| 移动网页

搜索关键词 算力投入

AI & Enterprise

Z.ai创始人Jie Tang：不能只盯参数量，推理成本正在重塑AI模型Scaling Law

清华大学教授、Z.ai创始人Jie Tang表示，衡量AI模型性能不能只看参数规模，还需同时考虑数据量、算力分配及实际运行方式。随着模型调用频次持续攀升，生命周期总成本的重心正从训练转向推理，这也使“更小模型、训练更久”成为更具吸引力的路线。Jie Tang还指出，MoE架构下，Chinchilla提出的“20:1”配比已不再普适；Z.ai最新公开的GLM-5.3也显示，仅在后训练阶段加码，仍能带来明确提升。

AI & Enterprise

NVIDIA据报开发开源大模型Nemotron 4，参数规模或超1万亿

NVIDIA正加快推进自研开源大模型布局。根据The Information报道，公司正在开发参数规模至少1万亿的开源大语言模型Nemotron 4，并同步推出轻量化模型及免费模型路由软件。与此同时，NVIDIA还通过向云服务商回租AI服务器获取训练算力。公司认为，开源模型生态越丰富，越有望带动GPU需求增长；但市场也担心，随着NVIDIA更积极地推进自研模型，其与AI模型厂商之间的关系可能进一步复杂化。

AI & Enterprise

全球AI支出今年或增47%，企业回报瓶颈在数据存储与管理

TechRadar报道称，全球AI支出今年预计同比增长47%，达到2.59万亿美元，但目前仅有28%的AI项目实现了可量化的投资回报。报道指出，企业在加快部署AI时，往往低估了数据存储与管理的重要性。若存储能力无法匹配AI工作负载，高成本GPU资源可能被闲置，进而拖累回报表现。通过采用分层存储架构，并在规划初期纳入合规治理，企业有望更好地控制成本并提升AI规模化落地能力。