唐杰谈Scaling Law新标尺：参数之外还要计算全生命周期资源

智谱创始人、清华大学教授唐杰近日公开讨论大模型Scaling Law的衡量方式。相关报道援引其观点称，仅以参数量描述模型规模已不够，还应同时考量训练数据、算力分配和运行环境等因素。

这场讨论也涉及模型的全生命周期成本。除训练阶段的计算投入外，部署后的推理效率和任务表现同样会影响实际资源使用。唐杰以智谱模型的后训练优化为例指出，在参数规模不变的情况下，训练和优化方式的变化仍可能改善模型在部分任务上的表现。

效率指标进入模型比较，资源调度能力的重要性上升

当模型比较不再只围绕参数量，训练、推理和运行环境的资源效率会更直接地进入企业技术选型。云服务商提供的不只是计算资源，还包括存储、调度与推理优化等能力；这些环节共同影响模型从训练到部署的资源使用。对开发团队而言，单位任务成本、延迟、吞吐与任务效果将被放在同一框架下比较。应用软件企业需要据此把模型能力与具体工作流衔接，基础设施服务商则面临更强调资源利用率和调度能力的竞争。

新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。