還抱着 “越大越好” 的 AI 模型不放？華爾街投行巴克萊最新研報給出了一個顛覆性的預測：AI 行業正經歷一場 “鉅變”（Big Shift），“推理模型” 和 “Agent” 將成為新時代的弄潮兒，而 “大力出奇跡” 的傳統大模型，可能很快就要過氣了！
這場變革的核心，是 AI 模型從 “死記硬背” 到 “舉一反三” 的進化。過去，我們追求更大的模型、更多的參數、更海量的訓練數據，堅信 “量變產生質變”。但現在，巴克萊指出，這條路可能已經走到了盡頭。
算力無底洞、成本高企、收益卻難以匹配……傳統大模型的 “軍備競賽” 讓眾多科技巨頭苦不堪言。更要命的是，用户真的需要那麼 “大” 的模型嗎？在許多場景下，一個更 “聰明”、更會推理的小模型，反而能提供更精準、更高效的服務。
這究竟是怎麼回事？對於投資者來説，這場 AI 鉅變又意味着什麼？
<h2>“推理” 時代降臨，小模型也能辦大事！</h2>
巴克萊在報告中指出，AI 行業正在發生一系列重大轉變：
<ul>
<li>從傳統的大語言模型（LLM）轉向新型推理模型；</li>
<li>從聊天機器人轉向 Agent；</li>
<li>從預訓練轉向測試時計算（test-time-compute）；</li>
<li>從通用訓練芯片轉向定製推理芯片；</li>
<li>從集中式超大規模集羣轉向更小、更靠近邊緣的計算集羣。</li>
</ul>
簡單來説，AI 模型不再一味追求 “大”，而是更注重 “巧”。通過引入 “推理” 能力，模型可以在處理任務時進行多步思考、反覆驗證，從而得到更準確的結果。
這種 “鏈式思考”（Chain-of-Thought，CoT）模式，讓 AI 模型更像一個 “專家”，而不是一個 “書呆子”。更重要的是，它還實現了成本與收益的更好匹配：任務越複雜，需要的算力越多，反之亦然。
巴克萊指出，像 OpenAI 的 o1、o3 模型，以及 DeepSeek 的 R1 模型，都已經在實踐中證明了推理模型的強大潛力。它們不僅在多個基準測試中超越了傳統大模型，而且訓練成本更低、推理效率更高。
<h2>Agent 崛起：AI 應用的新範式</h2>
除了推理模型，巴克萊還強調了 Agent 在 AI 應用層面的重要性。Agent 可以理解為一種更智能、更自主的 AI 應用，它不僅能回答問題，還能執行任務、完成交易。
如果説聊天機器人還停留在 “對話” 階段，那麼 Agent 則已經開始 “行動”。它們可以被應用於各種場景，如客户服務、金融分析、軟件開發等，極大地提高了生產力和效率。
巴克萊預測，隨着推理模型和 Agent 技術的成熟，AI 的應用將迎來爆發式增長。ChatGPT 用户數在短短兩個月內增加了 1 億，就是最好的證明。
<h2>“錢” 景大不同：Chinchilla 縮放定律或將終結</h2>
這場 AI 鉅變，對整個行業的 “錢” 景產生了深遠影響。巴克萊提出了兩種可能的情景：
<ol>
<li>Chinchilla 縮放定律繼續有效： 模型規模持續擴大，參數數量和訓練數據量不斷增長。到 2028 年，最先進的模型可能達到 65 萬億參數，並在 325 萬億個 token 上進行訓練。</li>
<li>預訓練縮放停滯： 模型規模在 GPT-5 級別後不再增長，行業轉向推理模型和測試時計算。</li>
</ol>
在第二種情景下，巴克萊預測，到 2028 年，AI 行業的總計算需求仍將高達 1 萬億美元，但遠低於 Chinchilla 縮放定律持續有效的情況。
更重要的是，推理成本將大幅下降。這意味着，科技巨頭們不再需要為訓練超大模型而 “燒錢”，而是可以將更多資源投入到推理模型的優化和應用上。
<h2>算力缺口依舊巨大，推理芯片需求激增</h2>
儘管預訓練縮放可能停滯，但巴克萊認為，AI 行業的算力需求仍然巨大。即使在 “停滯” 情景下，到 2028 年，全球仍將面臨 2500 億 exaFLOPS 的推理算力缺口。
這意味着，對推理芯片的需求將持續增長。巴克萊預計，到 2028 年，推理計算將佔整個 AI 行業的 50% 以上。
<h2>開源 AI 崛起，但短期內難撼大局</h2>
巴克萊還關注到了開源 AI 的快速發展。像 Llama 和 DeepSeek 這樣的開源模型，正在吸引越來越多的開發者和用户。
然而，巴克萊認為，開源 AI 在短期內還不足以對整個行業產生重大影響。原因在於，微調或精簡開源模型的成本相對較低，遠不及訓練一個像 GPT-4.5 或 Claude 4 這樣的大模型。
<h2>AI 投資邏輯鉅變：押注 “效率” 而非 “規模”</h2>
那麼，對於投資者來説，這場 AI 鉅變意味着什麼呢？巴克萊給出了明確的建議：
<ul>
<li>如果 Chinchilla 縮放定律繼續有效： 繼續看好 AI 系統組件供應商（如芯片、網絡設備等），謹慎對待那些不得不持續投入鉅額資本支出的科技巨頭。</li>
<li>如果預訓練縮放停滯： 看好科技巨頭（因為自由現金流將回升），並關注那些擁有大量用户、能夠從推理成本下降中獲益的應用類股票。</li>
</ul>
總之，無論 AI 行業走向何方，投資者都應該更加關注 “效率” 而非 “規模”。那些能夠以更低成本、更高效率提供 AI 服務的公司，將在未來的競爭中佔據優勢。

OpenAI

DXYZ

如果 Scaling Law 繼續有效， 繼續看好 AI 系統組件供應商（如芯片、網絡設備等），謹慎對待那些不得不持續投入鉅額資本支出的科技巨頭。如果預訓練縮放停滯： 看好科技巨頭（因為自由現金流將回升），並關注那些擁有大量用户、能夠從推理成本下降中獲益的應用類股票。

- 巴克萊預測 AI 行業正經歷 “鉅變”，推理模型和 Agent 將主導未來。  
- 傳統大模型面臨算力高、收益低的困境，推理模型提供更高效服務。  
- 投資者應關注 “效率” 而非 “規模”，推理成本下降將影響行業格局。  

AI 轉向” 推理模型和 Agent 時代 “，對 AI 交易意味着什麼？