美國斯坦福大學等機構研究團隊近日宣佈，在基座大模型基礎上，僅耗費數十美元就開發出相對成熟的推理模型。儘管其整體性能尚無法比肩美國開放人工智能研究中心（OpenAI）開發的o1、中國深度求索公司的DeepSeek-R1等，但此類嘗試意味著企業可以較低成本研發出適合自身的AI應用，AI普惠性有望增強。同時，其所應用的「測試時擴展」技術或代表一條更可持續的AI研發路徑。

　低成本玩轉高級推理

　美國斯坦福大學和華盛頓大學研究團隊近日宣佈研發出名為s1的模型，在衡量數學和編碼能力的測試中，可媲美o1和DeepSeek-R1等。研究團隊稱，訓練租用所需的計算資源等成本只需約幾十美元。

　s1的核心創新在於採用了「知識蒸餾」技術和「預算強制」方法。「知識蒸餾」好比把別人釀好的酒進一步提純。該模型訓練數據是基於谷歌Gemini Thinking Experimental模型「蒸餾」出的僅有1000個樣本的小型數據集。

　「預算強制」則使用了AI模型訓練新方法——「測試時擴展」的實現方式。「測試時擴展」又稱「深度思考」，核心是在模型測試階段，通過調整計算資源分配，使模型更深入思考問題，提高推理能力和準確性。

　「預算強制」通過強制提前結束或延長模型的思考過程，來影響模型的推理深度和最終答案。s1對阿里雲的通義千問開源模型進行微調，通過「預算強制」控制訓練後的模型計算量，使用16個英偉達H100 GPU僅進行26分鐘訓練便達成目標。

　美國加利福尼亞大學伯克利分校研究團隊最近也開發出一款名為TinyZero的精簡AI模型，稱復刻了DeepSeek-R1 Zero在倒計時和乘法任務中的表現。該模型通過強化學習，實現了部分相當於30億模型參數的大語言模型的自我思維驗證和搜索能力。團隊稱項目訓練成本不到30美元。

　「二次創造」增強AI普惠性

　清華大學計算機系長聘副教授劉知遠接受筆者採訪時說，部分海外研究團隊使用DeepSeek-R1、o1等高性能推理大模型來構建、篩選高質量長思維鏈數據集，再用這些數據集微調模型，可低成本快速獲得高階推理能力。

　相關專家認為，這是AI研發的有益嘗試，以「二次創造」方式構建模型增強了AI普惠性。但有三點值得注意：

　首先，所謂「幾十美元的低成本」，並未納入開發基座大模型的高昂成本。這就好比蓋房子，只算了最後裝修的錢，卻沒算買地、打地基的錢。AI智庫「快思慢想研究院」院長田豐告訴筆者，幾十美元成本只是最後一個環節的算力成本，並未計算基座模型的預訓練成本、數據採集加工成本。

　其次，「二次創造」構建的模型，整體性能尚無法比肩成熟大模型。TinyZero僅在簡單數學任務、編程及數學益智遊戲等特定任務中有良好表現，但無法適用於更複雜、多樣化的任務場景。而s1模型也只能通過精心挑選的訓練數據，在特定測試集上超過早期版本o1 preview，而遠未超過o1正式版或DeepSeek-R1。

　最後，開發性能更優越的大模型，仍需強化學習技術。劉知遠說，就推動大模型能力邊界而言，「知識蒸餾」技術意義不大，未來仍需探索大規模強化學習技術，以持續激發大模型在思考、反思、探索等方面的能力。

　AI模型未來如何進化

　在2025年美國消費電子展上，美國英偉達公司高管為AI的進化勾畫了一條路線圖：以智能水平為縱軸、以計算量為橫軸，衡量AI模型的「規模定律」呈現從「預訓練擴展」、到「訓練後擴展」，再到「測試時擴展」的演進。

　「預訓練擴展」堪稱「大力出奇跡」——訓練數據越多、模型規模越大、投入算力越多，最終得到AI模型的能力就越強。目標是構建一個通用語言模型，以GPT早期模型為代表。而「訓練後擴展」涉及強化學習和人類反饋等技術，是預訓練模型的「進化」，優化其在特定領域的任務表現。

　隨著「預訓練擴展」和「訓練後擴展」邊際收益逐漸遞減，「測試時擴展」技術興起。田豐說，「測試時擴展」的核心在於將焦點從訓練階段轉移到推理階段，通過動態控制推理過程中的計算量（如思考步長、迭代次數）來優化結果。這一方法不僅降低了對預訓練數據的依賴，還顯著提升了模型潛力。

　三者在資源分配和應用場景上各有千秋。預訓練像是讓AI模型去學校學習基礎知識，而後訓練則是讓模型掌握特定工作技能，如醫療、法律等專業領域。「測試時擴展」則賦予了模型更強推理能力。

　AI模型的迭代還存在類似摩爾定律的現象，即能力密度隨時間呈指數級增強。劉知遠說，2023年以來，大模型能力密度大約每100天翻一番，即每過100天，只需要一半算力和參數就能實現相同能力。未來應繼續推進計算系統智能化，不斷追求更高能力密度，以更低成本，實現大模型高效發展。◇