根据SemiAnalysis最近的一份报告，自2024年5月GPT-4o发布以来，OpenAI尚未完成任何大规模的“下一代前沿模型”预训练部署。其高层团队多次尝试扩大参数和数据量，但因收敛困难或性能下降而被迫中止。这导致了备受外界期待的GPT-5系列，实际上仍是GPT-4o的优化变体，但未能取得架构上的突破。
与此同时，谷歌的TPUv7已经完成了对Gemini3等模型的大规模预训练验证。同一计算功率集群的总拥有成本（TCO）比NVIDIA方案低约30%。SemiAnalysis指出，OpenAI尚未“真正部署TPU”，仅仅评估消息就迫使NVIDIA在现有GPU集群定价上做出让步，为OpenAI节省了约30%的成本——凸显了TPU的成本效益优势。
业内观点认为，预训练缩放定律面临三大瓶颈：高质量互联网数据几乎耗尽，合成数据每TB成本高达1亿美元，万张卡集群中故障率高，以及大型MoE模型的超参数难以探索。OpenAI的停滞被视为整个领域进入“后扩展时代”的标志性信号，企业纷纷转向推理模型、自我强化学习和多模态后训练以实现渐进式突破。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
