大多数 AI 研究人员表示，科技行业正在将数十亿美元投入到死胡同中

快速阅读: 《未来主义》消息，调查显示，76%的AI研究人员对通过加大资金投入实现通用人工智能持悲观态度。尽管行业巨头持续投资，但传统规模扩张面临瓶颈。微软、谷歌等公司转向能源合作，而DeepSeek采用“专家混合”模式降低成本。专家提醒，创新路径更适合小型企业。

近年来，针对人工智能研究者的调查显示，通过增加资金投入来扩展现有AI方法以实现通用人工智能（AGI）的可能性并不乐观。超过76%的受访者认为成功的机会“不大”或“极小”。这项由美国人工智能促进协会科学家主导的研究调查了475名AI研究人员，并在新报告中指出，科技行业长期以来依赖的通过增强生成模型及其所需数据中心的硬件能力来推动AI发展的路径似乎已陷入瓶颈。

尽管AGI被视为所有AI开发者追求的终极目标，但随着技术进步，单纯依靠规模扩张的模式正受到质疑。“过度投入却缺乏相应理解显然是不合理的”，加州大学伯克利分校计算机科学家斯图尔特·拉塞尔在接受采访时提到，“传统规模扩张的红利已接近极限”。

目前，大量资金正投入到人工智能的竞争中。据TechCrunch报道，仅在风险投资领域，生成式AI在2024年的投资额便超过了560亿美元，这些资金大多用于建设或维护生成模型所需的大型数据中心。例如，微软计划在2025年前投入800亿美元用于AI基础设施建设。然而，这种趋势也带来了巨大的能源消耗问题，微软已与核电站签署合作协议，为其数据中心提供电力支持，而谷歌和亚马逊也在做类似安排。

事实上，基于大规模投入的传统AI优化方式早已暴露出局限性。中国初创公司DeepSeek就是一个典型案例，其AI模型凭借显著低于西方竞品的成本和能耗，成功实现了与对手的竞争力抗衡。而在更早之前，就有迹象表明这一模式的不可持续性。去年11月消息显示，OpenAI内部测试发现，即将推出的GPT大型语言模型版本在某些功能上甚至不如旧版本的表现。

面对这种情况，谷歌首席执行官桑达尔·皮查伊承认，轻松获得AI收益的日子已经过去，但他依然充满信心地表示，行业内并没有理由停止进一步投资。与此同时，一些新的解决方案正在被探索。OpenAI在其最新产品中引入了“测试时计算”的理念，使AI能够花费更多时间去选择最佳方案，从而避免因硬件升级而导致的成本激增。不过，普林斯顿大学计算机科学家阿尔文德·纳拉亚南警告称，这种方法未必适用于所有场景。

与此同时，DeepSeek开创了另一种思路——“专家混合”模式，即通过整合多个专注不同领域的神经网络（即所谓的“专家”）来共同解决问题，而不是依赖单一全能型模型。尽管如此，考虑到微软仍准备在未来几年内继续向数据中心注入巨额资金，可以预见的是，依靠强力扩展仍然是大企业的主流选择，而那些更具创新意识的小型公司则需要寻找更为经济高效的途径来实现发展目标。

更多关于人工智能的信息请关注相关报道：中国宣布所有AI生成内容必须标注来源。

(以上内容均由Ai生成)