一、AI科学家称：“扩大预训练规模的时代已经结束，回归奇迹与发现的时代”。 二、由于训练大型模型需要大量数据和计算能力，科技公司面临延迟和挑战。 三、研究人员正在探索“测试时间计算”，提高模型在推理阶段的性能。 四、顶级人工智能实验室正开发自己的技术。 五、专家预测，这种转变将把人工智能硬件竞争推向推理云，英伟达在推理市场的需求增加。 六、英国《金融时报》报道，一家人工智能实验室在训练新的大模型方面遇到延迟和挑战。

随着人工智能技术的发展，特别是深度学习的大规模应用，人们开始意识到“扩大预训练规模的时代已经结束，回归奇迹与发现的时代”。这个观点主要源于对目前训练大型模型所面临的诸多问题的理解。
首先，我们需要理解大规模预训练模型的主要原理。这些模型通常由大量的文本数据经过复杂的计算和处理得到，通过这种方式，它们可以学习到大规模的通用知识。然而，在实际应用中，我们往往只使用了一小部分数据进行训练，这就导致了模型对于一些特定领域的专业知识可能不够了解。
此外，大规模预训练模型需要大量的计算资源来进行训练，这对于许多小型企业和科研机构来说是一个巨大的负担。而且，随着计算能力的不断提升，训练大型模型的时间也在不断增长。
为了应对这些问题，研究人员开始探索各种方法来解决这一问题。其中一种重要的方法是利用测试时间计算。这种技术可以帮助我们快速地评估模型在推理阶段的表现，从而更好地指导模型的选择和优化。
最近，一项由英伟达开发的新技术也开始引起了人们的关注。该技术称为“推理机器学习”，它允许研究人员直接从原始数据中提取特征，并通过推理的方式生成高质量的模型。
这种技术的一个重要特点是它可以实现推理速度的提升。传统的推理模型通常需要大量时间来进行推理，而“推理机器学习”则可以在短时间内完成。这不仅可以大大提高模型的应用效率，还可以让我们更快地理解和解决复杂的问题。
尽管“推理机器学习”还有很多未解的问题，但它的出现无疑为我们打开了一个新的可能性。我们可以期待在不久的将来，人工智能将在新的领域产生更大的突破，带给我们更多的惊喜。