算力爆发确保人工智能时代才刚刚开始

尽管许多分析人士坚持认为人工智能的发展很快将触及不可逾越的瓶颈，但微软人工智能首席执行官 Mustafa Suleyman 认为，我们正在经历一场前所未有的指数级进步。据这位高管称，人类直觉是基于线性演化规律来理解世界的，因此在预测当前的计算轨迹时会失效。计算能力远未达到上限，专门用于前沿模型的处理能力正处于陡峭的加速曲线上，这将彻底重塑全球经济和认知任务的执行方式。

线性直觉的终结

面对事实，技术进步必须遵循摩尔定律等可预测节奏的普遍认知已显过时。自 2010 年以来，尖端系统使用的训练数据量已从约 10¹⁴ 次浮点运算跃升至超过 10²⁶ 次——增长了万亿倍。对于 Suleyman 而言，那些指出能源短缺或半导体制造放缓的怀疑论者，忽视了让人工智能引擎保持持续、快速增长的创新融合。

性能飞跃背后的工程学

这一进步的秘诀不仅在于机器规模更大，还在于硬件编排更高效。历史上，扩展计算就像给一个房间里的人增加计算器，闲置时间是一种持续的浪费。如今，行业专注于消除这些瓶颈。三个支柱支撑着这一演变：芯片原始性能的大幅提升（如 Nvidia 处理器和微软 Maia 200 芯片所示）；HBM（高带宽内存）技术的应用，它加快了数据流向处理器的速度；以及 NVLink 和 InfiniBand 等基础设施的使用，它们将数十万个 GPU 连接起来，使其像一个单一的数字大脑一样工作。

效率与规模经济

软件优化已成为与硬件同等重要的增长向量。Epoch AI 的数据显示，达到固定性能水平的计算成本每八个月减半。因此，部署最新模型的成本大幅下降，在某些情况下，年度化成本降低了 900 倍。曾经需要数小时在少数处理器上进行的训练，现在可以在巨大的集群中几分钟内完成，标志着从使用两个 GPU 的 AlexNet 时代向如今在单个集群中动员超过 10 万个 GPU 的时代转型。

自主代理的未来

这场竞赛的最终目标不仅仅是改进语音助手或对话式聊天机器人。Suleyman 的愿景指向创造近乎人类的代理，能够执行长期复杂的项目、管理物流、协商合同并自主编写代码。我们正走出简单的咨询阶段，进入人工智能团队共同商议并执行任务的协作时代。预计到 2028 年，有效计算能力将增长 1000 倍，这种情况可能需要相当于英国、法国、德国和意大利总和的年度能源投入。

可持续性与认知丰裕

尽管能源消耗是一个现实挑战——人工智能机架所需的电力水平相当于数百个家庭的用电量——但该行业寄希望于与另一种指数级趋势的融合：太阳能和电池存储技术成本的急剧下降。随着对工业级超级计算机投入约 1000 亿美元的资金，通往“认知丰裕”的道路正在铺就。对于微软人工智能的领导者来说，那些继续预测收益递减的怀疑论者，只是在观察一个历史性现象的边缘，而讽刺的是，这个现象才刚刚迈出第一步。