型不同，它们以大语言模型为基础，但在实际运行过程中消耗的资源（包含芯片和电力）要多很多。
OpenAI 在 9 月发布了其首个推理模型 o1 。自那之后，AI 公司纷纷推出了竞争产品。其中有在今年年初震撼了 AI 界，并且改变了众多科技和电力公司估值的 DeepSeek R1 。另外还有埃隆·马斯克旗下的 Grok 3 推理模型。
DeepSeek 引起恐慌的原因是它展示了一种可能性，即能用其他模型成本的一小部分来训练 AI。这种可能性可能会降低对数据中心以及昂贵、先进芯片的需求。然而实际上，DeepSeek 促使 AI 行业发展资源需求量更大的推理模型，这表明基础算力设施依然是非常必要的。
推理模型的资源需求
推理模型及其相关产品，例如“Deep research”工具和 AI agent，为什么需要如此多的资源呢？答案在于它们的工作方式。
Nvidia 的 AI 产品管理副总裁 Kari Briski 近期表明，推理模型能够轻易地消耗比传统大语言模型多 100 倍的计算资源。这种消耗的倍增源于推理模型在长时间的“思维链”中会与自身进行对话（并非所有对话用户都能看见）。模型所使用的计算资源和生成的单词数量呈正比关系，所以生成 100 倍单词数量的推理模型将会消耗更多的电力和资源。
推理模型访问互联网时，资源需求量会有所增加。例如谷歌的相关模型、OpenAI 的相关模型以及 Perplexity 的 Deep research 模型等，都会使资源需求量进一步提升。
这个数量的资源需求仅仅是一个开端。谷歌计划在 2025 年支出至少一定数额的资金，微软也有相应计划，meta 同样如此，它们共同在 2025 年要支出至少 2150 亿美元，比去年增加 45%，并且其中的大部分资金将用于 AI 数据中心。
科技巨头们的季度资本支出
未来AI有多大需求？
为了预测未来 AI 的需求量，我们能够列出一个简单的等式。这个等式中的第一个值，是像 GPT 这样的大模型处理单个标记所需要的计算量。
1 月，中国 AI 模型 DeepSeek R1 发布了。此后，每个标记的成本，包括算力资源和金钱方面的成本，似乎会大幅度下降。DeepSeek 以及其相关论文展示出了一种方法，这种方法能够以比美国 AI 实验室先前披露的方法更高效的方式来训练和交付 AI。
表面上看，这似乎表明未来 AI 对算力的需求将大幅降低，例如降低到当前的十分之一。然而，推理模型在“思考”过程中所增加的需求能够弥补这一降低。简单来讲，像 DeepSeek 这样高效的 AI 模型，能将对算力的需求减少到十分之一，但倘若整个行业对推理模型的需求增加 100 倍，那么未来 AI 对算力的需求仍将是现在的 10 倍。
位于智利圣地亚哥的谷歌数据中心
1000倍增长
企业发现新的 AI 模型更为强大，于是它们会越来越频繁地调用这些模型。这样一来，算力的需求就从训练模型转变为使用模型，也就是 AI 行业里的“推理”。
baseten 的 CEO Tuhin Srivastava 称，这种向“推理”的转变正在推进。他的客户涵盖了在应用程序和服务中运用 AI 的科技公司，像 Descript 以及 PicnicHealth 等。这些客户察觉到，随着自身产品需求的迅猛增加，他们需要更多的 AI 处理能力。
未来几年，技术创新以及更先进 AI 芯片的出现或许意味着，向客户提供 AI 的系统在效率方面会比现今高出一千倍。风险投资家 Tomasz Tunguz 指出，投资者和大型科技公司在进行押注，他们认为在未来十年里，由于推理模型以及 AI 的快速普及，对 AI 模型的需求有可能会增加一万亿倍甚至更多。
你在键盘上按下的每一次按键，都将由至少一个 AI 进行转录；你对着麦克风说出的每一个音素，也都将由至少一个 AI 进行处理。Tunguz 说。他补充道，如果情况确实如此，那么 AI 市场可能很快就会比现在大 1000 倍。
更多的一手新闻，大家可以下载凤凰新闻客户端来订阅凤凰网科技。如果想看深度报道的话，就用微信搜索“凤凰网科技”。
