AI 大模型竞赛愈发白热化，下半场将聚焦推理与数据。
2 月 23 日，马斯克点赞了一条关于 AI 模型竞争路线的分析，他称赞道 “分析得很好”，值得一提的是，上周马斯克旗下 xAI 正式发布 Grok 3 大模型。
<img class="wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/03de9774-8a40-4853-b9d7-dc0fda17087e.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1166" height="648" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/03de9774-8a40-4853-b9d7-dc0fda17087e.png"/>
这篇推文是由 Gavin Baker 发布，他在文章中表示，AI 产业格局的变革正在加速，OpenAI 的先发优势消退，微软也选择后撤一步。
Gavin 还预计，未来数据成为竞争核心，无法获得独特、有价值数据的前沿模型是历史上贬值最快的资产。Meta 等巨头通过数据垄断和算力规模构建护城河，而中小玩家聚焦差异化部署和成本优化。
不过，Gavin 仍看好 xAI 和 OpenAI，他表示，如果 OpenAI 在 5 年后仍然是该领域的领导者，那可能是因为先发优势和规模优势，以及产品影响力。
<h2>OpenAI 的先发优势消退，微软也选择后撤一步</h2>
Gavin 在推文中指出：
<blockquote>
当 ChatGPT 在 2022 年 11 月横空出世时，OpenAI 通过激进押注 Scaling Law，在生成式 AI 领域建立了长达 7 个季度的统治地位。但这一优势窗口正在关闭：Google 的 Gemini、xAI 的 Grok-3，以及 Deepseek 的最新模型，均已达到与 GPT-4 相近的技术水平。
就连 OpenAI 创始人 Altman 也指出，OpenAI 未来的领先优势将更加狭窄；微软 CEO 纳德拉基本上表示，他们在模型能力方面领先的独特时期即将结束。
<img class="wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/105c645d-ecd0-41c8-984c-db5e7759f606.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1088" height="719" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/105c645d-ecd0-41c8-984c-db5e7759f606.jpeg"/>
</blockquote>
据 The Information 此前报道，微软内部备忘录显示，由于预训练边际效益递减，原计划投入 160 亿美元升级预训练基础设施的方案已被叫停，微软转而专注于为 OpenAI 提供推理以获取收益。
纳德拉也在此前的播客节目中表示，数据中心可能建设过剩，租赁优于自建，微软甚至可能会使用开源模型来支持 CoPilot。Gavin 认为，这些预示着单纯依靠参数扩张建立壁垒的 “预训练时代” 已走向终结。
<h2>独家数据资源成为护城河</h2>
Gavin 认为，当模型架构趋同，独家数据资源成为护城河。
Gavin 在推文中表示：
<blockquote>
我多次转述 EricVishria 的话，无法获得独特、有价值数据的前沿模型是史上贬值最快的资产，而蒸馏只会放大这一点。
如果未来前沿模型无法访问 YouTube、X、TeslaVision、Instagram 和 Facebook 等独特而有价值的数据，则可能没有任何投资回报率。
从这个角度来看，扎克伯格的策略似乎也要明智得多。独特的数据可能最终成为预训练数万亿或千万亿参数模型差异化和 ROI 的唯一基础。
</blockquote>
这解释了为何扎克伯格将 Meta 的 AI 战略锚定在社交数据闭环，据媒体此前报道，Instagram 用户的图像标注数据，使 Meta 的多模态模型训练效率提升 40%。
<h2>巨型数据中心只需 2-3 个，推理所需算力占 95%</h2>
这一变化也将带来 AI 基础设施格局的颠覆性变化，Gavin 预计，
<blockquote>
预训练算力：需超大规模集群（10 万卡级），但参与者将缩减至 2-3 家，技术堆栈追求极致性能（液冷、核能供电），这一中心堪比 “法拉利” 级超算中心。
推理算力：较小的 6-10 家数据中心，分布式、低成本架构主导，地理就近部署与能效比成关键，使用风/光能源，基于量化压缩技术（如 Deepseek R1 的 1-bit LLM）支撑低成本推理，是 “本田” 级边缘节点。
</blockquote>
Gavin 强调，推理模型是极其计算密集型的，具备强大的计算能力，模型才能高效地完成推理任务。但与之前那种预训练和推理阶段计算资源分配大致各占一半的情况不同，现在会变成预训练占 5%，推理阶段占 95%。卓越的基础设施将至关重要。
整体来看，未来 AI 行业可能呈现 “预训练集中化，推理去中心化” 的两极格局，数据成为权力核心，巨头通过数据垄断和算力规模构建护城河，而中小玩家聚焦差异化部署和成本优化。

微软

OpenAI

特斯拉

深度求索

Gavin Baker 表示，未来数据成为竞争核心，无法获得独特、有价值数据的前沿模型是史上贬值最快的资产，而蒸馏只会放大这一点。未来用于预训练的巨型数据中心只需 2-3 个，预训练和推理的计算资源分配将是 5/95。

- AI 大模型竞赛加剧，未来将聚焦推理与数据。  
- OpenAI 先发优势减弱，微软转向推理获取收益。  
- 数据资源成为竞争核心，巨头通过垄断构建护城河。  

马斯克 “点赞” 的 AI 趋势解读：OpenAI 已被追上，微软撤退了，“推理时代” 巨型数据中心只需 2-3 个