隨着生成式AI的迅猛發展，業界對"更大即更好"的傳統認知正在發生轉變。多位頂尖AI科學家近期表示，單純通過增加數據量和算力來提升AI性能的方法已接近瓶頸，新的技術突破方向正在顯現。

Safe Superintelligence和OpenAI的聯合創始人Ilya Sutskever近日發表觀點，認爲傳統預訓練方法已進入性能平臺期。這一論斷格外引人注目，因爲正是他早期倡導的大規模預訓練方法催生了ChatGPT。如今，他表示AI領域已從"規模擴張時代"邁入"奇蹟和發現時代"。

OpenAI，ChatGPT，人工智能，AI

當前大模型訓練面臨多重挑戰:動輒數千萬美元的訓練成本、系統複雜度帶來的硬件故障風險、漫長的測試周期，以及數據資源和能源供應的限制。這些問題促使研究人員開始探索新的技術路徑。

其中，"測試時計算"（test-time compute）技術受到廣泛關注。這種方法允許AI模型在使用過程中實時生成和評估多個方案，而非直接給出單一答案。OpenAI研究員Noam Brown打了個形象的比方:讓AI在一盤撲克牌中思考20秒，效果堪比將模型規模和訓練時間擴大10萬倍。

目前，包括OpenAI、Anthropic、xAI和DeepMind在內的多家頂尖AI實驗室都在積極開發各自的技術版本。OpenAI已在其最新模型"o1"中應用了這一技術，首席產品官Kevin Weil表示，通過這些創新方法，他們看到了大量提升模型性能的機會。

業內專家認爲，這種技術路線的轉變可能重塑整個AI行業的競爭格局，並從根本上改變AI公司對各類資源的需求結構。這標誌着AI發展正在進入一個更注重質量提升而非單純規模擴張的新階段。