李开复谈很多公司烧钱训练超大模型，理性投资，注重实效创新

在当今这个科技日新月异的时代，人工智能（AI）已经成为推动社会进步和产业升级的重要力量，随着技术的不断发展，越来越多的公司开始投身于AI领域的研发，尤其是超大模型的训练，这一过程中也暴露出了不少问题，其中最为突出的就是“烧钱”现象，零一万物创始人李开复就这一话题发表了自己的看法，他指出很多公司烧钱训练超大模型，结果却不尽如人意，甚至不如DeepSeek这样的优秀模型，这一现象背后究竟隐藏着怎样的原因？我们又该如何理性看待和应对呢？

烧钱训练超大模型的现状

近年来，随着AI技术的飞速发展，超大模型的训练已经成为了一个热门话题，这些模型通常拥有数以亿计的参数，能够处理更加复杂和多样的任务，训练这样的模型需要巨大的计算资源和资金投入，对于很多公司来说,这无疑是一个巨大的挑战。

尽管如此，还是有不少公司选择烧钱训练超大模型，他们希望通过这种方式来提升自己的技术实力，从而在激烈的市场竞争中脱颖而出，现实往往并不如他们所愿，很多公司在投入了大量资金和资源后，却发现自己的模型在性能上并没有明显的提升，甚至还不如一些已经开源的优秀模型,如DeepSeek。

烧钱训练超大模型的问题

李开复指出,烧钱训练超大模型的问题主要体现在以下几个方面：

1. 资源浪费：训练超大模型需要消耗大量的计算资源和能源，这不仅增加了公司的运营成本，还对环境造成了不小的负担，如果这些资源没有得到有效的利用,那么就是一种极大的浪费。
2. 技术瓶颈：虽然超大模型在理论上能够处理更加复杂的任务，但在实际应用中，它们往往会遇到各种技术瓶颈，模型的训练速度、推理速度以及稳定性等方面都可能存在问题，这些问题不仅影响了模型的使用效果,还增加了公司的维护成本。
3. 市场需求不匹配：很多公司在训练超大模型时，往往忽视了市场需求的变化，他们只是一味地追求技术的先进性，而忽略了用户真正需要的功能和服务，这样一来，即使模型在技术上很先进,也很难在市场上获得广泛的认可和应用。

以DeepSeek为例的优秀模型

DeepSeek作为一个优秀的AI模型，其在性能和应用方面都有着出色的表现，李开复在谈到DeepSeek时表示，这个模型不仅效率高，而且使用体验也非常好，它能够在全球各个大模型之间脱颖而出,成为最顶尖的几个模型之一。

DeepSeek的成功之处在于它注重实效创新，而不是盲目地追求技术的先进性，它根据市场需求的变化，不断优化自己的功能和性能，从而赢得了用户的广泛认可，DeepSeek还注重与企业的合作，通过提供定制化的解决方案来满足企业的实际需求，这种以用户需求为导向的发展模式,使得DeepSeek在市场上取得了巨大的成功。

理性看待和应对烧钱训练超大模型的现象

面对烧钱训练超大模型的现象，我们应该保持理性的态度，我们要认识到超大模型在推动AI技术发展方面的重要作用；我们也要看到这一现象背后存在的问题和风险。

为了应对这些问题和风险,我们可以从以下几个方面入手：

1. 加强技术研发：虽然超大模型在技术上存在很多挑战，但我们不能因此就放弃对它的研发，相反，我们应该加大投入力度，加强技术研发和创新,不断提升模型的性能和稳定性。
2. 注重市场需求：在研发超大模型时，我们要密切关注市场需求的变化，只有了解了用户的需求和痛点，我们才能有针对性地优化模型的功能和性能,从而赢得用户的认可和支持。
3. 寻求合作与共赢：AI技术的发展需要各方的共同努力和协作，我们可以寻求与其他公司或机构的合作，共同推动AI技术的创新和应用，通过合作与共赢的方式，我们可以实现资源的共享和优化配置,从而降低研发成本和提高效率。
4. 培养专业人才：AI技术的发展离不开专业人才的支撑，我们应该加强对AI人才的培养和引进力度，打造一支高素质、专业化的AI研发团队,我们才能在激烈的市场竞争中立于不败之地。

李开复关于很多公司烧钱训练超大模型的看法，无疑给我们提供了一个重新审视AI产业发展的视角，在这个充满机遇和挑战的时代里，我们应该保持理性的态度，注重实效创新和技术研发的同时，也要密切关注市场需求的变化和用户的实际需求，我们才能推动AI技术的持续发展和创新应用,为社会的进步和产业的升级贡献自己的力量。

正如李开复所说：“现在每家公司都在训练底层模型、超大模型，而且表现可能都差不多，有些还不如DeepSeek，拿投资人的钱去烧一个巨大的模型，又打不过最强的模型，就算打得过用户也不相信、不愿买，这还不如把钱花在用户真正想要的功能上。”我们应该牢记这一教训，以用户需求为导向，注重实效创新和技术研发的结合,共同推动AI产业的健康发展。