首页 >> 热点推荐

Anthropic 预训练算力效率超指数增长

2026-11-16 11:27:09 来源: 用户:程泽荷 

Anthropic 在 IPO 路演材料中披露预训练算力效率的相关进展,相关研究图表显示,其模型预训练算力效率增长速度已经突破传统指数增长曲线,进入超指数增长区间,这一现象依托模型递归自我优化机制实现,消息在全球 AI 科研圈引发广泛讨论。按照公开的分析解读,在达到同等模型能力的前提下,当前所需的计算资源相比早期版本大幅下降,核心驱动来自 Mythos 模型自主优化底层算子、训练代码以及算力调度方案,不再单纯依靠堆叠更多 GPU 芯片来提升模型效果。

这一变化打破了行业长期形成的认知,过去一段时间,大模型能力提升大多遵循算力投入指数增长的规律,也就是想要模型效果持续变强,就要同步成倍增加算力、电力和芯片投入,算力成本一直是制约大模型研发落地的核心门槛。而 Anthropic 的这条超指数增长路径,核心是让 AI 参与自身的训练优化流程,由模型自动寻找代码加速方案、优化计算逻辑,替代大量原本由高性能计算工程师完成的底层调优工作,把算力红利从硬件扩容转向算法层面的持续迭代。需要明确的是,算力效率超指数增长不等于模型能力会无限制暴涨,这一趋势依然会受到数据供给、算法上限、硬件物理极限等多重条件约束,更多代表 AI 研发范式的转变。

算力效率提升将给整个大模型行业带来深远影响,一方面,同等算力预算下可以训练出质量更高的模型,降低 AI 研发的资金门槛,有利于更多机构参与前沿模型研究;另一方面,算力消耗下降也能够缓解大模型训练带来的能耗压力,契合绿色算力发展方向。全球多家 AI 企业都在同步推进算力优化、稀疏架构、高效预训练等技术路线,不同团队选择的技术方案各有侧重,递归自优化只是其中一条探索方向。随着算力效率持续提升,AI 服务的使用成本有望逐步降低,推动大模型在产业、科研、公共服务等场景更广泛落地,同时行业也会持续跟进相关安全评估,保障前沿技术稳健发展。

【数据来源】

[2026-11-16](Anthropic 预训练算力效率出现超指数增长,AI 自优化成为关键)36 氪

[2026-11-15](Anthropic 路演材料算力效率图表引发行业讨论)华尔街见闻

[2026-11-14](分析师解读 Anthropic 算力效率曲线,递归改进是核心变量)The Decoder

免责声明:本文内容基于公开路演材料与行业媒体解读整理,算力效率测算口径、技术边界以 Anthropic 官方完整说明为准,相关技术趋势仅为行业探讨,不构成投资或者技术选择建议。

 
最新文章