还抱着“越大越好”的AI模型不放？华尔街投行巴克莱最新研报给出了一个颠覆性的预测：AI行业正经历一场“巨变”（Big Shift），“推理模型”和“Agent”将成为新时代的弄潮儿，而“大力出奇迹”的传统大模型，可能很快就要过气了！

这场变革的核心，是AI模型从“死记硬背”到“举一反三”的进化。过去，我们追求更大的模型、更多的参数、更海量的训练数据，坚信“量变产生质变”。但现在，巴克莱指出，这条路可能已经走到了尽头。

算力无底洞、成本高企、收益却难以匹配……传统大模型的“军备竞赛”让众多科技巨头苦不堪言。更要命的是，用户真的需要那么“大”的模型吗？在许多场景下，一个更“聪明”、更会推理的小模型，反而能提供更精准、更高效的服务。

这究竟是怎么回事？对于投资者来说，这场AI巨变又意味着什么？

“推理”时代降临，小模型也能办大事！

巴克莱在报告中指出，AI行业正在发生一系列重大转变：

• 从传统的大语言模型（LLM）转向新型推理模型；
• 从聊天机器人转向Agent；
• 从预训练转向测试时计算（test-time-compute）；
• 从通用训练芯片转向定制推理芯片；
• 从集中式超大规模集群转向更小、更靠近边缘的计算集群。

简单来说，AI模型不再一味追求“大”，而是更注重“巧”。通过引入“推理”能力，模型可以在处理任务时进行多步思考、反复验证，从而得到更准确的结果。

这种“链式思考”（Chain-of-Thought，CoT）模式，让AI模型更像一个“专家”，而不是一个“书呆子”。更重要的是，它还实现了成本与收益的更好匹配：任务越复杂，需要的算力越多，反之亦然。

巴克莱指出，像OpenAI的o1、o3模型，以及DeepSeek的R1模型，都已经在实践中证明了推理模型的强大潜力。它们不仅在多个基准测试中超越了传统大模型，而且训练成本更低、推理效率更高。

Agent崛起：AI应用的新范式

除了推理模型，巴克莱还强调了Agent在AI应用层面的重要性。Agent可以理解为一种更智能、更自主的AI应用，它不仅能回答问题，还能执行任务、完成交易。

如果说聊天机器人还停留在“对话”阶段，那么Agent则已经开始“行动”。它们可以被应用于各种场景，如客户服务、金融分析、软件开发等，极大地提高了生产力和效率。

巴克莱预测，随着推理模型和Agent技术的成熟，AI的应用将迎来爆发式增长。ChatGPT用户数在短短两个月内增加了1亿，就是最好的证明。

“钱”景大不同：Chinchilla缩放定律或将终结

这场AI巨变，对整个行业的“钱”景产生了深远影响。巴克莱提出了两种可能的情景：

1. Chinchilla缩放定律继续有效：模型规模持续扩大，参数数量和训练数据量不断增长。到2028年，最先进的模型可能达到65万亿参数，并在325万亿个token上进行训练。
2. 预训练缩放停滞：模型规模在GPT-5级别后不再增长，行业转向推理模型和测试时计算。

在第二种情景下，巴克莱预测，到2028年，AI行业的总计算需求仍将高达1万亿美元，但远低于Chinchilla缩放定律持续有效的情况。

更重要的是，推理成本将大幅下降。这意味着，科技巨头们不再需要为训练超大模型而“烧钱”，而是可以将更多资源投入到推理模型的优化和应用上。

算力缺口依旧巨大，推理芯片需求激增

尽管预训练缩放可能停滞，但巴克莱认为，AI行业的算力需求仍然巨大。即使在“停滞”情景下，到2028年，全球仍将面临2500亿exaFLOPS的推理算力缺口。

这意味着，对推理芯片的需求将持续增长。巴克莱预计，到2028年，推理计算将占整个AI行业的50%以上。

开源AI崛起，但短期内难撼大局

巴克莱还关注到了开源AI的快速发展。像Llama和DeepSeek这样的开源模型，正在吸引越来越多的开发者和用户。

然而，巴克莱认为，开源AI在短期内还不足以对整个行业产生重大影响。原因在于，微调或精简开源模型的成本相对较低，远不及训练一个像GPT-4.5或Claude 4这样的大模型。

AI投资逻辑巨变：押注“效率”而非“规模”

那么，对于投资者来说，这场AI巨变意味着什么呢？巴克莱给出了明确的建议：