这张图表展示了从2024年到2026年底，顶尖人工智能实验室（如OpenAI和Anthropic）的计算资源使用方式的预期变化。我们可以将其分为三类工作： 黄色部分 (预训练 - Pre-training): 这可以理解为从零开始“建造”一个庞大、通用的AI模型，就像打地基、盖大楼一样，需要耗费巨量的计算资源。在2024年初，这项工作占据了超过三分之二的算力。 蓝色部分 (后期训练/强化学习 - Post-training/RL): 当模型主体建成后，需要对其进行“装修”和“优化”，比如针对特定任务进行微调，或者通过用户反馈让它变得更聪明。这部分工作占比在快速增长。 灰色部分 (推理 - Inference): 这就是AI模型实际“开张营业”，为用户提供服务，例如回答问题、生成代码或图片。这是AI产生价值的直接方式。 核心趋势： 我们可以清晰地看到，随着时间的推移，黄色的“预训练”部分占比急剧下降，从最初的67%降至预测的7%。与此同时，蓝色和灰色的“后期训练”与“推理应用”部分则大幅增加，两者合计的占比从2024年初的约33%飙升至2026年底的93%。 通俗结论： 这表明AI行业正在从一个“疯狂建造基础大模型”的阶段，过渡到一个“精细化打磨和大规模应用模型”的阶段。未来的算力将更多地用于让现有模型变得更好用、更普及，而不是无休止地从零开始创造新模型。