g000l
· 上海
2026年看好AI但不看好算力
2026年依然看好AI，但是不看好算力。首先这里的看好AI不是指AI应用，因为就目前的AI发展，不会有什么很好的AI应用出来；其次非常不看好算力，慢慢的就会发现算力就是一个伪命题。
在分析之前，先理一下AI训练的逻辑。我们都知道要训练出一个好的AI模型，最关键的部分包括AI算法，数据，硬件（或者说算力）。算法最近几年的发展一般般，没有什么突破性的进展，算力其实是个伪命题，数据才是目前AI发展面临的主要问题。为什么这么讲呢？可以假设一下，如果算力是瓶颈，那么把当前算力提升100倍的话（或者说成本降低100倍），是不是意味着无论企业大小，甚至会编程的人，都可以训练自己的AI模型了。实际情况可能会是，虽然能训练出来，但是训练的模型要么是低能儿，要么是偏激狂。同样的，假设还是当前算力，但是能把训练的数据处理的更准确，更符合事务的本质特征，那么我们也能通过减少训练次数和训练量来降低成本，而且训练的模型也会更专业。因此数据才是当前AI发展的瓶颈所在。
这里的数据，不只是指静态的客观数据，也包括各种逻辑数据。当前的LLM模型最主要的不足在于推理能力，原因很简单，就是缺少推理的逻辑数据，逻辑这种东西玄之又玄，人都搞不清楚，更不用说喂给模型了。其次，提供给模型的数据一定要符合事务的本质特征，特别是要训练具有专有知识的模型，就不能把什么乱七八糟的都喂给模型，必须要精细，否则就是浪费算力。
而目前的各大平台数据大都没经过整理，数据是怎么获取的，就怎么存储。而那些真正在收集并且整理数据的平台，才是推动AI发展的关键力量。