报告指出，人工智星空体育智能科技能若按照当前趋势持续扩张到2030年，前沿AI的算力集群成本将超过

　　此类集群可支持约10^29次FLOP的训练任务，相当于让2020年全球最大的人工智能算力集群不间断运行三千年。

　　与此同时，依托此类集群训练的AI模型，其算力消耗将达到GPT-4的数千倍，所需电力更将高达吉瓦级别。

　　如果AI能通过提高生产力产生相应的经济回报，那就足以证明数千亿美元星空体育智能科技的规模化投资是合理的，这些投资就物有所值。

　　因为从报告中可以看出，那些认为发展速度将会放缓的观点，实际上缺乏足够的依据。

　　虽有观点提出这种规模化扩展可能会遭遇瓶颈，但报告指出，近期的AI模型在各类基准测试和收入方面都取得了显著进步。

　　以GPT-5与GPT-4为例，它们均在基准测试中实现了相较于上一代代产品的重大飞跃。

　　根据OpenAI和Anthropic的营收预测，两家公司2025年仍将保持三倍以上的增速。

　　随着推理模型的出现，合成数据不仅能够大规模生成，其有效性也得到了进一步验证。

　　例如，AlphaZero和AlphaProof就仅通过自我生成的数据学习下棋和解决几何问题，其表现达到了甚至超过了人类专家水平。

　　现在有很多方式可以快速提升电力输出，例如太阳能配合电池储能，或离网天然气发电。

　　此外，前沿AI的训练任务已开始在多个数据中心进行地理分布式部署，这将缓解部分压力。

　　然而，Epoch表明，如果AI开发者的收入按照近期趋势持续增长，其规模将足以匹配预测的2030年所需的1000亿美元以上投资。

　　AI收入增长至数千亿美元看似极端，但如果AI能显著提升大量工作任务的生产力，其潜在价值可能高达数万亿美元。

　　目前并没有特别理由预期算法进展会突然加速，况且即便出现这种情况，反而可能刺激算力需求的进一步增长。

　　但报告表明，目前训练与推理消耗的算力规模相当，且存在充分理由表明二者应当同步扩展。

　　即使出现向推理任务的倾斜，推理规模的扩大也不太可能延缓训练领域的发展进程。

　　因此，Epoch认为，将当前发展趋势外推至2030年的预测具有充分说服力的，这促使他们进一步推断AI未来的能力水平。

　　现有基准测试进展表明，到2030年，人工智能将能够利用自然语言实现复杂的科学软件，协助数学家形式化证明草图，并回答有关生物学方案的复杂问题。

　　报告指出，按照当前趋势，到2030年，人工智能将能够自主修复问题、实现功能，并解决复杂（但定义明确的）科学编程问题。

　　SWE-Bench-Verified：一个编程基准测试，基于解决真实的GitHub问题并配套相关单元测试，其中也包括采用私有方法的模型，如Claude Sonnet 4。

　　RE-Bench：一个研究工程基准测试，基于类似求职者家庭作业的任务，人类完成大约需8小时。

　　所以Epoch预测，AI很快可能成为研究助理，协助完善证明草稿或数学直觉。

　　报告指出，蛋白质-配体相互作用的公共基准测试（如PoseBusters）有望在未来数年内取得突破。

　　与此同时，生物研发领域的AI桌面研究助理即将登场。现有生物学实验方案问答基准测试预计2030年前全面解决。

　　目前，AI已经能够在从数小时到数周的时间范围内优于传统预测方法。但随着数据量的增加，其预测能力还有望进一步提升。

　　未来的挑战在于进一步提高现有预测的准确性，尤其是对罕见或极端事件的预测，并将改进后的预测应用于实际场景，从而带来更广泛的社会和经济效益。

　　总的来说，2030年，AI很可能无处不在，影响我们工作、学习和生活的方方面面。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　空军首位藏族女飞行员格桑白珍现身长春航空展：想成为最帅女机长谭红梅这样的优秀飞行员

　　实探成都苹果直营店：取iPhone 17的顾客在店外排起长队，有人5点半就来了

　　世锦赛名次得分表：美国11金3银3铜220分断层，中国2银2铜48分第5

　　从疯狂鸡娃到学历贬值，再到技能至上，日本教育的前车之鉴，带来哪些启示？