Epoch AI
算力趋势 / 云与模型
Trends in AI
公开研究观点，以原文为准：Epoch AI Trends 汇总模型规模、训练计算、数据和算法进展等公开趋势，用于理解 AI scaling 与算力需求的研究框架。
查看英文原文 ↗ Epoch AI 官方公开页
为什么值得关注
免费最有吸引力的判断是：AI scaling 不是单一参数竞赛，Epoch AI 把训练计算、模型规模、数据、硬件和算法效率拆开跟踪。这个框架能解释一个反差：模型能力提升可能来自更多计算，也可能来自算法和数据效率改善，因此算力需求既有上行牵引，也会被效率变量重新塑形。具体趋势图表和定义以 Epoch AI 原页为准。
关键看点
免费- AI scaling 要同时观察训练计算、模型规模、数据规模与质量、硬件进步和算法效率。
- 训练计算是重要变量，但算法效率提升和架构变化会改变同等能力所需资源。
- 数据不是越多越简单，数据质量、合成数据、过滤和训练方法会影响 scaling 的边际效果。
- 硬件进步通过性能、内存、互联和能效影响训练与推理成本，进而影响云和数据中心需求。
涉及的产业链环节与公司
免费教育性映射看，该主题涉及基础模型、云计算、GPU/ASIC、存储、网络、数据服务、算法工具和数据中心。代表公司类别包括云平台、模型研发机构、加速器厂商、代工和存储供应商、网络设备与连接芯片公司、数据服务和基础设施运营商；这里只说明 AI scaling 变量可能触达的产业链环节，不评价资产价格。
🔒 会员深度解读
Epoch AI 这份报告，逐点完整中文解读
- 逐点逐句完整解读：把每个核心结论拆成中文，讲清逻辑与口径
- 用 Compassing AI 深问这份报告：要点追问、横向对比、连到你关注的板块