馬斯克剛關(guān)注了這份AI報(bào)告
2030年的人工智能將會是什么樣子？
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^1000億美元；
- 需消耗數(shù)吉瓦（1吉瓦=1000兆瓦）電力；
- 公開文本數(shù)據(jù)將于2027年耗盡，合成數(shù)據(jù)將填補(bǔ)空白；
- 人工智能有望推動科學(xué)領(lǐng)域全面突破。
圖片
對此，馬斯克也是十分關(guān)注，直接評論道：“很明顯啊?！?/span>
圖片
下面詳細(xì)來看。
耗資千億美元
報(bào)告指出，人工智能若按照當(dāng)前趨勢持續(xù)擴(kuò)張到2030年，前沿AI的算力集群成本將超過1000億美元。
此類集群可支持約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)?；顿Y是合理的，這些投資就物有所值。
然而，這種趨勢真的能持續(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)展速度將會放緩的觀點(diǎn)，實(shí)際上缺乏足夠的依據(jù)。
規(guī)?；瘮U(kuò)展與營收方面
雖有觀點(diǎn)提出這種規(guī)模化擴(kuò)展可能會遭遇瓶頸，但報(bào)告指出，近期的AI模型在各類基準(zhǔn)測試和收入方面都取得了顯著進(jìn)步。
這種瓶頸可能會出現(xiàn)，但目前還沒有明顯的證據(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的營收增幅均超90%，相當(dāng)于年化增長率達(dá)三倍以上。
根據(jù)OpenAI和Anthropic的營收預(yù)測，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)真的會被耗盡嗎？
報(bào)告指出，目前公開的人工生成文本數(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就僅通過自我生成的數(shù)據(jù)學(xué)習(xí)下棋和解決幾何問題，其表現(xiàn)達(dá)到了甚至超過了人類專家水平。
電力方面
現(xiàn)在有很多方式可以快速提升電力輸出，例如太陽能配合電池儲能，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)展成本過高，AI開發(fā)者可能會選擇放緩?fù)顿Y。
然而，Epoch表明，如果AI開發(fā)者的收入按照近期趨勢持續(xù)增長，其規(guī)模將足以匹配預(yù)測的2030年所需的1000億美元以上投資。
AI收入增長至數(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)萬億美元。
算法方面
有觀點(diǎn)認(rèn)為，人工智能開發(fā)可能會轉(zhuǎn)向更高效的算法。
事實(shí)上，在算力持續(xù)增長的背景下，算法效率已然在不斷提升。
目前并沒有特別理由預(yù)期算法進(jìn)展會突然加速，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。
圖片
算力分配方面
有人提出，AI公司可能會把原本用于訓(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)展趨勢外推至2030年的預(yù)測具有充分說服力的，這促使他們進(jìn)一步推斷AI未來的能力水平。
AI將加速多個(gè)領(lǐng)域的科學(xué)研發(fā)
現(xiàn)有基準(zhǔn)測試進(jìn)展表明，到2030年，人工智能將能夠利用自然語言實(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，到2030年，人工智能將能夠自主修復(fù)問題、實(shí)現(xiàn)功能，并解決復(fù)雜（但定義明確的）科學(xué)編程問題。
上圖的兩個(gè)基準(zhǔn)測試分別為：
SWE-Bench-Verified：一個(gè)編程基準(zhǔn)測試，基于解決真實(shí)的GitHub問題并配套相關(guān)單元測試，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)測試，基于類似求職者家庭作業(yè)的任務(wù)，人類完成大約需8小時(shí)。
數(shù)學(xué)
可以看出，AI在AIME、USAMO、FrontierMath高難度數(shù)學(xué)競賽上均表現(xiàn)優(yōu)異。
所以Epoch預(yù)測，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。
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)測試（如PoseBusters）有望在未來數(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?，F(xiàn)有生物學(xué)實(shí)驗(yàn)方案問答基準(zhǔn)測試預(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)測方法。但隨著數(shù)據(jù)量的增加，其預(yù)測能力還有望進(jìn)一步提升。
未來的挑戰(zhàn)在于進(jìn)一步提高現(xiàn)有預(yù)測的準(zhǔn)確性，尤其是對罕見或極端事件的預(yù)測，并將改進(jìn)后的預(yù)測應(yīng)用于實(shí)際場景，從而帶來更廣泛的社會和經(jīng)濟(jì)效益。
總的來說，2030年，AI很可能無處不在，影響我們工作、學(xué)習(xí)和生活的方方面面。
所以說，想贏在未來？先學(xué)會如何用AI吧。
參考鏈接：
[1]https://epoch.ai/blog/what-will-ai-look-like-in-2030
[2]https://x.com/elonmusk/status/1968323077315649853
[4]https://epoch.ai/files/AI_2030.pdf
