" 推理模型塑造了大规模发展的新曲线，即推理规模定律 "

作者：苏打

编辑：tuya

出品：财经涂鸦（ID：caijingtuya）

公司情报专家《财经涂鸦》获悉，9 月 11 日，源码资本投资合伙人、美国国家工程院外籍院士张宏江在 2025Inclusion · 外滩大会开幕式主论坛中，分享了对于大语言模型、AI 智能体和智能体经济的思考。

他表示，大模型的 " 规模定律（Scaling Law）" 仍然有效，而智能体与经济结构转型将深刻重塑社会。

同时，" 推理模型的出现，塑造了大规模发展的新曲线——推理规模定律（reasoning scaling）"。他指出，上下文（Context）、记忆（Memory）等层面对计算的需求，也将会持续推升 scaling up。"

此外，" 大语言模型通缩 ( LLM flation ) " 也将进一步强化规模定律。大模型单位 token 的价格在过去三年中快速下降，随着大模型性能的持续提升，使用成本会不断降低。

产业化方面，AI 正在驱动基础设施大规模扩张。例如，OpenAI 的 Stargate 和 Musk 的 Colossus 等项目，100 万个 GPU 的耗电量，相当于北京市用电量的八分之一，2025 年美国主要科技公司的 AI 相关资本开支预计超 3000 亿美元。

" 人类正在进入智能体群（agent swarm）时代，也就是数量庞大的智能体之间彼此交互、执行任务、交换数据、交换信息，甚至交换任务，" 张宏江总结道，而人类与这些智能体群的交互，将构成所谓的 " 智能体经济 ( agent economy ) "。

未来，模型和 GPU 算力会成为组织的核心资产，Agent 将重塑企业流程，" 超级个体 +agent" 会带来巨大的结构性变革。

以下为张宏江演讲原文（根据表述需求有所删减）：

各位嘉宾早上好！刚才我们仰望了星空，现在让我们聚焦落地实践。接下来我将回顾过去半年（尤其是春节以来）人工智能领域的关键进展，重点解析大模型从技术突破到产业落地的实际表现。  

过去半年中，首先最令人振奋的进展莫过于 DeepSeek 的横空出世，发布后七天用户规模就突破了 1 亿，刷新了历史纪录。   这一成就的独特之处在于，它同时实现了 " 性能接近全球顶尖模型 " 与 " 成本仅为行业零头 " 的双重目标。

当模型同时具备低成本和高性能时，一个经济学基本规律被激活——成本下降会直接刺激需求的大规模增长。这一现象正在推高全球对算力的需求。

其次，大模型普及加速。大模型的普及程度如何？以美国市场为例，早期阶段大模型的日活跃 / 月活跃用户比例仅约 14%，2025 年 3 月这一比例已提升至超过 30%。7-8 月，大模型使用增长率达 71%，且用户行为发生质变——许多人不再仅将其用于搜索或问答，而是将其视为 " 生活陪伴者 "。

这一趋势直接体现在用户规模上：美国大模型的周活跃用户已超过 7 亿。同时，企业端对大模型工具的接受度也在快速提升，尤其是推理模型推出后，OpenAI 的 GPT 系列（如 GPT-4）、Anthropic 的 Claude 等产品的企业用户使用率显著增长。  

综合来看，2025 年堪称大模型应用的 "5G 转折点 "，正从 " 辅助工具 " 迈向 " 核心交互伙伴 "，并开始冲击传统应用的地位。  

同时，大模型的崛起，正在重塑互联网应用的格局，其中 Web 搜索受到的影响最为显著。

数据显示，大模型的普及已导致传统 Web 搜索流量下降 15%；而在与生活密切相关的垂直领域（如健康搜索），流量跌幅更是高达 40%。  

这一数据传递了一个明确信号，未来许多我们认为 " 至关重要 " 的应用（如搜索），其地位可能被重构甚至替代。大模型通过更自然的语言交互、更精准的信息整合能力，正在逐步接管用户获取知识和服务的主要入口。

过去一年，业界曾普遍担忧大模型的发展是否触及 " 天花板 " ——即推理成本与性能优化的瓶颈，但推理模型的出现打破了这一焦虑，并开启了新的增长曲线。  

推理模型不仅提升了模型的思考能力，还为未来引入更多维度奠定了基础。这些新维度的加入，将进一步推动计算需求的增长——因为更智能的模型需要更复杂的资源支持，如更大的算力、更精细的数据处理等。  

与此同时，语言大模型的推理成本持续降低。可以预见，大模型性能与成本的正向循环将持续推动产业前进。

早期的云厂商将大模型视为 " 服务 "，但如今，大模型已进化为 " 定义新平台的核心 "，正如当年的 PC 操作系统（Windows）或移动操作系统（iOS）一样。这个新平台将催生一系列关联产业，比如芯片产业、云计算与 IDC 产业、电力与能源生态等。

典型案例是马斯克旗下 xAI 建设的算力中心，这是全球首个单一集群一次性部署 10 万张 GPU 卡，三个月后又新增 10 万张，证明了 " 单一 IDC 内构建超大规模算力 " 的可行性与必要性。  

对比中美两国过去五年的算力发展，美国在 AI 驱动下的算力建设投入尤为迅猛，这也反向要求芯片产业和 IDC 基础设施同步提速。

总结来看，大模型生态已形成 " 模型→芯片→云计算→电力→能源 " 的全产业链联动，成为过去两年美国经济增长的重要引擎之一。  

最后，我想谈谈大模型技术演进的核心趋势，Agent 能力的崛起。

今年年初，相关研究（如 Richard Southern 团队）已证实，强化学习已成为 AI 的核心技术，但其爆发依赖于推理模型的成熟。过去 12 个月，推理模型的 " 思考时间 " 每六个月翻倍，这种指数级进步正推动 AI 从 " 工具 " 向 " 伙伴 " 转型。  

这种关系的转变将深刻影响社会运行模式，尤其是企业的工作流程（Workflow）。当前，企业的流程多由人类设计并依赖人工执行；而未来，Agent 将逐步取代这些人工设计的流程。

更进一步，当企业内 Agent 数量增多时，它们将形成 "Agent 群 "，通过数据交换、信息共享与联合决策，构建一个庞大的协作网络。  

在这个网络中，每个 Agent 都是一个类似于神经元的 " 节点 "，而人类可能更多扮演 " 数据提供者 " 的角色。由此催生的 "Agent 经济 " 将重构社会资产的核心定义——

过去，企业扩大业务的首要目标是 " 雇佣更多人 "；未来，首要任务可能是 " 扩展算力（如购买更多 GPU）、增强模型能力、丰富数据储备 "。  

如今，这种变化已引发连锁反应，比如就业冲击，斯坦福大学研究指出，新入职者的传统工作机会正被 AI 大规模替代；组织形态创新，扎克伯格近期高薪招募 AI 科学家与工程师等。

前几天，我曾看到过一个广为流传的笑话。

某公司三位高管在讨论业务扩展，CFO 担心地提出，培养员工成本高，若员工跳槽到竞争对手怎么办？CEO 表示，我们不信任他们，留不住人会影响效率 "。这时候，CTO 接话道，机器永远不会离开。意思就是， AI 算力与智能体永远不会离开，终将成为公司最稳定的 " 资产 "。  

这将会给未来社会带来结构性变化，所以我们从 2019 年就应该思考，未来的社会架构的应该是什么样？未来的税务体系在什么样的？未来我们应该我们的教育应该怎么样？应该给年轻人提供什么样的机会？等等。

归根结底，大模型正以超出预期的速度重塑世界，而我们正处于这场变革的核心。

谢谢大家！

本文由公众号财经涂鸦（ID：caijingtuya）原创撰写，如需转载请联系涂鸦君。

添加涂鸦君个人微信（ID：tuyaclub）

加入【公司情报社群】

参与资本市场讨论

获取一手情报