Récemment, un fait intéressant a émergé dans le domaine de l'IA : l'équipe nationale a lancé le modèle Kimi K2 Thinking, dont les performances semblent surpasser plusieurs grands modèles mainstream.

Ce qui est encore plus surprenant, c'est le coût : 4,6 millions de dollars pour entraîner une architecture MoE avec 1T de paramètres. En comparaison avec ces laboratoires de pointe qui brûlent facilement des centaines de millions, voire des milliards de dollars pour entraîner un modèle, ce chiffre semble tout simplement ridicule. Une grande entreprise d'IA a même déclaré publiquement qu'elle aurait besoin d'un investissement de 1,4 trillion de dollars à l'avenir.

Où est passé tout cet argent ? Pour les infrastructures ? Pour l'acquisition de puissance de calcul ? Ou pour un autre trou noir de coûts ?

Il n'est pas surprenant qu'il y ait récemment des voix aux États-Unis disant que le gouvernement ne soutiendra pas indéfiniment l'industrie de l'IA - cela ressemble vraiment à un trou sans fond. La différence d'efficacité des voies technologiques peut parfois mieux expliquer le problème que le volume de financement.