英伟达一夜回血！马斯克狂烧30亿GPU给老黄续命，10倍算力创ScalingLaw神话

一度狂跌的英伟达股价，又被Grok-3盘活了？20万块GPU训出的模型超越DeepSeek和OpenAI，证明Scaling Law还在继续增长！Ai2研究者大佬直言：Grok-3，就是DeepSeek给美国AI企业压力的又一力证。

马斯克的Grok-3，又给英伟达续命了？

用了20万张GPU训练的Grok-3，一下子让市场重新找回对英伟达的信心——「力大砖飞」依然有效！

现在，英伟达的股价已经重新回到DeepSeek-R1发布前的水平。

AI大佬们议论说，Grok-3证明——Scaling Law的神话并未终结。

在算力提升10倍的情况下，Scaling Law仍在呈线性增长。既然能通过扩大预训练规模，成功打造一个性能顶尖的非推理模型，就说明尽管预训练代价高昂，但仍有很大发展空间。

LLM要发展往下发展，还要继续囤GPU、堆算力吗？Grok 3的发布，让很多人又不确定了。

无论事实如何，最重要的是，市场和投资人的信心回来了。

1. AI趋势分析

在这道题中，两个模型需要分析马斯克关于AI安全的最近50篇文字，确定关键主题，并与LeCun发表的法语帖子进行对比。

结果是Grok-3完胜，它有效确定了关键主题和对比的位置；而DeepSeek败在了多语言解析和上下文分析这一步。

2. 媒体合成

这一题的任务是，「根据Prater博士在X上关于量子比特扩展的帖子，生成一张FLUX风格的量子计算机设计图。」

最终，Grok-3基于提取的数据，创建出了对应的图像；而DeepSeek-V3由于不是多模态模型，因此没能给出结果。

3. 代码工作流

使用BeautifulSoup编写一个Python脚本，从EDGAR抓取SEC文件，并包含针对速率限制的错误处理。

最终，Grok-3提供了一个结构化脚本，还使用了速率限制处理；而DeepSeek花了248秒来思考问题，但并未执行。

4. 限制下的创意发挥

「用莎士比亚风格的十四行诗，以五步抑扬格解释区块链共识机制。」

这道题，是DeepSeek-V3胜利了。它用完美无瑕的结构化押韵，模仿了莎士比亚的风格；而Grok-3则被难倒了。

在剩下的道德挑战、争议话题处理、内容合规等方面，双方都打成平手。

最终，Grok-3以4:3的比分胜出。

快速发布是最佳的方式

在DeepSeek和Grok带来的竞争压力下，加上国内外环境的变化，这些传统的领先实验室将不得不加快产品发布节奏。

此前模型发布延迟的很大一部分原因是「安全测试」，但具体有多少是因为安全测试，多少是出于成本收益考虑（以及法务审查等大公司特有的问题），我们并不清楚。

对于这些公司来说，拥有「最智能模型」的品牌和文化极为重要，但维持绝对领先的技术优势往往会带来难以承受的财务压力。

竞争的加剧和监管的减少，让普通用户能在更短的时间内获得更强大的AI。

实践反复证明，拥有最强模型至关重要。而吸引新用户的唯一方法，就是展示模型在某些能力或行为上与众不同。

在当前技术快速发展的背景下，要想最大限度地发挥影响力，最有效的方式就是尽可能缩短从训练到部署的时间。

如今，DeepSeek和xAI证明了，即使是在技术实力和资源配置上稍处劣势，也能够在竞争中脱颖而出，超越OpenAI、Anthropic等刻意按兵不动、选择不发布最新模型的公司。

预训练Scaling Law还能打？

从技术层面来看，Grok-3无疑非常庞大。虽然没有具体的细节，但可以合理推测，Scaling仍然有助于提升性能（但可能在成本方面并非如此）。

xAI的方法以及放出的消息一直是，尽快启动最大的计算集群。在获得更多细节之前，最简单的解释是，Scaling Law依然有效。但也有可能，Grok的表现更多来自于其他技术，而不仅仅是单纯的Scaling。

Nathan Lambert认为，Grok-3是Scaling Law的又一次胜利：

Grok 3凭借规模优势超越现有模型的情况，让人回想起Nemotron 340B超越Llama 3 70B的时刻。当时Nemotron虽然成为了开源模型中的佼佼者，但由于其性能提升相对于成本投入来说性价比不高，市场接受度一直较低。

总的来说，尽管Grok-3在技术上取得了重大突破，但这并不意味着在模型高效训练领域的竞争格局发生了实质性改变。

xAI显然正在追赶OpenAI、Anthropic，尤其是谷歌。但现有的各项指标都表明，在模型训练效率方面，这些研究机构仍然处于领先地位。

值得高兴的是，这种竞争态势迫使这些机构将重点放在提升模型的绝对智能水平上，而不是仅仅继续优化其性价比。

进展的方向

如果AI模型，以及整个行业都在加速发展，那么重要的是思考它们加速发展的方向是什么。

现在用来评估领先模型的大多数方法，并不具有代表性。在许多情况下，它们实际上与正常生活完全脱节。

解决像AIM之类的竞赛数学问题或所谓的「Google Proof」问题有什么价值？或许时间会给出证明，但对于普通用户来说，其用处肯定有限。

在ChatBotArena评测中的微小进步仅仅表明了系统稳定性的略微提升。这种稳健性会随着时间的推移而累积，但远不能说明该模型在绝对意义上更智能。

事实上，从研究界最新的评估方法来看，测试标准似乎更注重难度而非实用性。

随着模型变得愈发强大，研究人员自然会寻找更具挑战性的任务来测试它们，但这反而使得追踪技术进展和相关交流变得更加困难。

各大公司都有众多未公开的内部评估指标。提高这方面的透明度，将有助于更好地理解什么才是真正有意义的进展。

目前，在缺乏这些指标的情况下，用户只能通过模型与产品的整合程度来判断其发展。虽然这种协同确实能带来极具价值的工作方式，但以此衡量AI进展的方式终究是间接的。

回顾2024年，虽然表面上看似进展有限，但实际上却有着不少有实质性的突破，只是最终仅有很少一些交付给了用户。

直到年底才等来了o1，其他模型要么被认为「规模过大无法部署」，要么缺乏必要的紧迫性。

正是DeepSeek带来了鲶鱼效应，给这些公司带来了紧迫感，让2025年成为智能进入用户手中的一年。

底层技术的进展速度将继续保持高速。此前预测的所谓AI发展「瓶颈」并未出现。