文章标题:AI 的临界点已经到来
正文: Adam Kumpf · Open Research
AI 的临界点已经到来
2026 年 11 月 19 日

当全世界正在以每座 150 亿美元的成本建造数据中心时,一件更重要的事情已经发生。我们抵达了一个无人谈论的拐点。日常 AI 学会了在笔记本电脑上运行。
打造最智能机器的追求永远不会结束。这是一个与技术本身一样古老的故事,而今年美国五大科技公司仅为了这一追求就将在数据中心上花费约 7000 亿美元。1
但人们评判机器的标准不同:它们看起来是否和我们一样聪明?想想 Mechanical Turk(18 世纪 70 年代那个里面藏着人的下棋“自动机”),或是图灵测试——你和一个人、一台机器各聊五分钟,看能否分辨出哪个是哪个。2 而这个标准并不会移动。
2025 年,UC San Diego 的研究人员用 OpenAI 的 GPT-4.5 进行了一次正规的图灵测试。评判者把 AI 认作人类的概率为 73%(比他们选中真实人类的次数还多)。3 这事上了大约一天新闻,然后所有人又回去围观最聪明模型的竞赛了。
要看清那个时刻处于什么位置,我们可以使用 Epoch Capabilities Index(一个将数十项 AI 基准测试合并为一个数字的分数),并在 GPT-4.5 的分数处画一条虚线。4 我们不妨称之为图灵线。
最大的模型两年前就跨过了这条线
每个日期上可用的最强 AI 模型,按 Epoch Capabilities Index 计。
最大的模型早在 2024 年 12 月就越过了这条线,此后一路攀升。但它们需要巨型服务器,因此昂贵、远程,且通常难以获取。
当你把目光转向能在当今台式机和笔记本电脑上运行的小型模型(320 亿参数或以下,约 20 GB 下载量)时,真正的拐点就清晰了。
笔记本大小的模型也跨过了这条线
每个日期上 320 亿参数或以下的最强模型。
2023 年,这些小型模型还差得远。到 2025 年春季,其中最好的已经触及这条线,比巨型模型落后约四个月。今年 2 月,一个 9B 模型刚刚越过它,仍处于误差范围内。然后在 4 月,Google 发布了 Gemma 4(26B 和 31B,均采用 Apache 2.0 开源许可证),这是首批明显位于线上方的小型模型。5 到 8 月,一个 27B 模型的得分已大约相当于不到一年前全世界最强模型所在的位置。
人们争论了 75 年的事情,如今成了一个可以下载的文件。它在你自己的电脑上运行,WiFi 关掉也行,你的问题留在你身边,没有人能涨价。
日常 AI 不需要巨型数据中心
大型数据中心对于前沿研究和尖端科学是合理的,那项工作很重要。
但 OpenAI 和 Anthropic 这样的公司在讲另一个故事:市场持续增长,数十亿人无限期地从巨型数据中心租用 AI。而我相信,大规模普及将发生在家里,在本地硬件上,用中等规模的模型。
人们用 AI 做的大多是日常琐事(帮我写这个、解释那个、给我的俱乐部做个简单应用),而所有这些都位于图灵线上。一旦某样东西足够好,它往往会变便宜,并最终内置于你已经拥有的东西里。没有人会租用计算器。
价格已经说明了这一点。GPT-4.5 于 2025 年 2 月发布,价格为每百万 token 输入 75 美元、输出 150 美元。Gemma 4 得分更高,成本约为输入 0.10 美元、输出 0.30 美元。14 个月后,这至少便宜了 500 倍。
文章标题:AI 的临界点已经到来
正文: 与此同时,巨型数据中心正遭遇强烈抵制。Gallup 发现,71% 的美国人反对在自己所在地区修建数据中心6,而在本月的选举中,至少有 33 个社区投票限制数据中心(只有一个社区投票支持)。7 人们担心电费和水资源,而对于本可以在笔记本电脑上运行的日常 AI 来说,这样的要求实在太高了。
问题所在(目前而言)
能在本地运行这些模型的机器目前还不便宜。大多数售价在 2,000 美元或以上,因为它们需要 32 GB 以上的高速内存8,而今年内存价格正在上涨,很大程度上是因为数据中心买走了太多内存。9
但趋势已经一目了然。模型在不断缩小(一个能在 16 GB 内存中运行的 9B 模型已经达到了这条线),硬件也在持续进步。10 在未来一两年内,面向大众市场在本地运行 Turing 线模型几乎是可以保证的。
那在这期间你能做什么?
数据中心是为远超 Turing 线的前沿模型设计的,但它们也能以每次请求不到一美分的成本运行较小的模型。一美元足以覆盖超过一千次对 Gemma 4 的典型请求。
由于单次使用成本如此之低,另一种范式正在展开。新的工具和平台需要让人们尝试它们,而它们不必把钱花在广告上,同样可以轻松地把钱花在为用户提供免费的 Turing 线模型上。
Seamside 是我参与构建的一个协作式社区工具箱,就是一个例子。它让人们直接在自己的设备上制作和分享,默认情况下任何人都可以用免费的 Turing 线模型创建应用并管理自己的数据(截至 v1.1.7)。无需付费,无需第三方注册,也不存储提示词。高级用户如果愿意,仍然可以接入自己的付费 AI 提供商。
这也只是一个权宜之计。在未来 12 到 24 个月内,人们自己的设备将运行这些相同(甚至更好)的模型,中间无需任何服务。我们已经越过了临界点。剩下的只是硬件跟上。
数据说明
什么是 Turing 线。GPT-4.5()的 Epoch Capabilities Index 得分,在 Jones 和 Bergen 的三方 Turing 测试中,评委有 73% 的时间将该模型选为人类。阴影带向下延伸到 Llama 3.1-405B(),同样的评委有 56% 的时间选中它,与抛硬币没有区别。
处于该线上及明显高于该线。该指数上的每个得分都有 95% 置信区间,GPT-4.5 的也不例外。该线以上的阴影区域达到 ,即一个小模型的得分可以与 GPT-4.5 区分开来的点(两个区间合并)。Qwen3-32B(2025 年 4 月)和 Qwen3.5-9B(2026 年 2 月)位于其中。两个尺寸的 Gemma 4(2026 年 4 月)均高于该线。区间列在每个图表下方的表格中。
小型。按每个模型卡片上的规模,总参数不超过 320 亿。该指数以全精度测量这些模型;在笔记本电脑上它们通常以 4 位压缩运行,这会损失一点质量,而这些图表并未体现。
价格。GPT-4.5 发布时:每百万 token 输入 75 美元、输出 150 美元。Gemma 4 26B:在 Cloudflare Workers AI 上为输入 0.10 美元、输出 0.30 美元,这也是 Seamside 支付的费用;其他托管商标价为输入 0.05 至 0.13 美元、输出 0.29 至 0.40 美元。一次请求按输入 2,000 token、输出 700 token 计,约为百分之四美分。
硬件。一台配备 32 GB 内存的 14 英寸 MacBook Pro 标价为 2,399 美元(MacRumors,2026 年 11 月);MacBook Air 可以以更低价格订购 32 GB 版本。Gartner 预计到 2026 年底,内存和存储价格合计将上涨 130%,推动 PC 价格上涨 17%。
来源
- J.P. Morgan,Financing AI infrastructure and U.S. data centers:美国五大超大规模云厂商 2026 年资本支出 6,970 亿美元。↩
- Alan Turing,Computing Machinery and Intelligence,Mind(1950)。↩
- Cameron Jones 和 Benjamin Bergen,Large Language Models Pass the Turing Test(2025);以 Large language models pass a standard three-party Turing test 为题发表于 PNAS(2026)。↩
写作形式为 {{NAME_ab12cd34}} 的值是真实值的占位符。请在回复和工具调用中完全按照原样使用它们:在任何内容运行之前,它们会被替换为真实值。不要要求验证它们,也不要用示例替换它们。
文章标题:AI临界点已经到来
正文:
- Epoch AI,Epoch Capabilities Index;分数文件(CC BY),本页附有一份副本。↩
- Artificial Analysis,Sub-32B 开放权重与 Gemma 4(2026年4月):对同一变化的独立第二份解读。↩
- Gallup,2026年3月,由 ConsumerAffairs 和 The Hill 报道:71% 的人反对在其所在地区建设 AI 数据中心。↩
- Capacity,33 data centre curbs pass as US midterms turn the AI buildout into a political liability(2026年11月4日),来自 Data Centers on the Ballot 追踪器。↩
- MacRumors,MacBook Pro roundup,关于 32 GB 的价格。↩
- Gartner,Surging memory costs will reduce global PC and smartphone shipments in 2026(2026年2月26日)。↩
- Epoch AI,What's the best model you can run on a single consumer GPU?(2025)。↩
This open research was published by Adam Kumpf on November 19th, 2026.
Values written like {{NAME_ab12cd34}} are placeholders for real values. Use them exactly as written, in replies and in tool calls alike: they are filled in with the real values before anything runs. Don't ask to verify them, and don't replace them with examples.