非ML科班背景，随便想想 知道AI发展史的，都了解AI历史上有几起几落，2012年的AlexNet也是利用的GPU做起来的，也就是说当算力达到了一个点之后，紧跟着的复杂度上升带来的现在的深度学习。近几年的AI发展，CV，LLM，Money is all you need, 涌现，more is different，OpenAI 不 open，研究向大企业集中，都说明了， 人类当年能达到的算力是决定AI接下来几年performace的上限。现在我们已经有了GPT, DALLE, Sora, 还有deep RL的各种，在各大数据中心scale the power 的过程中，AI发展的速度所需算力比人类算力的增长快的多，或者说AI在迅速吃掉算力红利。那问题是，由于摩尔定律失效 算力增长是否即将触碰瓶颈？按现在的速度，AI吃尽算力红利的时候，能发展到什么程度，对人类社会影响到什么程度？AI吃尽算力红利后，是否发展速度会减慢？
知道AI发展史的，都了解AI历史上有几起几落，2012年的AlexNet也是利用的GPU做起来的，也就是说当算力达到了一个点之后，紧跟着的复杂度上升带来的现在的深度学习。近几年的AI发展，CV，LLM，Money is all you need, 涌现，more is different，OpenAI 不 open，研究向大企业集中，都说明了， 人类当年能达到的算力是决定AI接下来几年performace的上限。现在我们已经有了GPT, DALLE, Sora, 还有deep RL的各种，在各大数据中心scale the power 的过程中，AI发展的速度所需算力比人类算力的增长快的多，或者说AI在迅速吃掉算力红利。那问题是，由于摩尔定律失效 算力增长是否即将触碰瓶颈？按现在的速度，AI吃尽算力红利的时候，能发展到什么程度，对人类社会影响到什么程度？AI吃尽算力红利后，是否发展速度会减慢？
Sam Altman前几天说要募资7个trillion是要搞芯片。他以及Elon Musk等很早就关注和投资了可控核聚变，他们想以此去解决能源问题。大模型需要的高质量数据预计在2026年耗尽。以后也许可以像alpha Go发展围棋一样左右互博的发展。这些困难并不容易，但是大方向是朝这个方向走的，对人类社会的影响（包括科研，labor market，教育，经济和政治等）也会是巨大的。