NVIDIA Vera Rubin：最大化后训练工作的每美元智能——Agentic AI 的关键指标

想象一位职业运动员。精英选手之所以脱颖而出，关键在于比赛之间的持续精进：不断打磨技艺，适应新对手，并根据上一场比赛的反馈来进一步提升自己的能力。

智能体式人工智能的工作方式也类似：模型不再被要求直接给出答案，而是被赋予一个明确的目标， 并在环境不断变化、边缘案例层出不穷、工具不断演进的过程中持续调整与优化。 与生成式模型仅根据提示词作出响应不同，智能体式模型必须进行规划、运用不同的工具， 并在运行过程中及时应对并解决遇到的问题。

正因如此，训练后的阶段——即在原始数据上完成初步训练后对模型进行精细化调优的环节——已不再是单次性的收尾步骤。 这一阶段是持续不断的，因为智能体式模型所处的环境瞬息万变。 代理所使用的工具可能每周都在发生变化； 生产环境中还会出现测试集未曾预料到的边缘案例。 每一次部署都会带来全新的代码库、新的策略以及全新的运行环境。

随着新问题的不断涌现，训练后的流程会从生产环境回溯至训练前的阶段。 计算资源的消耗不仅因为每次运行的规模更大而增加，更因为这些运行从未真正停止。 智能体式人工智能为训练后的计算模式引入了一种全新的模式，使其成为智能体时代的核心工作负载， 也是单位成本下智能水平提升的主要驱动力。

训练后的目标，是在持续学习循环中最大化每一轮正向和反向传递的产出，从而实现单位成本下的智能最大化。 正向传递——也就是推理——的计算量为以每个令牌的成本衡量。 这意味着，每一步成本效率的提升，都会直接转化为单位成本下的智能提升。

智能体式训练后的运作机制详解

训练后的阶段，正是智能得以构建的时刻。 在预训练阶段，模型学会预测下一个 token，这虽然能赋予其流畅的表达能力，却无法真正实现智能。 而在训练后的阶段，模型则学会了编写代码、规划多步骤任务、使用搜索工具，并在出现问题时迅速恢复。 推理，正是在此之后展开的环节：模型在实际工作中不断运转，其成本以每 token 为基准进行计算。

因为……