文 | 錢錢
編輯 | 阿景
在人工智慧領域，算力即是貨幣。
12月4日，NeurIPS會議現場，MIT團隊扔出個「炸彈」他們研發的「實例自適應擴展」技術，讓AI處理任務時算力消耗直接砍半，準確率還沒降。
這事兒在AI圈炸了鍋，畢竟現在算力這東西，比咱們錢包里的票子還金貴。
為啥這技術這麼讓人激動？得先說說以前AI是咋「花錢」的。
就像咱們上學時做數學題，不管題目難易，老師都給固定時間，簡單的題半小時做完乾等著，難的題時間到了還沒思路。
AI處理任務也一樣，不管是小學生都會的「1+1」，還是數學家都頭疼的哥德巴赫猜想，分配的算力都差不多，這不純純浪費嘛。
傳統算力分配的「自助餐困境」
以前AI處理任務就像咱們吃自助餐，不管餓不餓先把盤子堆滿。
簡單任務用了太多算力，就像胃小的人硬塞一大盤烤肉，撐得難受還浪費，複雜任務算力不夠，又像大胃王只分到一小碗米飯，根本不夠塞牙縫。
去年OpenAI搞GPT-5.1測試時，就因為推理成本太高，伺服器天天「加班」，實時響應速度慢得像蝸牛爬，這就是算力分配不合理鬧的。
行業里管這叫「算力剛性陷阱」。
你想啊，企業為了保證AI響應速度，只能多買伺服器、多租算力，成本蹭蹭漲。
IBM的AI總監阿卡什·斯里瓦斯塔瓦之前就吐槽，「現在生成式AI像個吞金獸，算力成本佔了運營支出的三成還多」，這話道出了多少企業的心聲。
為了破這個局，以前也不是沒人想辦法。
過程獎勵模型，也就是PRM，本來是想當「任務導航儀」，告訴AI「這步該用多少算力」。
但早期的PRM有點像剛拿到駕照的新手，自信心爆棚，不管路況多複雜都敢踩油門，結果經常「翻車」明明算錯了還覺得自己對得很，這就是所謂的「過度自信」。
朴永進團隊之前研究就發現，傳統PRM對答案的正確率預估，誤差能差出30%，相當於說「這次考試能考90分」，結果只考了60分，你說坑不坑。
讓AI學會「量體裁衣」的校準魔法
MIT團隊這次就抓著「過度自信」這個毛病下手。
他們給PRM加了個「誠實校準器」，就像給導航儀裝了個「路況雷達」。
以前PRM說「這條路100%能到」，現在會說「這條路有60%-80%的可能到，旁邊那條路有50%-70%，要不咱都看看？」。
這麼一來，AI就不會死磕一條錯路，而是根據實際情況調整算力分配，該省的省，該花的花。
這個「誠實校準器」到底咋工作的？打個比方，以前AI做選擇題，看完A選項就說「選A，肯定對」，根本不看BCD。
現在它會說「A有可能對（概率40%），C也有可能（概率50%），我再花點算力看看C的細節」。
通過給每個選項標上概率區間，AI就能動態調整注意力，避免在錯誤選項上浪費算力，也不會漏掉正確選項。
效果咋樣？他們拿數學推理題做實驗，結果嚇一跳。
以前需要100單位算力的題，現在50單位就搞定了，答案正確率還跟原來一樣。
更絕的是，有些小模型用上這技術，居然比那些頂配大模型表現還好。
這就像開經濟型轎車，裝了個頂級導航，愣是跑贏了跑車，你說氣人不？有個教授看完實驗數據說，「這相當於讓AI從『閉著眼睛花錢』變成了『拿著算盤花錢』，每一分算力都花在刀刃上」。
這技術要是鋪開，AI圈怕是要變天。
現在OpenAI搞GPT-5.1，算力成本高得嚇人，伺服器天天累得「喘粗氣」。
要是用上「實例自適應擴展」，相當於給伺服器「減了半個人的工作量」，既能省錢又能提速。
那些以前用不起大模型的中小企業，現在用小模型配這技術，也能享受到高質量AI服務，這不就是「算力民主化」嘛。
往具體場景說，代碼生成領域最先受益。
寫代碼時，簡單的「列印HelloWorld」和複雜的「分散式系統架構」，算力需求差著十萬八千里。
有了這技術，AI寫簡單代碼時飛快出結果，寫複雜代碼時多花點算力琢磨，程序員再也不用等AI「磨洋工」了。
自主智能體規劃也一樣，比如機器人送餐，遇到空桌子和遇到擠滿人的桌子，需要的算力肯定不同，動態分配就能避免「空桌子時算力過剩，擠桌子時算力不足」的尷尬。
往遠了說，這技術不光是省算力，更重要的是讓AI開始「認識自己」。
以前AI就是個執行命令的機器，現在學會了「我哪行哪不行」，遇到不會的題知道「多想想辦法」，遇到簡單的題知道「快點做完省點勁兒」。
這種「自省」能力，說不定就是AI從「工具」變成「夥伴」的第一步。
搞不清大家發現沒有，這幾年AI發展老是被算力「卡脖子」。
不是模型不夠聰明，是算力不夠用，就像給博爾特綁著沙袋跑步，再厲害也跑不快。
MIT這技術相當於解開了沙袋，讓AI能根據自己的「體力」分配能量，跑得又快又省力。
如此看來，「實例自適應擴展」技術不光是省了點算力，更可能是AI發展的一個「拐彎點」。
以前咱們總說「算力即是貨幣」，現在AI學會了「精打細算」，這「貨幣」的購買力自然就上去了。
未來會不會出現「算力銀行」，AI自己管理「算力賬戶」，該存的存，該花的花？誰知道呢，但至少現在，咱們看到了讓AI更聰明、更省錢的希望。
畢竟，在人工智慧領域，算力就是貨幣，能讓每一分算力都花在刀刃上的技術，才是真的「會賺錢」的技術。
MIT這次的突破，說不定就是AI從「月光族」變成「理財高手」的開始，你覺得呢？
