新華社北京2月23日電 新聞分析｜全球科研團隊競逐低成本AI模型研發新范式

新華社記者彭茜

美國斯坦福大學等機構研究團隊近日宣布，在基座大模型基礎上，僅耗費數十美元就開發出相對成熟的推理模型。盡管其整體性能尚無法比肩美國開放人工智能研究中心（OpenAI）開發的o1、中國深度求索公司的DeepSeek-R1等，但此類嘗試意味著企業可以較低成本研發出適合自身的AI應用，AI普惠性有望增強。同時，其所應用的“測試時擴展”技術或代表一條更可持續的AI研發路徑。

低成本玩轉高級推理

美國斯坦福大學和華盛頓大學研究團隊近日宣布研發出名為s1的模型，在衡量數學和編碼能力的測試中，可媲美o1和DeepSeek-R1等。研究團隊稱，訓練租用所需的計算資源等成本只需約幾十美元。

s1的核心創新在于采用了“知識蒸餾”技術和“預算強制”方法。“知識蒸餾”好比把別人釀好的酒進一步提純。該模型訓練數據是基于谷歌Gemini Thinking Experimental模型“蒸餾”出的僅有1000個樣本的小型數據集。

“預算強制”則使用了AI模型訓練新方法——“測試時擴展”的實現方式。“測試時擴展”又稱“深度思考”，核心是在模型測試階段，通過調整計算資源分配，使模型更深入思考問題，提高推理能力和準確性。

“預算強制”通過強制提前結束或延長模型的思考過程，來影響模型的推理深度和最終答案。s1對阿里云的通義千問開源模型進行微調，通過“預算強制”控制訓練后的模型計算量，使用16個英偉達H100 GPU僅進行26分鐘訓練便達成目標。

美國加利福尼亞大學伯克利分校研究團隊最近也開發出一款名為TinyZero的精簡AI模型，稱復刻了DeepSeek-R1 Zero在倒計時和乘法任務中的表現。該模型通過強化學習，實現了部分相當于30億模型參數的大語言模型的自我思維驗證和搜索能力。團隊稱項目訓練成本不到30美元。

“二次創造”增強AI普惠性

清華大學計算機系長聘副教授劉知遠接受記者采訪時說，部分海外研究團隊使用DeepSeek-R1、o1等高性能推理大模型來構建、篩選高質量長思維鏈數據集，再用這些數據集微調模型，可低成本快速獲得高階推理能力。

相關專家認為，這是AI研發的有益嘗試，以“二次創造”方式構建模型增強了AI普惠性。但有三點值得注意：

首先，所謂“幾十美元的低成本”，并未納入開發基座大模型的高昂成本。這就好比蓋房子，只算了最后裝修的錢，卻沒算買地、打地基的錢。AI智庫“快思慢想研究院”院長田豐告訴記者，幾十美元成本只是最后一個環節的算力成本，并未計算基座模型的預訓練成本、數據采集加工成本。

其次，“二次創造”構建的模型，整體性能尚無法比肩成熟大模型。TinyZero僅在簡單數學任務、編程及數學益智游戲等特定任務中有良好表現，但無法適用于更復雜、多樣化的任務場景。而s1模型也只能通過精心挑選的訓練數據，在特定測試集上超過早期版本o1 preview，而遠未超過o1正式版或DeepSeek-R1。

最后，開發性能更優越的大模型，仍需強化學習技術。劉知遠說，就推動大模型能力邊界而言，“知識蒸餾”技術意義不大，未來仍需探索大規模強化學習技術，以持續激發大模型在思考、反思、探索等方面的能力。

AI模型未來如何進化

在2025年美國消費電子展上，美國英偉達公司高管為AI的進化勾畫了一條路線圖：以智能水平為縱軸、以計算量為橫軸，衡量AI模型的“規模定律”呈現從“預訓練擴展”、到“訓練后擴展”，再到“測試時擴展”的演進。

“預訓練擴展”堪稱“大力出奇跡”——訓練數據越多、模型規模越大、投入算力越多，最終得到AI模型的能力就越強。目標是構建一個通用語言模型，以GPT早期模型為代表。而“訓練后擴展”涉及強化學習和人類反饋等技術，是預訓練模型的“進化”，優化其在特定領域的任務表現。

隨著“預訓練擴展”和“訓練后擴展”邊際收益逐漸遞減，“測試時擴展”技術興起。田豐說，“測試時擴展”的核心在于將焦點從訓練階段轉移到推理階段，通過動態控制推理過程中的計算量（如思考步長、迭代次數）來優化結果。這一方法不僅降低了對預訓練數據的依賴，還顯著提升了模型潛力。

三者在資源分配和應用場景上各有千秋。預訓練像是讓AI模型去學校學習基礎知識，而后訓練則是讓模型掌握特定工作技能，如醫療、法律等專業領域。“測試時擴展”則賦予了模型更強推理能力。

AI模型的迭代還存在類似摩爾定律的現象，即能力密度隨時間呈指數級增強。劉知遠說，2023年以來，大模型能力密度大約每100天翻一番，即每過100天，只需要一半算力和參數就能實現相同能力。未來應繼續推進計算系統智能化，不斷追求更高能力密度，以更低成本，實現大模型高效發展。