<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI成本效益 on AI内参</title>
    <link>https://www.neican.ai/tags/ai%E6%88%90%E6%9C%AC%E6%95%88%E7%9B%8A/</link>
    <description>Recent content in AI成本效益 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 30 Sep 2025 09:40:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/ai%E6%88%90%E6%9C%AC%E6%95%88%E7%9B%8A/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>DeepSeek稀疏注意力：大模型成本效益的临界点与国产AI生态的协同跃迁</title>
      <link>https://www.neican.ai/insights/deepseekai-20250930094004658-1/</link>
      <pubDate>Tue, 30 Sep 2025 09:40:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/deepseekai-20250930094004658-1/</guid>
      <description>DeepSeek-V3.2-Exp凭借创新的稀疏注意力机制，在大幅提升大模型推理效率的同时，实现了API成本减半，开启了AI普及的新阶段。这一进展与国产AI芯片的深度协同，不仅重塑了产业生态的商业版图，更预示着AI技术将以更高效、更普惠的方式赋能未来应用，尽管初期需权衡部分能力。</description>
    </item>
    <item>
      <title>颠覆大模型后训练：RLMT如何以“思考”之力重塑AI未来格局</title>
      <link>https://www.neican.ai/insights/rlmtai-20250929191005063-1/</link>
      <pubDate>Mon, 29 Sep 2025 19:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/rlmtai-20250929191005063-1/</guid>
      <description>陈丹琦团队的RLMT框架通过让大模型生成并优化“思维链”，实现了8B小模型在通用任务上超越GPT-4o的性能，且仅需7K提示数据。这一突破颠覆了传统大模型后训练对海量数据的依赖，大幅降低了高性能AI的开发成本与门槛，预示着AI向更类人、更高效“系统2思维”进化的新范式，有望重塑AI产业格局，加速AGI的到来。</description>
    </item>
    <item>
      <title>解构成本迷雾：陶哲轩疾呼AI从“登月”迈向“航空”，重塑产业评估与未来范式</title>
      <link>https://www.neican.ai/insights/article-20250725161005123-0/</link>
      <pubDate>Fri, 25 Jul 2025 16:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250725161005123-0/</guid>
      <description>菲尔兹奖得主陶哲轩强调，人工智能发展正从技术突破转向成本效益和规模化部署，呼吁对AI模型进行更透明、标准化的定量评估，以揭示其真实成本与成功率。他预言未来AI将呈现廉价与高级分层协同的人机协作范式，对产业生态、商业模式和社会治理产生深远影响。</description>
    </item>
  </channel>
</rss>
