AI计算的未来：中心化与去中心化的博弈

引言

人工智能（AI）技术的迅猛发展正在全球计算格局中。最新发布的DeepSeek r1模型，以远低于传统大模型的成本实现了相当水平的推理能力，甚至能够在工作站上本地运行。一次突破AI计算正在经历从中心化（云计算）到去中心化（本地推理）的重大转变。这种变化不仅影响AI产业的商业模式，还可能构建全球计算基础设施、经济利益格局，并加速人工超级智能（ASI）的到来。因此，本文将探讨人工智能训练成本的降低、推理模式及其对全球科技与的转变。经济的必然影响。

---

AI训练成本下降：技术优化与行业变革

长达数亿美元的计算成本是AI发展的主要瓶颈。以GPT-4为代表的尖端模型，其成本往往高达数亿美元，这使得AI技术的掌控权长期集中在少数科技部门手中。 DeepSeek r1仅需600万美元便达到了OpenAI o1级别的性能，这一突破主要得益于以下技术创新：

1. 计算优化与新算法突破

DeepSeek r1采用了FP8（8位浮点数）、MLA（多令牌预测）等优化策略，在训练和推理过程中制定得更加高效。这些技术降低了计算成本，提高了模型的推理速度，同时降低了计算成本了对昂贵算力资源的依赖。

2. 大规模GPU资源的利用

DeepS