行业技术发展 - 诺姆·布朗提出范式更改比算力条件更重要，正确方法和算法可使多人扑克AI提前20年实现[2] - 推理计算被长期忽视但实际带来巨大差异，验证新范式需要大量计算投入[2] - 从Libratus到Pluribus，算法改进使六人扑克AI训练成本降至150美元，推理技术优化是关键[23][30] - CICERO项目突破自然语言博弈难题，但技术特定于《强权外交》游戏无法直接应用于现实谈判[39][40] 公司研发动态 - OpenAI o1-preview源自Q*项目，是全球首个推理模型，复现难度导致行业追赶受阻[4][6] - DeepSeek-R1于2025年1月发布并开源研究成果，终结行业闭源竞争局面[7] - 英伟达通过DLSS技术将图形渲染效率提升8-10倍，Megatron系统推动大模型训练扩展[21][22] - Meta开发Pluribus仅用28个CPU核心，每手牌20秒推理时间实现低成本高性能[24] 技术演进路径 - 从快思考(System 1)到慢思考(System 2)的转变标志AI推理能力质变[9][41] - 预训练与推理技术需协同发展，小模型无法支撑复杂推理能力[35][41] - 矩阵乘法主导AI系统设计，算法与硬件协同进化形成良性循环[33][35] - 单位成本智能成为新评估标准，需平衡token产出与计算资源消耗[41][42] 行业未来展望 - 推理计算规模将快速增长，专用硬件研发成为英伟达重点方向[41][44] - AI与人类智能成本差距显著，专业领域应用潜力巨大[42][45] - 多智能体环境技术尚未成熟，开放研究问题仍需解决[42][43] - 技术轨迹显示AI将持续突破现有局限，加速科学与社会进步[42][45]