今年看好什么？

主要观点总结

本文介绍了DeepSeek在训练范式和硬件要求方面的变化，以及幻方团队在模型训练方面的实践和创新。文章还讨论了算力需求、模型训练、基础设施和应用前景等方面的话题。

关键观点总结

关键观点1: DeepSeek引起全球关注，训练范式变化对硬件要求产生影响。

文章指出，虽然训练算力不会减少，但训练范式已经发生了变化，特别是在硬件要求方面。幻方团队通过精简训练硬件需求，如大幅削减通信开销，展示了其实践对行业的借鉴意义。

关键观点2: 幻方团队是同时懂算法和Infra的少数AI团队之一。

从DeepSeek的实践可以看出，幻方团队在模型训练和基础设施方面有着深厚的实力。这种综合实力的团队在全球范围内是少有的。

关键观点3: 训练和推理在算力需求上有不同的发展趋势。

文章提到，尽管训练总需求继续上涨，但推理增长得更快。这意味着在未来，算力结构可能会更多地偏向于推理。

关键观点4: 模型训练在基础设施上的障碍正在逐渐消除。

随着硬件使用效率的优化，模型训练在基础设施上的障碍正在逐渐减少。这为未来的模型训练提供了更大的可能性。

关键观点5: 未来AI领域的发展趋势和机遇。

文章讨论了未来AI领域的发展趋势，包括模型变小、推理成本降低、终端设备的拓展以及AI在各领域的应用前景等。此外，还提到了即将到来的CES可能是AI浓度最高的一次，以及英伟达等公司的现状和未来发展。