高盛指出，中国开发的模型正变得越发灵活，计算成本显著降低（比如 DeepSeek 模型的推理成本大幅下降），这为后续更广泛的 AI 应用及 AI 普及提供了更大空间。
过去一周，DeepSeek R1、字节跳动的豆包 -1.5 Pro 以及 Moonshot 的 Kimi k1.5 模型几乎同步发布，引发投资者高度关注。这背后反映出中国 AI 领域参与者在基准性能方面与全球同行相比不断取得进步，同时大幅降低了训练和推理成本，以及对计算资源的需求。
虽然我们不对各模型的具体性能发表看法，但留意到近期模型改进和成本优化可能源于以下几方面：
1. 专家混合（Mixture of Expert，MoE）架构，该架构在每项任务中使用的激活参数更少；
2. 对后训练阶段的重视（例如引入深度思考模式和推理能力）；
3. 成本优化举措，像是采用资源高效的训练方法。尤其在高端芯片供应受限或存在不确定性的背景下，中国从业者更加注重实现效率最大化；
4. 模型具备强化学习（RL）功能，这些模型能够随时间不断自我完善，这是通用人工智能（AGI）的一个关键要素。
此外，我们还注意到，包括 DeepSeek R1/V3 和阿里巴巴的 Qwen 等中国开源模型，因其具有较高透明度且每 token 价格明显更低，自发布后吸引了众多开发者的关注。
各位朋友，对于中国 AI 模型的这些发展变化，你们有什么看法呢？欢迎点赞、评论分享你们的观点，记得关注我，获取更多相关资讯！
