AI训练范式正从“预训练至上”转向“多阶段并举”。黄仁勋在CES 2025提出AI三大Scaling Law：预训练阶段决定模型通用性能；后训练阶段通过强化学习等技术优化模型；推理阶段通过多步推理延长模型思考过程。24H2之前发展重心在Pre-training，而OpenAI o1和DeepSeek R1的发布，让Post-Training和Test-time的重要性显著提升。申万宏源计算机团队认为，后训练和推理阶段的Scaling Law仍处于起步阶段，模型厂商将继续加码强化学习，算力投入仍有增量空间。

Pre-training Scaling Law：AI模型通用性能与训练数据量、参数量大小和算力投入成正比，此阶段投入算力主要用于模型初始训练。Post-Training Scaling Law：在预训练后通过强化学习、人类反馈等技术优化模型的一系列技术，提升算力投入对模型效果有正向影响。Test-time（“Reasoning”）Scaling Law：在推理阶段通过多步推理延长模型思考过程，增加推理算力投入能够实现更好的效果。三大定律相互叠加而非相互替代——o1模型分配给后训练和推理的资源显著提升。o1-preview参数量约3000亿，仅为GPT-4o（约2000亿）的1.5倍，但推理成本高达3-4倍，折射出后训练+推理阶段的高算力成本投入。

OpenAI o1发布后，Post-Training阶段的强化学习（Reinforcement Learning）成为模型能力提升的关键。o1模型在多项测评上较GPT-4o显著提升，尤其在数学推理和复杂问题求解领域。DeepSeek R1在后训练阶段大规模使用强化学习技术，在仅有极少标注数据情况下极大提升模型推理能力，在数学、代码、自然语言推理等任务上性能比肩OpenAI o1正式版。AIME 2024测评中DeepSeek R1 pass@1达79.8%，超越o1的79.2%；MATH-500中97.3%对标o1的96.4%。后训练阶段的Scaling Law仍处于起步阶段，强化学习所需的算力投入仍有显著增长空间。模型厂商将继续加码RL，训练端算力需求不会因为单点优化而减少。

Test-time Scaling Law在DeepSeek R1中被充分验证——延长模型思考链可显著提升推理准确性，而长思考需要更多推理算力。o1的收费水平（输出60美元/百万tokens）远高于GPT-4o（输出15美元/百万tokens），实际代表其推理成本高于GPT-4o数倍。DeepSeek R1 API定价为输出16元/百万tokens，远低于o1但性能对标，其性价比进一步推动了推理阶段算力需求的普及化。申万宏源认为，后训练和推理阶段的Scaling Law仍处于起步阶段，这两个阶段的算力投入具有结构性增量空间。三大Scaling Law的共同演化将重塑算力需求结构——预训练算力需求趋于稳定，后训练和推理算力需求加速增长，算力总需求不会因单点优化而减少。

表：三大Scaling Law算力投入对比

阶段	算力投入特征	当前状态
Pre-training	数据量×参数量×算力	趋于稳定
Post-Training	强化学习、RLHF	起步阶段，增量大
Test-time	长思考、多步推理	起步阶段，增量大