AI未来的发展，是硬件革新，还是软件优化？

问题描述： （做个梦）2年后可能能在本地跑Opus4.6了

2028 年 4 月，Deepseek V6 发布，万亿参数规模的 Moe，性能达到 100% Claude Opus 4.6 水平，开源无审查，运行在 M7 Extreme + 1TB 内存的 Mac Studio 上（随着内存厂大量开产线，内存价格并不高，机器售价官网 15 万，闲鱼二手大约 12 万），运行速度 50tokens 每秒，每天生产 300 万输出 token，每天写一部 opus4.6 级别的小说，全自动生产代码…… 不行，口水要流出来了

观此帖有感，在不远的未来，AI 的更新方向会是靠硬件持续革新来提升参数量、推理速度和广度、降低部署成本，还是靠软件、算法、原理的优化来提升智能呢？
个人觉得在摩尔定律行将就木的现在，硬件的临界点似乎近在咫尺，不知道老黄还能挤出多少东西来。而在大模型本身的优化上似乎还大有可为？

网友解答：

---

--【壹】--：

我是菜鸡，我觉得硬件是必要的，起码目前来讲有足够硬件支持的话价格会便宜一些，发展应该还是算法那边吧

---

--【贰】--：

当这两种中的任何一种成为现实时，依然还是被弃用命运，就像 ChatGPT 发布时，gpt-3.5 是那么让世界惊艳，而如今同样 3.5 的 Qwen3.5-9B 就可以碾压式吊打 gpt-3.5

---

--【叁】--：

就算硬智力不突破的情况下，两个其中之一发展都能带来非常颠覆的变化。

1. 硬件大发展，万元级个人PC可以部署Deepseek V4级别的模型，而且 token速度媲美现在的API
2. 软件大发展，万元级个人PC部署的小模型，和当前的Deepseek V4智力水平相当。

或者未来API速度可以 平均都1000+甚至更高tokens/s

---

--【肆】--：

目前阶段个人认为还是软件优化， 譬如几个大佬在搞的世界模型

---

--【伍】--：

我很认可。或许某个新架构的出现就能迅速胜过当前的一切训练成果

---

--【陆】--：

推理速度提高到这个级别的话，瓶颈就是人类了。我无法想象哪个人类 reviewer 有能力处理这种速度生成的 “资产”

---

--【柒】--：

一篇论文，一个有别于 Transformer 的新的架构，也许就会成为一次飞跃，就像 Transformer 的出现一样

---

--【捌】--：

归根结底是从通用计算走向 asic 了啊……

---

--【玖】--：

又不是只有老黄
cerebras, groq, google, aws 也都还没停下来
硬件的临界点都还没看见呢

cpu 就算了