还抱着 “越大越好” 的 AI 模型不放？华尔街投行巴克莱最新研报给出了一个颠覆性的预测：AI 行业正经历一场 “巨变”（Big Shift），“推理模型” 和 “Agent” 将成为新时代的弄潮儿，而 “大力出奇迹” 的传统大模型，可能很快就要过气了！
这场变革的核心，是 AI 模型从 “死记硬背” 到 “举一反三” 的进化。过去，我们追求更大的模型、更多的参数、更海量的训练数据，坚信 “量变产生质变”。但现在，巴克莱指出，这条路可能已经走到了尽头。
算力无底洞、成本高企、收益却难以匹配……传统大模型的 “军备竞赛” 让众多科技巨头苦不堪言。更要命的是，用户真的需要那么 “大” 的模型吗？在许多场景下，一个更 “聪明”、更会推理的小模型，反而能提供更精准、更高效的服务。
这究竟是怎么回事？对于投资者来说，这场 AI 巨变又意味着什么？
<h2>“推理” 时代降临，小模型也能办大事！</h2>
巴克莱在报告中指出，AI 行业正在发生一系列重大转变：
<ul>
<li>从传统的大语言模型（LLM）转向新型推理模型；</li>
<li>从聊天机器人转向 Agent；</li>
<li>从预训练转向测试时计算（test-time-compute）；</li>
<li>从通用训练芯片转向定制推理芯片；</li>
<li>从集中式超大规模集群转向更小、更靠近边缘的计算集群。</li>
</ul>
简单来说，AI 模型不再一味追求 “大”，而是更注重 “巧”。通过引入 “推理” 能力，模型可以在处理任务时进行多步思考、反复验证，从而得到更准确的结果。
这种 “链式思考”（Chain-of-Thought，CoT）模式，让 AI 模型更像一个 “专家”，而不是一个 “书呆子”。更重要的是，它还实现了成本与收益的更好匹配：任务越复杂，需要的算力越多，反之亦然。
巴克莱指出，像 OpenAI 的 o1、o3 模型，以及 DeepSeek 的 R1 模型，都已经在实践中证明了推理模型的强大潜力。它们不仅在多个基准测试中超越了传统大模型，而且训练成本更低、推理效率更高。
<h2>Agent 崛起：AI 应用的新范式</h2>
除了推理模型，巴克莱还强调了 Agent 在 AI 应用层面的重要性。Agent 可以理解为一种更智能、更自主的 AI 应用，它不仅能回答问题，还能执行任务、完成交易。
如果说聊天机器人还停留在 “对话” 阶段，那么 Agent 则已经开始 “行动”。它们可以被应用于各种场景，如客户服务、金融分析、软件开发等，极大地提高了生产力和效率。
巴克莱预测，随着推理模型和 Agent 技术的成熟，AI 的应用将迎来爆发式增长。ChatGPT 用户数在短短两个月内增加了 1 亿，就是最好的证明。
<h2>“钱” 景大不同：Chinchilla 缩放定律或将终结</h2>
这场 AI 巨变，对整个行业的 “钱” 景产生了深远影响。巴克莱提出了两种可能的情景：
<ol>
<li>Chinchilla 缩放定律继续有效： 模型规模持续扩大，参数数量和训练数据量不断增长。到 2028 年，最先进的模型可能达到 65 万亿参数，并在 325 万亿个 token 上进行训练。</li>
<li>预训练缩放停滞： 模型规模在 GPT-5 级别后不再增长，行业转向推理模型和测试时计算。</li>
</ol>
在第二种情景下，巴克莱预测，到 2028 年，AI 行业的总计算需求仍将高达 1 万亿美元，但远低于 Chinchilla 缩放定律持续有效的情况。
更重要的是，推理成本将大幅下降。这意味着，科技巨头们不再需要为训练超大模型而 “烧钱”，而是可以将更多资源投入到推理模型的优化和应用上。
<h2>算力缺口依旧巨大，推理芯片需求激增</h2>
尽管预训练缩放可能停滞，但巴克莱认为，AI 行业的算力需求仍然巨大。即使在 “停滞” 情景下，到 2028 年，全球仍将面临 2500 亿 exaFLOPS 的推理算力缺口。
这意味着，对推理芯片的需求将持续增长。巴克莱预计，到 2028 年，推理计算将占整个 AI 行业的 50% 以上。
<h2>开源 AI 崛起，但短期内难撼大局</h2>
巴克莱还关注到了开源 AI 的快速发展。像 Llama 和 DeepSeek 这样的开源模型，正在吸引越来越多的开发者和用户。
然而，巴克莱认为，开源 AI 在短期内还不足以对整个行业产生重大影响。原因在于，微调或精简开源模型的成本相对较低，远不及训练一个像 GPT-4.5 或 Claude 4 这样的大模型。
<h2>AI 投资逻辑巨变：押注 “效率” 而非 “规模”</h2>
那么，对于投资者来说，这场 AI 巨变意味着什么呢？巴克莱给出了明确的建议：
<ul>
<li>如果 Chinchilla 缩放定律继续有效： 继续看好 AI 系统组件供应商（如芯片、网络设备等），谨慎对待那些不得不持续投入巨额资本支出的科技巨头。</li>
<li>如果预训练缩放停滞： 看好科技巨头（因为自由现金流将回升），并关注那些拥有大量用户、能够从推理成本下降中获益的应用类股票。</li>
</ul>
总之，无论 AI 行业走向何方，投资者都应该更加关注 “效率” 而非 “规模”。那些能够以更低成本、更高效率提供 AI 服务的公司，将在未来的竞争中占据优势。

OpenAI

DXYZ

如果 Scaling Law 继续有效， 继续看好 AI 系统组件供应商（如芯片、网络设备等），谨慎对待那些不得不持续投入巨额资本支出的科技巨头。如果预训练缩放停滞： 看好科技巨头（因为自由现金流将回升），并关注那些拥有大量用户、能够从推理成本下降中获益的应用类股票。

- 巴克莱预测 AI 行业正经历 “巨变”，推理模型和 Agent 将主导未来。  
- 传统大模型面临算力高、收益低的困境，推理模型提供更高效服务。  
- 投资者应关注 “效率” 而非 “规模”，推理成本下降将影响行业格局。  

AI 转向” 推理模型和 Agent 时代 “，对 AI 交易意味着什么？