北京
10月16日，全球财富管理论坛·2026上海苏河湾大会举行。在大会AI主题圆桌论坛上，面壁智能联合创始人、董事长、首席执行官李大海围绕AI技术演进与产业落地发表判断。他表示：“大模型知识密度大约每100天提升一倍，由于AI参与模型自身训练，这一速度还在加速”。这一表述将观察焦点放在模型能力迭代的速度上，也把“AI参与模型自身训练”这一趋势纳入讨论。
知识密度指向模型迭代节奏
在模型技术语境中，知识密度通常用于描述单位模型规模所承载的有效知识与能力水平。它并非单一的性能分数，而是观察模型在参数、数据与训练方法共同作用下，能否以更高效率形成有效能力的一个视角。李大海给出的时间尺度，指向的是模型迭代节奏的变化：知识密度提升不再只是线性积累，而是呈现出更快的周期特征。素材中“由于AI参与模型自身训练，这一速度还在加速”的判断，则进一步说明模型训练流程本身正在成为能力迭代的变量。从技术路径看，模型参与自身训练通常涉及数据生成、评测反馈或训练策略优化等环节，其影响最终会体现在模型能力更新与效率提升上。李大海的发言没有展开具体技术细节，但给出了方向性判断：迭代速度仍在变化。
效率提升是确定性最强的方向
相较模型能力的多点进展，李大海将当前确定性最强的方向指向效率提升。他判断，当前模型能力全面开花，确定性最强的是效率提升。对通信行业而言，大模型效率提升并非孤立的技术指标，它关系到算力资源利用、云边端协同以及AI业务部署节奏。模型知识密度提升与效率提升相互关联：前者反映单位规模承载能力的提升，后者决定这种能力能否以更低资源代价进入实际业务。从产业观察角度看，当模型迭代速度加快，行业更需要关注效率提升如何从技术指标转化为可部署、可运营的能力。这并不意味着短期落地会同步加速，而是提示从业者把注意力放在训练与推理效率、资源利用方式等更具确定性的环节。
三起三落背后的预期错位
李大海还将AI三起三落的核心原因归结为技术长期价值被低估、短期预期被高估。这一判断与他对知识密度的观察形成呼应：技术能力在持续推进，市场预期却容易在短期放大。对通信行业和科技产业而言，AI的长期价值需要放在模型能力迭代、效率提升和业务部署的连续过程中观察，而非仅以短期热度衡量。此次全球财富管理论坛·2026上海苏河湾大会的AI主题圆桌论坛上，多位产业专家畅谈AI前沿，李大海的发言提供了一个较为克制的观察框架：一方面看到模型知识密度提升和训练方式变化带来的速度变量，另一方面把效率提升视为当前更具确定性的产业方向。对于从业者而言，理解这一速度与确定性之间的关系，比追逐短期概念更具现实意义。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
