本文作者：龙玥 来源：硬AI 一场由算力驱动的A🤔I能力大跃升可能正在酝酿。 据硬AI，摩根士丹利在一份🤯最新报告中表示，市场可能严重低估了即将在2026年出现的一项😀人工智能领域的重大利好——由算力指数级增长驱动的模型能力“非😅线性”飞跃。 根据这份由Stephen C Byrd等👍分析师撰写的报告，多家美国大型语言模型（LLM）开发商计划到😡2025年底，将其用于训练前沿模型的算力提升约10倍。这一前😅所未有的算力投入，预计将在2026年上半年产出结果，构成一个🌟“未被充分重视的催化剂”。 报告援引了特斯拉首席执行官😅埃隆·马斯克的观点，即10倍的算力投入可能使模型的“智能”水😢平翻倍。报告指出，如果当前的“规模法则”得以延续，其带来的后😀果可能是“地震级”（seismic consequences💯）的，将广泛冲击从AI基础设施到全球供应链的各类资产估值。 😆 然而，这一乐观前景并非板上钉钉。报告强调，其面临的核心😉不确定性在于AI发展是否会撞上“规模墙”（Scaling W😴all）。这指的是，在投入海量算力后，模型能力的提升却出现迅😊速递减的令人失望的结果。 算力十倍增长，或催生AI能力😴飞跃 报告认为，投资者需要为2026年可能出现的AI能🙌力阶梯式提升做好准备。 报告描述了即将到来的算力规模：🤔一个由Blackwell GPU组成的1000兆瓦数据中心，😁其算力将超过5000 exaFLOPs（每秒五百京次浮点运算😉）。相比之下，美国政府一台名为“Frontier”的超级计算👏机算力仅略高于1 exaFLOP。这种量级的算力增长，是市场🙌预期AI能力将出现非线性提升的核心依据。 报告称，尽管🌟许多LLM开发者普遍认同算力投入将带来能力提升，但也有怀疑论😊者认为，前沿模型的智能、创造力和解决问题的能力可能存在上限。👏 “规模墙”之辩：AI进步的关键不确定性 尽管前😘景令人兴奋，但报告同样明确指出了其中的关键风险——“规模墙”😉（Scaling Wall）的存在。 这一概念指的是，😍当投入的算力达到某个阈值后，模型在智能、创造力和解决问题能力😍上的提升会迅速减少，甚至令人失望。这是目前AI领域最大的不确😀定性。许多怀疑论者认为，简单地增加算力可能无法持续带来智能的😁飞跃。 然而，报告也提到了一些积极信号。一篇由Meta🔥、弗吉尼亚理工和Cerebras Systems团队联合发表👏的近期研究论文《揭秘LLM预训练中的合成数据》发现，在使用合❤️成数据进行大规模训练时，并未观察到可预见规模内的性能退化模式😂，即所谓的“模型崩溃”（model collapse）现象。⭐ 这一发现令人鼓舞，因为它暗示了在算力大幅增加后，模型😘能力仍有持续提升的空间，撞上“规模墙”的风险可能低于预期。 😅 展开全文 此外，报告还列举了其他关键风险，包括A⭐I基础设施的融资挑战、欧盟等地的监管压力、数据中心面临的电力😎瓶颈，以及LLM被滥用或武器化的可能性。 全球资产估值🤔如何重塑？ 如果AI能力确实实现非线性跃升，资产价值将😊如何重塑？报告认为投资者应开始评估其对资产估值的多方面冲击，👏并指出了四个核心方向： 首先是AI基础设施股，特别是那😁些能缓解数据中心增长瓶颈的公司；报告认为，如果AI能够以更低💯成本和更高性能解决更多全球GDP中的问题，那么支撑这种价值创🙄造的基础设施本身也将大幅升值。 其次是中美供应链，AI😉竞赛的加剧可能促使美国在关键矿产等领域加速“脱钩”。 🤔再次是具备定价能力的AI应用者（AI Adopter）股票；🙌报告分析，AI应用将为标普500指数创造约13万亿至16万亿🤯美元的市值。然而，并非所有公司都能从中同等受益。那些拥有强大😁定价权的公司，能够将AI带来的效率提升和成本节约转化为实实在😂在的利润，从而保留大部分收益。 最后，从更长远看，那些😢无法被AI“廉价复制”的硬资产，如土地、能源和特定基础设施，😎其相对价值可能会上升。 物理稀缺性资产：如滨水地产、特🤗定地理位置的土地、能源和电力资产（尤其是能承载数据中心的发电👍厂）、交通基础设施（机场、港口）、矿产和水资源。 😡 监管稀缺性资产：如各种受保护的牌照、特许经营权。 😅 专有数据和品牌：强大的IP库、独特的品牌形象。 😁 独特的奢侈品和人类体验：如体育赛事、音乐表演等。 😍 首先是AI基础设施股，特别是那些能缓解数据🚀中心增长瓶颈的公司；报告认为，如果AI能够以更低成本和更高性😆能解决更多全球GDP中的问题，那么支撑这种价值创造的基础设施😅本身也将大幅升值。 其次是中美供应链，AI竞赛的加剧可😁能促使美国在关键矿产等领域加速“脱钩”。 再次是具备定🔥价能力的AI应用者（AI Adopter）股票；报告分析，A🤩I应用将为标普500指数创造约13万亿至16万亿美元的市值。😘然而，并非所有公司都能从中同等受益。那些拥有强大定价权的公司😎，能够将AI带来的效率提升和成本节约转化为实实在在的利润，从🚀而保留大部分收益。 最后，从更长远看，那些无法被AI“❤️廉价复制”的硬资产，如土地、能源和特定基础设施，其相对价值可😆能会上升。 物理稀缺性资产：如滨水地产、特定地理位置的🌟土地、能源和电力资产（尤其是能承载数据中心的发电厂）、交通基😅础设施（机场、港口）、矿产和水资源。 监管稀缺😉性资产：如各种受保护的牌照、特许经营权。 专有🤗数据和品牌：强大的IP库、独特的品牌形象。 独😁特的奢侈品和人类体验：如体育赛事、音乐表演等。 🙄 物理稀缺性资产：如滨水地产、特定地理位置的土地、能源和😊电力资产（尤其是能承载数据中心的发电厂）、交通基础设施（机场🎉、港口）、矿产和水资源。 监管稀缺性资产：如各种受保护🚀的牌照、特许经营权。 专有数据和品牌：强大的IP库、独👍特的品牌形象。 独特的奢侈品和人类体验：如体育赛事、音😁乐表演等。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多