（来源：上观新闻）
（本文首发🚺📭钛媒体🌡🧧APP，作📓者 |©👰 硅谷🌦Tech ne☮🤴ws，编😸辑 | 👩✈️📯赵虹宇） 注：💉🐦本文基于🤥⤵ 202🇧🇴🏣6 年 4 月🍼 24 日发表于☝ arXiv 的🚠预印本👨👦👦🕘论文 *H😧ow Do AI☦😅 Agent📽🇧🇮s Sp🕺🇵🇰end Y↙➰our Mon🙎🇲🇽ey? Ana⛏lyzin🔙g and🎺‼ Predic⭐tin🦷🇸🇽g Token 🍸Consump🥛tion4️⃣🐧 in A🐜gen👨👩👧🚳tic 🀄🥰Codin🔋g Tasks⚪🛰*（Bai, H♦🏄♀️uang, Wa🕔🇧🇱ng, S👩🎤un, Mi🎛halc😊🆔ea, Br🤢🦹♂️ynj🚁🗑olfsson,🇮🇩 Pe🇧🇴ntland🇭🇹🛐, Pe🇽🇰i）撰写📫。
随着 A🧝♂️I 技术的发展，⬜🔠感存算一体👳♀️💆的 AI 计算🎤芯片受到🛷高度关注📧🇦🇸，但大多数方案📓🍸怎么引蜘蛛出来仍然需要👨💼⛽多种器件或👨⚖️异质集成的配合🚐🇹🇯。大模型商业化🇯🇵的本质是算🎮一笔账：💁♂️收入，🇹🇹🕒能不能🇨🇼🎠覆盖算力🖖成本？ ❇这是一个行业级🛫难题😎🇬🇦。
。如果AI在“内心🧙♀️🇫🇲草稿纸©”上生成🐈的想法帮助它🇧🇩🆕极其准👨💻怎么引蜘蛛出来确地预🤴📼测出了接下来的▫文字，🤦♂️🏬系统就💌会给予奖励，让A↩🇷🇸I记住并强化这👨👧👦种思考模式；如👜果那些想法导🇹🇱🕑致AI猜错了后✅🏡续内容👨👨👧👦🎍，系统♎就会判🧚♀️🏊♀️定其无🚎用并促🥋🎼使AI⚗抛弃这种无效的思🌋💮考方式📬。
