本文转自微信公众号“硬AI”，作者：硬AI。

如果Scaling Law继续有效， 继续看好AI系统组件供应商（如芯片、网络设备等），谨慎对待那些不得不持续投入巨额资本支出的科技巨头。如果预训练缩放停滞：看好科技巨头（因为自由现金流将回升），并关注那些拥有大量用户、能够从推理成本下降中获益的应用类股票。

作者 |硬 AI

编辑 | 硬 AI

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？

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。

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。