最近几天,关于AI的讨论几乎到了一年中最热闹的时候,达沃斯论坛上那几场围绕人工智能的激辩,被各路媒体反复引用。我也仔细看了几场对谈的文字实录和现场转述,说实话,真正让圈内人绷紧神经的,不是哪个模型又跑了个漂亮分数,而是一连串悬而未决的方向性问题:大模型的“暴力美学”到底还能撑多久?Agent是不是被捧得过高了?开源和闭源的路线之争,是不是已经有答案了?以及最现实的问题——AI究竟能不能赚钱?
这些问题在论坛上被大佬们用很体面的方式讨论了无数轮,但对真正在一线做AI应用、做模型部署、做技术选型的人来说,答案并不在台上的麦克风里,而在每一个项目的需求文档里、每一次评测的准确率波动里、每一笔GPU账单里。这篇文章我不打算复述达沃斯上谁说了什么,而是想顺着论坛上几场争论最激烈的议题,结合我这几年在AI工程化落地里的实际体验,聊聊那些“台上没法细说、但台下必须直面”的技术真相。文章里的每一条,都不是从新闻稿里摘的,是我自己在项目里踩过的坑和验证过的判断。
1. 吵得最凶的其实不是模型有多强,而是钱还该不该这样烧
达沃斯上关于大模型“暴力美学”是否走到头的争论,几乎每一场都有。一派观点认为,只要继续堆算力、堆数据、堆参数,模型能力自然会继续往上涨,这是过去几年已经被反复验证过的路径;另一派则认为,低成本、高效率的路线正在成为新主流,大厂们动辄数十亿美元的训练账单,边际收益已经开始快速递减。
这个问题在新闻里被简化成了“Scaling Law是否见顶”的路线之争,但在实际工程里,它的答案要复杂得多。
先说我自己比较确定的判断:纯粹堆参数的路线确实在放缓,但这不意味着Scaling Law失效了,而是“堆什么”变了。以前你只需要拼命找更多的文本数据,现在文本已经快被榨干了,于是大家开始疯狂做合成数据、做多模态数据、做推理过程的数据。我去年帮一个客户做金融领域的合同审查模型,最明显的感受就是:通用语料能带来的提升已经微乎其微了,反而是把几千份脱敏合同、几百条审查规则整理成结构化数据之后,模型在具体任务上的表现瞬间上了一个台阶。
你去看达沃斯上那些还在坚持“大力出奇迹”的团队,他们其实也没有真的躺平,而是在换一种方式“大力”——大力做数据工程、大力做强化学习、大力做推理时计算。DeepSeek R1能让整个行业重新讨论推理模型,靠的也不是参数规模碾压,而是把强化学习用在了推理路径的优化上。这说明一个问题:大模型的下一波增长点,可能不在“模型更大”,而在“训练更聪明、推理更会用”。
但我在实际项目里也见过很多团队走了另一个极端——一听Scaling Law放缓,就觉得微调、蒸馏这些“技巧流”可以完全替代底层模型能力的提升。这个认知很危险。你可以用蒸馏和微调把7B模型调教得很听话,但遇到真正需要复杂推理和广泛知识覆盖的任务,小模型的边界是实实在在的。你没法用技巧去弥补一个它从来没见过的知识盲区。
所以关于“钱还该不该这样烧”,我自己的判断是:基础模型的预训练确实越来越像一场巨头游戏,不是一般团队能参与的;但对做应用层的人来说,这场争论的实质其实跟你关系不大。你需要关心的是怎么用更小的模型、更省的推理成本、更高质量的领域数据,把90分的通用能力变成95分的业务能力。方向永远比“烧多少钱”重要。
1.1 别被几个榜单分数骗了,关键要看评测任务怎么设计
很多团队在选模型的时候,最喜欢看的就是公开榜单的排名。但达沃斯上也有一位非常务实的工程派大佬点了一句:公开评测集正在被严重刷爆。这句话我太认同了。我在做模型选型的时候几乎不看纯粹的排行榜,因为那些分数背后有太
