type
status
date
slug
summary
tags
category
icon
password
priority
NVIDIA 最近的博客文章显示，Blackwell Ultra 平台让 agentic AI 的推理成本相比 Hopper 时代下降了 35 倍（每 token 成本大幅崩盘），这不是孤立的巧合，而是符合 莱特定律（Wright's Law）的典型表现。
莱特定律（1936提出）的核心是：随着某种产品的累计产量每翻倍一次，其单位生产成本会以一个相对固定的百分比下降（通常 10%–25%，视行业而定）。这个“学习曲线”源于规模经济、工艺优化、供应链成熟和经验积累，形成正反馈：成本下降 → 需求爆发 → 产量进一步增加 → 成本继续下降。
最经典的两个例子就是太阳能光伏和锂离子电池，它们几乎完美诠释了这个定律的威力：
- 太阳能光伏：从 1970 年代至今，全球累计安装容量每翻倍，组件价格平均下降约 20%。结果从每瓦几百美元跌到如今不到 0.3–0.4 美元，下降超过 99%。这让太阳能从“昂贵实验品”变成全球许多地区最便宜的新电力来源，推动了可再生能源的全球普及。
- 锂离子电池：累计产量每翻倍，电池组价格下降约 18%–20%。2010 年左右每 kWh 还超过 1000 美元，现在已降到 100 美元以下（甚至更低）。正是这个指数级下降，让电动车从少数富人的玩具变成主流交通工具，特斯拉等公司通过大规模 Gigafactory 生产加速了这个曲线。
这些案例告诉我们，一旦技术进入快速规模化阶段，成本就会呈现出近似指数级的“自动”下降——不是靠单一创新，而是靠产量驱动的系统性学习。
回到 AI 领域，NVIDIA Blackwell Ultra 的 35 倍成本下降（加上下一代 Rubin 预告的再 10 倍），正走在同样的路径上。大家常争论推荐系统应该优先优化效果（改革结构提升效果，注重成本）还是GPU 利用率（让推荐算法适合跑在 GPU 上）？
我的判断：前者是局部最优——它追求当下 ROI 的最大化；后者是全局最优——因为它直接押注成本持续崩盘的大趋势。
历史车轮滚滚向前，成本会随着规模“自动”指数下降。你不需要等到成本已经很低才行动；真正重要的是看透趋势、提前布局。投资利用率优化，就是在为未来的低成本时代铺路。
善弈者通盘无妙手——不是每一步都要赢，而是让趋势替你赢。