过去一年,生成式 AI 里有什么东西在成形。大多数非 LLM 模型开始逼近它们成熟的形态。Flux2、Nano-Banana、新的图像/视频流水线……都快摸到渐近线了。我们几乎到了新功能不再要紧的关口。
接下来是密度。
不是更大的模型。不是更多参数。
密度:每 GB 的推理量。
就这一个指标决定力量对比。
它是让 AI 变得实用、便携、真正革命性的那个指标。而几乎没人谈它。
在 Kronos、Gudha、Sporkle 这些早期实验里,我证明了今天的硬件能拿到两万五个百分点的效率增益。这不是理论结果,都跑在普通 GPU 和 CPU 上。
唯一真正的障碍是:驱动程序比谁乐意承认的都难写。
收益在你停止抽象、回到第一性原理时出现。在你不再用浮点精度思考、开始用效率思考的时候。
到那时你才不再倚赖那些基础库——它们围绕着一层层早已不在要紧的假设搭建。对,矩阵数学很难,可它已经不再是瓶颈。
我对 2026 的预言:开源世界将在这一年脱离大实验室,把注意力转向效率——当作使命,而不是意外。会有突破。英伟达已经很近了。我觉得等他们悄悄意识到大数据中心根本不是长期解的时候,就会上这条船。
到年中,跑着微型智能体的桌面小模型会让一批嗓门很大的人难堪。当 2-8GB 这一级开始比巨人想得更明白,「更多算力 = 更好的 AI」的神话就整个塌了。
山崩不可避免。
备好爆米花。
好戏开场。