在中國，面對美國實施的芯片限制以及相較于西方企業(yè)更為有限的預算，人工智能（AI）公司正積極尋求降低成本的方法，以開發(fā)出具有市場競爭力的模型。初創(chuàng)公司如01.ai（零一萬物）和DeepSeek（深度求索）等，通過聚焦小數(shù)據(jù)集進行AI模型訓練，并聘請價格適中但技術熟練的計算機工程師，成功降低了成本。

與此同時，阿里巴巴、百度和字節(jié)跳動等大型科技集團也加入了價格戰(zhàn)，大幅降低“推理”成本，即調(diào)用大型語言模型生成響應的價格。這些大模型的價格已經(jīng)下降了90%以上，遠低于美國同行的水平。

總部位于北京的01.ai，由前谷歌中國區(qū)總裁李開復領導，通過構建以較少數(shù)據(jù)量進行訓練、需要較少計算能力的模型，并優(yōu)化硬件，成功降低了推理成本。李開復表示，中國的優(yōu)勢在于制造出價格實惠的推理引擎，并廣泛推廣其應用。

在加州大學伯克利分校SkyLab和LMSYS研究人員發(fā)布的排名中，01.ai的Yi-Lightning模型與馬斯克名下公司x.AI的Grok-2在大型語言模型（LLM）公司中并列第三，僅次于OpenAI和谷歌。其他中國公司如字節(jié)跳動、阿里巴巴和DeepSeek也在大模型排名榜上名列前茅。

Yi-Lightning的推理成本為每百萬token 14美分，遠低于OpenAI的GPT-4等模型。李開復表示，其目標不是擁有最佳模型，而是開發(fā)出一個具有競爭力的模型，開發(fā)人員使用它來構建應用程序的成本要低5到10倍。

為了降低成本，許多中國AI企業(yè)采用了所謂的“混合專家模型（MoE）”方法，這一策略最初由美國研究人員提出。該方法結合了多個針對行業(yè)特定數(shù)據(jù)進行訓練的神經(jīng)網(wǎng)絡，而不是在龐大的數(shù)據(jù)庫上一次性訓練一個“密集模型”。研究人員認為，這是實現(xiàn)與密集模型相同智能水平但計算能力較低的關鍵方法。

然而，混合專家模型方法更容易失敗，因為工程師必須協(xié)調(diào)多個“專家”的訓練過程。因此，中國AI企業(yè)在過去一年中一直在競相開發(fā)最高質量的數(shù)據(jù)集，以訓練這些“專家”，從而在競爭中脫穎而出。

李開復強調(diào)，中國的優(yōu)勢不在于進行前所未有的突破性研究，而在于建設得好、快、可靠且便宜。這一理念正引領著中國AI企業(yè)在降低成本、提高模型競爭力的道路上不斷前行。