分析：國內大模型進入「尷尬期」：訓練算力、推理成本和價格成三大難題

BiRun 訊，Max For AI 發文稱，國內大模型目前正進入一段「尷尬期」，覈心挑戰集中在訓練算力、推理資源和商業定價三個方面。

其表示，隨着國內廠商持續擴大模型規模，5T、8T 甚至 10T 參數規模開始被討論，但訓練算力的增長速度可能難以跟上模型規模擴張，算力正逐漸成為現實限製。阿裡巴巴此前在雲棲大會上提到，未來可能訓練 5T 至 10T 參數規模的模型，Kimi、GLM 等廠商也在繼續推進大規模模型。

在推理端，大模型訓練完成並不意味着能夠長期穩定地向大規模用戶提供服務。Max For AI 稱，部分大模型上綫初期運行速度較快，但隨後可能出現限速、排隊和額度收緊等情況，反映出推理算力仍是重要瓶頸。隨着模型規模擴大，每增加用戶額度都意味着更高的實際推理成本。

此外，模型規模和推理成本上昇也可能迫使廠商調整價格，而國內大模型此前的重要競爭優勢之一正是開源和性價比。其認為，在 Agent 時代單次任務消耗 Token 增加後，價格敏感度可能進一步提昇，國內廠商需要在模型效果、推理成本和商業定價之間重新尋找平衡。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。