馬斯克剛關(guān)注了這份AI報(bào)告

2025-09-19 12:31:45

如果AI能通過(guò)提高生產(chǎn)力產(chǎn)生相應(yīng)的經(jīng)濟(jì)回報(bào)，那就足以證明數(shù)千億美元的規(guī)模化投資是合理的，這些投資就物有所值。然而，這種趨勢(shì)真的能持續(xù)下去嗎？答案是肯定的。

2030年的人工智能將會(huì)是什么樣子？

受谷歌DeepMind委托，Epoch發(fā)布新報(bào)告，從算力、數(shù)據(jù)、收入等方面進(jìn)行了詳細(xì)剖析。

要點(diǎn)總結(jié)如下：

訓(xùn)練成本或?qū)⒊^(guò)1000億美元；
需消耗數(shù)吉瓦（1吉瓦=1000兆瓦）電力；
公開(kāi)文本數(shù)據(jù)將于2027年耗盡，合成數(shù)據(jù)將填補(bǔ)空白；
人工智能有望推動(dòng)科學(xué)領(lǐng)域全面突破。

圖片

對(duì)此，馬斯克也是十分關(guān)注，直接評(píng)論道：“很明顯啊。”

圖片

下面詳細(xì)來(lái)看。

耗資千億美元

報(bào)告指出，人工智能若按照當(dāng)前趨勢(shì)持續(xù)擴(kuò)張到2030年，前沿AI的算力集群成本將超過(guò)1000億美元。

此類(lèi)集群可支持約10^29次FLOP的訓(xùn)練任務(wù)，相當(dāng)于讓2020年全球最大的人工智能算力集群不間斷運(yùn)行三千年。

與此同時(shí)，依托此類(lèi)集群訓(xùn)練的AI模型，其算力消耗將達(dá)到GPT-4的數(shù)千倍，所需電力更將高達(dá)吉瓦級(jí)別。

盡管這些挑戰(zhàn)令人望而生畏，但并非不可克服。

如果AI能通過(guò)提高生產(chǎn)力產(chǎn)生相應(yīng)的經(jīng)濟(jì)回報(bào)，那就足以證明數(shù)千億美元的規(guī)模化投資是合理的，這些投資就物有所值。

然而，這種趨勢(shì)真的能持續(xù)下去嗎？答案是肯定的。

因?yàn)閺膱?bào)告中可以看出，那些認(rèn)為發(fā)展速度將會(huì)放緩的觀點(diǎn)，實(shí)際上缺乏足夠的依據(jù)。

規(guī)模化擴(kuò)展與營(yíng)收方面

雖有觀點(diǎn)提出這種規(guī)模化擴(kuò)展可能會(huì)遭遇瓶頸，但報(bào)告指出，近期的AI模型在各類(lèi)基準(zhǔn)測(cè)試和收入方面都取得了顯著進(jìn)步。

這種瓶頸可能會(huì)出現(xiàn)，但目前還沒(méi)有明顯的證據(jù)表明它已經(jīng)發(fā)生。

以GPT-5與GPT-4為例，它們均在基準(zhǔn)測(cè)試中實(shí)現(xiàn)了相較于上一代代產(chǎn)品的重大飛躍。

在收入方面，2024年下半年，OpenAI、Anthropic和Google DeepMind的營(yíng)收增幅均超90%，相當(dāng)于年化增長(zhǎng)率達(dá)三倍以上。

根據(jù)OpenAI和Anthropic的營(yíng)收預(yù)測(cè)，兩家公司2025年仍將保持三倍以上的增速。

圖片

數(shù)據(jù)方面

數(shù)據(jù)真的會(huì)被耗盡嗎？

報(bào)告指出，目前公開(kāi)的人工生成文本數(shù)量至少能支撐到2027年。

隨著推理模型的出現(xiàn)，合成數(shù)據(jù)不僅能夠大規(guī)模生成，其有效性也得到了進(jìn)一步驗(yàn)證。

例如，AlphaZero和AlphaProof就僅通過(guò)自我生成的數(shù)據(jù)學(xué)習(xí)下棋和解決幾何問(wèn)題，其表現(xiàn)達(dá)到了甚至超過(guò)了人類(lèi)專(zhuān)家水平。

電力方面

現(xiàn)在有很多方式可以快速提升電力輸出，例如太陽(yáng)能配合電池儲(chǔ)能，或離網(wǎng)天然氣發(fā)電。

此外，前沿AI的訓(xùn)練任務(wù)已開(kāi)始在多個(gè)數(shù)據(jù)中心進(jìn)行地理分布式部署，這將緩解部分壓力。

資本方面

有人擔(dān)心，如果擴(kuò)展成本過(guò)高，AI開(kāi)發(fā)者可能會(huì)選擇放緩?fù)顿Y。

然而，Epoch表明，如果AI開(kāi)發(fā)者的收入按照近期趨勢(shì)持續(xù)增長(zhǎng)，其規(guī)模將足以匹配預(yù)測(cè)的2030年所需的1000億美元以上投資。

AI收入增長(zhǎng)至數(shù)千億美元看似極端，但如果AI能顯著提升大量工作任務(wù)的生產(chǎn)力，其潛在價(jià)值可能高達(dá)數(shù)萬(wàn)億美元。

算法方面

有觀點(diǎn)認(rèn)為，人工智能開(kāi)發(fā)可能會(huì)轉(zhuǎn)向更高效的算法。

事實(shí)上，在算力持續(xù)增長(zhǎng)的背景下，算法效率已然在不斷提升。

目前并沒(méi)有特別理由預(yù)期算法進(jìn)展會(huì)突然加速，況且即便出現(xiàn)這種情況，反而可能刺激算力需求的進(jìn)一步增長(zhǎng)。

圖片

算力分配方面

有人提出，AI公司可能會(huì)把原本用于訓(xùn)練的算力“轉(zhuǎn)移”到推理環(huán)節(jié)。

但報(bào)告表明，目前訓(xùn)練與推理消耗的算力規(guī)模相當(dāng)，且存在充分理由表明二者應(yīng)當(dāng)同步擴(kuò)展。

圖片

即使出現(xiàn)向推理任務(wù)的傾斜，推理規(guī)模的擴(kuò)大也不太可能延緩訓(xùn)練領(lǐng)域的發(fā)展進(jìn)程。

因此，Epoch認(rèn)為，將當(dāng)前發(fā)展趨勢(shì)外推至2030年的預(yù)測(cè)具有充分說(shuō)服力的，這促使他們進(jìn)一步推斷AI未來(lái)的能力水平。

AI將加速多個(gè)領(lǐng)域的科學(xué)研發(fā)

現(xiàn)有基準(zhǔn)測(cè)試進(jìn)展表明，到2030年，人工智能將能夠利用自然語(yǔ)言實(shí)現(xiàn)復(fù)雜的科學(xué)軟件，協(xié)助數(shù)學(xué)家形式化證明草圖，并回答有關(guān)生物學(xué)方案的復(fù)雜問(wèn)題。

許多科學(xué)領(lǐng)域都將擁有堪比當(dāng)今軟件工程師編程助手的人工智能助手。

Epoch以圖表的形式，直觀展示了4個(gè)領(lǐng)域中AI日益增強(qiáng)的科研能力：

軟件工程

報(bào)告指出，按照當(dāng)前趨勢(shì)，到2030年，人工智能將能夠自主修復(fù)問(wèn)題、實(shí)現(xiàn)功能，并解決復(fù)雜（但定義明確的）科學(xué)編程問(wèn)題。

上圖的兩個(gè)基準(zhǔn)測(cè)試分別為：

SWE-Bench-Verified：一個(gè)編程基準(zhǔn)測(cè)試，基于解決真實(shí)的GitHub問(wèn)題并配套相關(guān)單元測(cè)試，其中也包括采用私有方法的模型，如Claude Sonnet 4。

RE-Bench：一個(gè)研究工程基準(zhǔn)測(cè)試，基于類(lèi)似求職者家庭作業(yè)的任務(wù)，人類(lèi)完成大約需8小時(shí)。

數(shù)學(xué)

可以看出，AI在AIME、USAMO、FrontierMath高難度數(shù)學(xué)競(jìng)賽上均表現(xiàn)優(yōu)異。

所以Epoch預(yù)測(cè)，AI很快可能成為研究助理，協(xié)助完善證明草稿或數(shù)學(xué)直覺(jué)。

分子生物學(xué)

報(bào)告指出，蛋白質(zhì)-配體相互作用的公共基準(zhǔn)測(cè)試（如PoseBusters）有望在未來(lái)數(shù)年內(nèi)取得突破。

與此同時(shí)，生物研發(fā)領(lǐng)域的AI桌面研究助理即將登場(chǎng)。現(xiàn)有生物學(xué)實(shí)驗(yàn)方案問(wèn)答基準(zhǔn)測(cè)試預(yù)計(jì)2030年前全面解決。

天氣預(yù)報(bào)

目前，AI已經(jīng)能夠在從數(shù)小時(shí)到數(shù)周的時(shí)間范圍內(nèi)優(yōu)于傳統(tǒng)預(yù)測(cè)方法。但隨著數(shù)據(jù)量的增加，其預(yù)測(cè)能力還有望進(jìn)一步提升。

未來(lái)的挑戰(zhàn)在于進(jìn)一步提高現(xiàn)有預(yù)測(cè)的準(zhǔn)確性，尤其是對(duì)罕見(jiàn)或極端事件的預(yù)測(cè)，并將改進(jìn)后的預(yù)測(cè)應(yīng)用于實(shí)際場(chǎng)景，從而帶來(lái)更廣泛的社會(huì)和經(jīng)濟(jì)效益。