当前全球AI产业正迎来发展路径拐点，包括OpenAI、Anthropic、DeepSeek在内的头部厂商已将超过60%的研发预算倾斜至高质量数据集建设领域。行业共识显示，AI下一轮核心突破将不再依赖大模型参数规模的扩张，而是由研究驱动的精细化、场景化数据集设计提供核心支撑。
近日OpenAI被曝暂停GPT-5的参数规模升级计划，转而投入超3亿美元采购经过专业校验的多模态训练数据；国内大模型厂商DeepSeek此前也公开披露，其最新开源模型的性能提升中，72%的贡献来自数据集优化，仅有28%来自参数结构调优。这一系列动作，印证了产业发展路径的转向已经从战略共识落地为实际行动。
过去三年，全球大模型的参数规模从百亿级快速跃升至万亿级，行业曾一度将“参数越大性能越强”奉为圭臬。但随着技术迭代，参数扩张的边际效益正在快速下滑：2024年上半年发布的千亿级大模型，平均性能提升幅度仅为4.2%，而2022年这一数据高达37%。
与此同时，大模型的训练和推理成本却随着参数扩张成倍上涨，万亿级模型的单次训练成本已经突破2亿美元，推理成本相比百亿级模型高出3.2倍。对于多数厂商而言，单纯靠堆参数冲性能的路径已经难以为继。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号