在科技界的一次重大发现中，谷歌DeepMind的一篇发表于8月的论文揭示了其原理与OpenAI最新模型o1极为相似，引发业界关注。该论文强调，增加测试时（test-time）计算比仅仅扩大模型参数规模更为有效。通过提出计算最优（compute-optimal）测试时计算扩展策略，研究显示，一个规模较小的基础模型在某些任务上能够超越一个14倍大的模型。这一发现迅速在网络上引起热议，有人指出，这几乎就是o1工作原理的体现，暗示着OpenAI可能在抢先发布预览版时已知晓此原理。 同时，OpenAI对此作出快速反应，宣布将o1-mini的速度提高7倍，每日可提供50条服务，而o1-preview的使用频率提升至每周50条。这一举措进一步加速了技术竞争的步伐。 谷歌的研究成果揭示，使用计算最优策略在减少计算量的同时，能显著提升模型性能，最多可节省4倍资源。这与OpenAI的o1模型展现出的策略相吻合，即模型通过完善自身的思维过程、尝试不同策略并学习纠正错误来提升性能，且随着更多强化学习（训练时计算）和思考时间（测试时计算）的增加，性能持续提升。 然而，业界人士也注意到，硬件成为了目前唯一可能形成“护城河”的领域。随着英伟达在算力控制上的主导地位，以及谷歌和微软可能开发出的更优定制芯片，这场技术竞赛似乎正朝着硬件性能的极限冲刺。OpenAI最近曝光的首颗芯片，采用了台积电最先进的A16埃米级工艺，旨在为Sora视频应用提供支持，再次凸显了硬件创新在大模型竞争中的重要性。 总的来说，这场围绕大模型的技术竞赛不仅在模型本身上展开激烈的角逐，还在硬件领域寻求新的突破，以期在竞争中占据优势。