但眼下，Transformer 正在显露疲态。推理模型的出现、超长上下文的需求、动辄数千瓦的算力消耗，本质上都只是在给同一套架构打补丁。越来越多的研究者开始追问：下一代模型的底座会是什么？《麻省理工科技评论》（MIT Technology Review）在 2026 年“10 件影响 AI 的事”中，将这批未来模型称为 LLMs+。一批初创公司正试图从四个方向发起挑战。

方向一：改造注意力机制

Transformer 的核心是“稠密注意力”（dense attention）：文本中的每个词都要和每个词做乘法。一篇一万词的文档，可能要消耗 5000 万次乘法。这正是 LLM 能耗惊人的根源。

稀疏注意力（sparse attention）的思路很直观：只计算部分词之间的关系，而不是全部。但多年来，稀疏注意力的语义理解能力始终追不上稠密注意力。

迈阿密的 Subquadratic 声称打破了这一僵局。其模型 SubQ 会动态判断哪些词重要、哪些不重要，在搜索和编程等任务上已能比肩主流 LLM。公司表示已有数千人加入等待名单，并计划尽快开放。旧金山另一家初创公司 Manifest AI 走得更远：它完全用“能量保持”（power retention）机制替代了注意力，只保留与当前任务最相关的滚动摘要，声称可将现有开源编程模型 StarCoder 改造成 PowerCoder，并在 Qwen 级别任务上取得相近表现。

方向二：把模型做得更小、更灵活

MIT 衍生公司 Liquid AI 没有彻底抛弃 Transformer，而是把自己的“液态神经网络”（liquid neural networks）与之混合，推出 LFMs（liquid foundation models）。创始人 Ramin Hasani 透露，最新模型中 Transformer 仅占 20%，液态网络占 80%，且这一比例由公司自研的“设计 AI”自动搜索得出。

液态神经网络的灵感来自蠕虫大脑，优势在于运行时可以持续适应新信息，而不像 Transformer 那样训练完成后行为就固定。结果是：Liquid AI 的模型能在售价 50 美元的树莓派上运行，且体积只有竞品的四分之一，却能在 Qwen、Gemma 等基准上追平四倍大的模型。戴姆勒（Mercedes）已在车辆小芯片上部署其方案。

方向三：一次性生成整块文本

当前几乎所有 LLM 都是逐词生成。但对计算机来说，更便宜、更快的方式是整句甚至整段同时输出。这就是扩散模型（diffusion）的思路。

总部位于加州帕洛阿尔托的 Inception 正把图像/视频生成中常用的扩散技术用于文本。其 CEO Stefano Ermon 是斯坦福教授，2024 年与同事解决了扩散模型处理文本的数学难题，并在 GPT-2 级别的模型上验证：速度提升 10 倍。Inception 最新模型 Mercury 2 号称在部分任务上已接近 OpenAI GPT-4 水平，速度仍是 10 倍。Google 也在跟进，推出了原型 Diffusion Gemma。

方向四：跳出语言本身

Pathway 可能是这批新公司中最激进的一家。它的模型名为 Dragon Hatchling，用“状态空间”（state space）替代注意力，把信息压缩成更抽象的表征，而非逐词编码。

最引人注目的结果是一道刁难所有主流 LLM 的测试：超过 25 万道高难度数独。Dragon Hatchling 解开了 97% 以上，而多家顶级实验室的模型一题未解。CEO Zuzanna Stamirowska 认为，Transformer 强行用语言完成一切推理，但人类下棋、做数学时的“灵光一闪”并不发生在语言里。如果模型只能在语言中思考，就永远到不了真正的创新。

谁会笑到最后？

这四条路线未必互相排斥，也未必都能成功。但它们共同指向一个判断：规模竞赛不是 LLM 的唯一出路。在算力成本逼近万亿美元、数据中心耗电量 2030 年可能翻倍的背景下，效率、结构与推理范式的创新，或许比单纯堆参数更重要。

来源：MIT Technology Review