-
日期: 2026-04-27 | 来源: 火星宏观 | 有0人参与评论 | 字体: 小 中 大
张池说，我们大模型差距扩大的一个关键问题是速度。他说，美国顶级公司可以更快地迭代大模型。
可以确定的是，谷歌可以在三个月内培训或完成一整轮LLM培训，包括培训前和培训后。但字节跳动和其他几乎所有的模型迭代，周期几乎在半年甚至一年。
我们的大模型迭代较慢，与投入有关，也与用户有关。
此外，更强的用户反馈对大模型的优化大有裨益。美国的人工智能企业也受益于更强的用户反馈循环。像ChatGPT、Claude和Gemini这样的产品，他们通过与用户的持续互动而不断更新、不断提升，有助于随着时间推移优化模型。
相比之下，中国的大模型有陷入负循环的风险。往往中国大模型起初表现不佳，但较少有人真正用它们做重要的事情，所以大模型的优化和更新很难依赖于用户的反馈，导致起点不错的模型难以在后续中继续提高。而缺少用户反馈的主要原因在于大模型使用对象中的中国企业用户和个人用户的现有收入水平，难以负担大模型的收费，比如社交媒体中的专业创作者，他们从平台获得的收入越来越少，使用付费的大模型大幅增加成本而难以同步增加收入。
四、不要沉迷于我们正在缩小与美国人工智能差距的幻觉中。
张池的观点可能与我们媒体上一些最知名的声音形成鲜明对比，许多人认为我们正在迅速缩小与美国的差距，甚至可能领先。
我们的媒体经常援引英伟达首席执行官黄仁勋和特斯拉与space创始人马斯克的观点来证明我们在人工智能方面可以与美国并驾齐驱甚至超越美国。
黄仁勋曾警告称，美国的人工智能有落后风险；而埃隆·马斯克则表示，中国在能源和计算领域的优势可能帮助其超越竞争对手。人工智能先驱杰弗里·辛顿也表示，美国的领先优势可能比表面看起来更小，并警告其可能随着时间推移而缩小。但人们往往忽略了，这些美国的企业家和技术大拿，其表达的背后，并非对我们人工智能发展水平的认可和盖章，指出一个假想敌，制造危机感，吸引更多的投资和政府的支持，才是他们发表这一观点的唯一目的，也一直是美国企业家和官员吸引社会关注某一领域的基本手段。
张池的观点反映了我们人工智能生态系统内部更为悲观的观点——暗示与美国的差距可能正在扩大。但持有这一观点的人可能更多，只是表达更委婉。比如阿里巴巴董事长蔡崇信认为，人工智能竞赛的胜负将更多取决于AI部署的速度，而非模型的评分实力。
三郎自2024年初开始，也一直在使用大模型快速获得全球和一些特定国家的经济数据，生成文章的内容提要，自动校对文章的错字和错词。从初期同时使用国内、国外六个模型，到现在主要依赖ChatGPT和Google Gemini，也是因为国内大模型在实际应用中太一言难尽。
三郎也持有与张池一样的观点：“公平地说，我认为没有哪个中国人工智能公司能很快赶上美国的同类企业”。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见