待验证50% 置信事实精确时间

大模型的推理成本随业务规模线性乃至超线性增长，无法通过复制代码来服务更多用户

1

来源数

50%

置信度

长期有效

时效性

2026/9/29

首次发现

来源

Anthropic招股书曝光：巨亏、狂增长与AI灭世警告

涉及实体

大语言模型concept

相关事实

待验证推理成本与模型规模并非线性关系，参数量翻倍时推理延迟与算力消耗往往远不止翻倍75% 相似待验证许多AI厂商的高端订阅处于亏损状态，因大语言模型每次推理都需调用数十亿至数千亿参数进行矩阵运算，成本随用量线性乃至超线性增长71% 相似待验证推理模型可能要多花数倍甚至十几倍的输出token，直接推高API调用成本71% 相似待验证推理成本（Inference Cost）是大模型持续失血的主要原因，随用户规模呈线性甚至超线性增长70% 相似待验证在反向模式下，当模型参数数量高达数百万时，计算梯度的成本仅与一次前向计算相当69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/958338

API

curl https://kongchang.com/api/v1/knowledge/claims/958338

MCP

get_claim(id=958338)