<p class="ql-block"> 史公谈兵（二十）：从"兵非益多"到AI算力经济学——算力即兵力，但兵力不是越多越好 </p><p class="ql-block"> 上回说到牵与被牵存乎一心。有读者追问：好，主动权重要。但AI战争拼到最后不还是拼算力吗？谁芯片多、谁服务器多、谁数据多，谁就赢。孙子不是说"十则围之，五则攻之"吗？兵力多不是优势吗？ </p><p class="ql-block"> 这个问题，问到了《孙子兵法》里最反直觉、也最被忽视的一句话。 </p><p class="ql-block"> 一、"兵非益多"：孙子居然说"兵不是越多越好"？ 《孙子·行军篇》末尾有一段话，历代注家都觉得"不对劲"： "兵非益多也，惟无武进，足以并力、料敌、取人而已。夫惟无虑而易敌者，必擒于人。" 翻译：兵力不是越多越好。只要不盲目冒进，能够集中兵力、判明敌情、取胜于人就够了。那些没有深谋远虑又轻敌的人，必然被擒。 曹操注："力敌则能分，智胜则不须大。"杜牧注得更狠："兵多而不精，不如兵少而精。" 孙子居然在说"少而精优于多而滥"？ 对。而且这不是孤例。整部《孙子》都在反复强调一个逻辑：- "十则围之，五则攻之，倍则分之"——讲的是集中优势兵力打歼灭战，不是"人海战术"- "我专而敌分"——我集中，你分散，十打一- "兵闻拙速，未睹巧之久也"——快比多重要- "日费千金，然后十万之师举矣"——打仗烧钱，兵多更烧钱 孙子的核心军事思想从来不是"以多胜少"，而是"以集中胜分散、以质量胜数量、以效率胜规模"。 </p><p class="ql-block"> 二、从"人海"到"算力海"：规模崇拜的轮回 人类历史上，对"多就是好"的迷信反复出现。 </p><p class="ql-block"> 第一次：冷兵器时代的人海迷信 战国后期，各国动不动"带甲数十万"。长平之战，赵国四十五万。但孙子早就说了：兵多不一定是优势，后勤、指挥、协调都是噩梦。</p><p class="ql-block">- 兵多了吃不饱→后勤崩溃- 兵多了指挥不动→信息传递慢- 兵多了容易乱→战场失控 </p><p class="ql-block"> 所以孙子说"兵非益多"——不是不要多，是多了管不好反而是负担。 </p><p class="ql-block"> 第二次：工业时代的人海+火力迷信 一战、二战，比的是钢铁产量、火炮数量、军队规模。苏联用"大炮兵主义"碾压德国，盟军用战略轰炸犁平德国和日本。 </p><p class="ql-block"> 但代价是什么？- 斯大林格勒：两百万人的绞肉机- 诺曼底：十万人的伤亡- 东京大轰炸：十万人一夜烧死 孙子说"杀士三分之一而城不拔者，此攻之灾也"。工业时代用火力代替智慧，赢了但也烧光了资源。 </p><p class="ql-block"> 第三次：信息时代的"算力海"迷信 今天，我们正站在第三次规模迷信的起点——算力迷信。- 谁GPU多谁赢- 谁数据多谁赢- 谁模型参数多谁赢- 谁训练时间长谁赢 但孙子如果活到今天，大概会说："算力非益多也。" </p><p class="ql-block"> 三、算力即兵力：AI时代的"兵"是什么？ 先说为什么"算力即兵力"有道理。 </p><p class="ql-block"> 在AI战争中，算力的角色跟传统兵力惊人地相似： </p><p class="ql-block"> 传统兵力 AI算力 对应关系 </p><p class="ql-block"> 士兵数量 GPU数量 基础规模 </p><p class="ql-block"> 训练水平 模型质量 单兵素质 </p><p class="ql-block"> 武器装备 算法效率 武器精良度 </p><p class="ql-block"> 后勤补给 能源供应 持续作战能力 </p><p class="ql-block"> 指挥系统 调度算法 协同效率 </p><p class="ql-block"> 算力确实就是AI时代的"兵力"。</p><p class="ql-block"> 问题是：兵力多了就一定赢吗？ </p><p class="ql-block"> 四、算力经济学的四个核心问题 </p><p class="ql-block"> 孙子说"兵非益多"，背后是经济学逻辑——边际效益递减+管理成本递增。 </p><p class="ql-block"> AI算力也一样。</p><p class="ql-block"> 有四个核心问题： </p><p class="ql-block"> 1. 边际效益递减：模型越大，提升越难 训练AI模型的成本和效果关系：- 从0到1：小模型→大模型，效果飞跃- 从1到10：大模型→超大模型，效果还有提升- 从10到100：超大模型→超级大模型，效果提升越来越小 GPT-3到GPT-4的提升，比GPT-2到GPT-3小。GPT-4到GPT-5的提升，比GPT-3到GPT-4更小。 这就是边际效益递减。你花10倍的钱，可能只得到1.2倍的效果。 孙子说"兵非益多"，现代版就是"算力非益大"。 </p><p class="ql-block"> 2. 能耗黑洞：算力是要吃电的 </p><p class="ql-block"> 一个大型AI训练任务：- 耗电量：几百万度到几千万度- 碳排放：相当于几百辆汽车一年的排放量- 冷却用水：每天几十万加仑 算力不是免费的。每一FLOP都要电，每一度电都要钱。 俄乌战场上，俄军为什么没大规模用AI？不是不想，是电力基础设施被反复打击，没电跑什么AI？ 孙子说"日费千金，然后十万之师举矣"。今天要改成"日耗万度，然后AI之战举矣"。 </p><p class="ql-block"> 3. 管理成本：算力多了管不过来 传统兵力多了，管理成本指数级上升：- 十万人的军队，指挥链条复杂- 补给、通信、协调、纪律，全是问题 算力多了也一样：- 几千张GPU的集群，调度就是噩梦- 散热、故障率、网络带宽、存储I/O，全是瓶颈- 模型并行、数据并行、流水线并行，复杂度爆炸 算力不是插上就能用。管不好，算力越多越乱。 </p><p class="ql-block"> 4. 安全面扩大：算力节点就是攻击目标 兵力多了，暴露面大。算力多了也一样：- 每个数据中心都是潜在攻击目标- 每条数据传输链路都可能被截获- 每个模型都可能被投毒、被逆向 算力越多，防御面越大。你保护十个数据中心比保护一个难十倍。 </p><p class="ql-block"> 五、算力效率：AI时代的"精兵"之道 既然算力不是越多越好，那什么好？ 算力效率。 孙子说"惟无武进，足以并力、料敌、取人而已"。翻译成AI时代的语言： </p><p class="ql-block"> 不要盲目堆算力（无武进），只要能集中算力打关键点（并力）、准确判断态势（料敌）、战胜对手（取人）就够了。 </p><p class="ql-block"> 具体来说，算力效率有五个维度： </p><p class="ql-block"> 1 . 算法效率：用更好的算法，而不是更多的算力- 同样的效果，Transformer需要1000张GPU，Mamba可能只需要300张- 同样的效果，密集模型需要万亿参数，MoE模型可能只需要激活20%- 同样的效果，暴力搜索需要穷举，剪枝和量化可能快10倍 这就是"兵少而精"的技术版——用更好的算法代替更多的算力。 </p><p class="ql-block"> 2. 数据效率：用更好的数据，而不是更多的数据- 100万条高质量标注数据 > 1亿条低质量数据- 针对性数据增强 > 盲目扩大数据集- 合成数据+真实数据混合 > 纯真实数据 这就是"料敌"的数据版——知道什么数据有用，比有多少数据重要。 </p><p class="ql-block"> 3. 算力调度：集中打歼灭战，不分散打消耗战 传统兵法："我专而敌分"——集中优势兵力打敌人分散的兵力。 </p><p class="ql-block"> AI算力也一样：- 不要平均分配算力到所有任务- 把80%的算力集中到20%的关键任务上- 非关键任务用轻量模型、小算力 这就是"并力"的现代版——集中算力打关键点。 </p><p class="ql-block"> 4. 能效比：每度电能干什么- 同样的训练任务，A方案耗电100万度，B方案耗电30万度→B赢- 同样的推理任务，A方案每张GPU跑10个请求，B方案跑50个→B赢 能效比就是AI时代的"后勤效率"。 </p><p class="ql-block"> 5. 协同效率：算力之间的配合- 单机算力再强，网络带宽不够→协同效率低- 多机协同再好，调度算法不行→资源浪费- 边缘+云端配合不好→延迟高、效果差 </p><p class="ql-block"> 协同效率就是AI时代的"阵法"——同样的兵力，排阵不同，效果天差地别。 </p><p class="ql-block"> 六、俄乌战场上的"算力经济学" 俄乌冲突是第一次"算力受限"的战争。 </p><p class="ql-block"> 乌克兰侧：</p><p class="ql-block">- 算力来源：西方云服务商（AWS、Azure、Google Cloud）- 优势：不需要自己建数据中心- 劣势：依赖外部供应，网络带宽受限 俄罗斯侧：- 算力来源：本土数据中心+中国芯片（传闻）- 优势：自主可控- 劣势：高端芯片受限，算力总量不如西方 结果：双方都没有"无限算力"。都在用有限算力做最高效的事。- 乌军用AI做目标识别，但只用在最关键的打击任务上- 俄军用电子战干扰，但只在最关键的时段和频段上集中功率- 双方都用AI做情报分析，但只分析最高优先级的情报 这就是"兵非益多"的实战版——不是有多少算力，是怎么用。 </p><p class="ql-block"> 七、大国博弈中的"算力经济学" 放大到大国博弈层面： </p><p class="ql-block"> 美国：算力最多，但效率不一定最高- 优势：GPU最多、云服务商最强、AI公司最集中- 劣势：算力分散在多家公司，协调成本高；能耗巨大；数据隐私限制多 </p><p class="ql-block"> 中国：算力第二，追求效率- 优势：完整的产业链、自主的芯片设计（华为昇腾等）、国家统筹能力强- 劣势：高端芯片受限、先进制程受限 策略差异：- 美国走"规模路线"：堆GPU、堆数据中心、堆模型参数- 中国走"效率路线"：优化算法、降低能耗、集中算力打关键领域 这像不像二战时的美国和苏联？美国靠工业规模碾压，苏联靠T-34的性价比和数量。最终谁赢了？都赢了，但代价不同。 </p><p class="ql-block"> 八、茅元仪的"兵非益多" 茅元仪编《武备志》，收录了大量兵器图谱。但他最反对"唯兵器论"： "器利不如法利，法利不如人和。人和者，上下同心也。器多而不精，不如器少而精。法多而不行，不如法少而行。" "器多而不精，不如器少而精"——这不就是"兵非益多"的器物版吗？ </p><p class="ql-block"> 茅元仪如果看到今天的算力竞赛，大概会说： "算者，兵之器也。算力多而不精，不如算力少而精。算法精而不用，不如算法朴而用。用者，人也。人不用，虽万机何益？人善用之，百机足矣。" 然后他会补一句： "今之国争算力，犹昔之争兵数。兵多而弱，不如兵少而强。算多而滥，不如算少而准。准者，知敌也。知敌者，料敌也。料敌者，智也。智在人心，不在机房。" </p><p class="ql-block"> 九、结语：算力即兵力，但兵力不是越多越好 从孙武到今天，"兵非益多"四个字没变。但"兵"的形态变了无数次。 </p><p class="ql-block"> AI时代，"兵"变成了算力。算力确实重要——没有算力就没有AI，没有AI就没有现代战争的优势。 但算力不是万能的。算力多不如算力精，算力大不如算力巧，算力强不如算力用得对。 </p><p class="ql-block"> 孙子两千五百年前说的话，今天依然锋利： "惟无武进，足以并力、料敌、取人而已。" 不要盲目冒进（无武进），只要能集中算力（并力）、准确判断（料敌）、战胜对手（取人）就够了。 多不是目的。赢才是。 </p><p class="ql-block"> 茅元仪四十六岁死的时候，大概觉得大明兵不少、器不少、书不少，但全没用对地方。他留下了一部书，书里有一句话，今天读来依然清醒： "兵不在多，在精。将不在勇，在谋。算不在大，在准。准者，知彼知己之谓也。" </p><p class="ql-block"> 算力即兵力。但兵力不是越多越好。 </p><p class="ql-block">知道该往哪用、该怎么用、该用多少——这些，比算力本身值钱一万倍。</p><p class="ql-block"><br></p><p class="ql-block"><br></p><p class="ql-block">下回预告：《史公谈兵（二十一）：从"知天知地"到多域态势感知——AI时代的"天地"在哪？</p>