斯坦福团队用不到50美元训练AI推理模型 挑战OpenAI

斯坦福大学和华盛顿大学的研究团队宣布，他们仅用350元（约50美元）的云计算成本训练出了一款AI推理模型S1，这一突破引发了关于AI技术成本和开源趋势的讨论。S1的推理能力类似于OpenAI的o1，能够通过拆解问题来构建答案，例如在计算将所有Uber车辆替换为Waymo车辆的成本时，它会先查询现有Uber数量，再计算Waymo的生产成本。S1的训练方式是基于谷歌Gemini 2.0 Flashing Thinking Experimental的输出数据，仅利用1000个精心设计的问题和答案，让模型学会模拟Gemini的思考逻辑。研究人员还发现，只需在推理过程中添加“等待”指令，就能提高S1的答案准确度，这表明现有AI技术仍有大量优化空间。S1的成功再次表明，AI语言模型正在加速走向开源和低成本化，但这一趋势也引发了数据使用和版权争议。例如，OpenAI曾批评中国团队DeepSeek使用其模型输出进行训练，而S1的训练方式同样借鉴了谷歌Gemini的结果，尽管谷歌禁止这种做法，但业内普遍认为，利用大模型的“借力训练”方式将难以遏制。尽管S1的表现令人印象深刻，但它并非完全独立训练，而是依赖于现有大模型的成果，类似于图像压缩中的JPEG格式，虽然保留了关键信息，但仍有损失。同时，大型语言模型仍面临准确性问题，甚至谷歌的高管也曾未经事实核查就直接使用AI生成的内容。业界讨论的焦点是，随着类似S1的低成本模型出现，OpenAI和谷歌等企业的商业模式是否会受到冲击？支持者认为，AI大模型的商品化是不可避免的，未来企业的竞争力将更多取决于模型之上的应用层，如OpenAI的ChatGPT、Operator网络导航功能，或是xAI对X（前推特）数据的独家访问权。此外，AI的推理计算仍然成本高昂，随着AI被广泛应用，算力需求将持续增加，OpenAI计划斥资3.5万亿元（约5000亿美元）建设的服务器集群仍可能获得回报，前提是当前的AI浪潮不是一场泡沫。