廣東
科技巨頭們正在上演一場AI時代的"瘦身革命"——讓笨重的全能模型學會做減法，正在成為行業新共識。
當亞馬遜AI團隊拆解通用大模型的訓練日志時，發現了一個令人啼笑皆非的事實：處理退換貨請求的客服AI，竟把30%的算力浪費在學習莎士比亞十四行詩上。這種荒誕的資源錯配，促使OpenAI和亞馬遜在2026年初不約而同轉向專用模型開發。最新數據顯示，采用任務導向訓練后，企業AI部署成本直降40%，GPT-5-Codex編程專用版的推理速度更是通用版本的2.3倍。
這場變革背后，是對AI"知識肥胖癥"的精準治療。MIT實驗室曾記錄過典型病例：當用戶用不同句式詢問"23×47等于多少"時，通用模型就像被臨時拉來代課的語文老師，可能給出五個不同答案。而專用模型則像訓練有素的會計師，在預訓練階段就建立起牢固的數學邏輯。百度吳健民說得更直白："讓AI既會修車又能寫詩的時代該翻篇了。"
市場反應比預期更劇烈。阿里云用20萬份信貸合同喂出來的風控模型，將壞賬識別準確率推到92%新高，而堅持通用路線的微軟眼睜睜看著市場份額被蠶食。組織架構的震蕩同樣不可避免，OpenAI研發團隊一分為二，就像醫院把全科門診和專科診室徹底分開。
中國玩家的打法更顯智慧。百度把大模型變成"變形金剛"，通用底座像軀干，醫療、教育等插件則是可更換的機械臂；阿里云則玩起"西電東送"，在甘肅數據中心訓練專用模型的成本僅是東部一半。這種靈活戰術讓國產AI在政務、制造等領域筑起護城河，不過醫療AI要拿到三類器械認證，仍是道難跨的門檻。
斯坦福專家曼寧的比喻很精妙："AI世界終將像人類社會，既需要百科全書式的智者，也離不開專注的匠人。"但MIT的最新警告值得警惕：當遇到領域邊界問題時，過度專業的AI犯錯概率反而比通用模型高17%。這提醒我們，在給AI"瘦身"的同時，還得留點"應變脂肪"。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
