1 月 7 日上午，在全球最大的消费电子展上，英伟达总裁黄仁勋发表了演讲。此前就有海外科技博主预测，英伟达即将发布的新版显卡，GPU 性能会大幅提升，果不其然，这次黄仁勋发布了英伟达 RTX 50 系列显卡。按照英伟达的说法，RTX 5090 整体性能是上一代 RTX 4090 的两倍。

然而，在美国对华断供高端芯片的背景下，有人担忧中国人工智能行业因无法获得最高性能 GPU 用于训练，与美国的差距会进一步拉大。一直以来，在人工智能领域，“算力焦虑”是常见的说法。作为主导全球的 GPU 企业，英伟达 H100 GPU 数量曾是衡量大模型公司算力的指标，黄仁勋甚至说过“英伟达是 AI 世界的引擎”，在他看来，英伟达的硬件对发展人工智能大模型起着决定性作用。

但如今，算力和人工智能大模型已不是多数企业最关心的问题，如何将人工智能落地应用才是 2024 年的重点，很多时候并不需要最高性能的 GPU 芯片。相比之下，黄仁勋却没那么淡定，在演讲中渲染英伟达“Blackwell 架构芯片是人类历史上最大的单芯片”“前所未有的规模”的同时，却对其消费级产品采取了性能不变但降价至三分之一的策略，这跟此前认为英伟达产品将涨价的预期形成反差，显然，英伟达在主导地位受到挑战时，也开始想办法多找几条路走。

实际上，全球几家全力投入人工智能大模型研发的头部企业，正掀起“去英伟达”的趋势。像 Open AI、苹果公司等都开始自研芯片和生态系统来支撑自身的大模型训练。这股趋势更重要的是打破了英伟达营销的人工智能“算力为王”的认知。

除了自研 AI 芯片，Open AI 等全球头部的人工智能公司，都在更多地聚焦大模型本身的设计优化。比如 Mistral AI 公司将混合专家模型引入大模型训练，用多个特定领域的“小专家”配合几个“通用专家”来处理问题；以 DPO、LoRA 为代表的高效微调方法，大幅降低了模型对齐的复杂度。

在这样的趋势下，国产大模型也找到了自己的发展方向。2024 年，国产大模型发展迅猛，不乏通过底层优化，用 2048 块 GPU 就接近头部公司数万块 GPU 训练才有的大模型性能的案例。在全球最大的大模型和数据集社区 Hugging Face 推出的开源大模型排行榜单上，从去年 6 月开始，中国国产开源大模型曾多次占据领先位置。

国产大模型能有这样的成绩，主要是进行了三个方面的创新：底层大模型数据结构的创新，训练过程的创新，以及数据准备的创新。比如 Deepseek V3 通过采用混合精度方法，有效平衡训练精度和效率，结合混合专家模型架构，大模型训练成本大幅降低，性能却跟 GPT-4o 以及 Claude-3.5-Sonnet 相差无几。目前，国内类似的大模型成本、训练时长都已大幅下降。

这种新的模型训练方法，不仅降低了大模型行业的门槛，还推动了全球大模型的降价潮，对人工智能技术的应用和转化意义重大。

在当前全球人工智能大模型的竞争中，算力虽然重要，但不是决定性因素。只有跟软件、应用场景结合起来，才能真正成为推动行业转型、提高经济效率的引擎。

然而，目前部分人工智能项目存在“假智能”问题，靠大量数据叠加出答案，缺乏创造力和想象力，这和“唯算力论”有关。一些前沿大模型探索了“思维链”，但实现“通用人工智能”仍有较大障碍。