之前听一个AI专家说：模型的摩尔定律是「3个月」，3个月就可以用更小的模型达到大一级模型的效果。
在deepseek出来之前，我还半信半疑。现在等于是击碎了所谓高算力，以及储备算力的迷信。
这个规律放在智能驾驶行业里亦然，智驾的摩尔定律可能也是3个月。而且不再看所谓的储备算力，看的是各家的模型算法。所以，智能驾驶的竞赛可能才刚刚开始。
由于模型需要的算力越来越少，接下来的趋势将是AI PC，每个终端都将是一台本地AI。
所以，未来几年最火的不再是云端算力，而是终端算力。
车端的算力越强，蒸馏下来的模型越完整，比如deepseekr1 llama支持8b-70b（80亿-700亿的参数）的版本，70b比8b的强不少。
总结一下，储备算力将不再那么重要，特斯拉那1.6万张A100可能是打水漂。虽然云端算力不再那么重要，但是大模型需要的算力对于终端来说非常大的，必然需要蒸馏后，才能下放到终端，这个时候又比较考验终端的算力能力。
