12月15日消息，再快I阻近日，行科學(xué)艾倫人工智能研究所（Allen Institute for AI）的礙算研究科學(xué)家、卡內(nèi)基梅隆大學(xué)助理教授Tim Dettmers在博客文章中指出：

現(xiàn)階段的力已計算處理器技術(shù)已接近物理極限，有限的接近極限硬件擴(kuò)展能力將成為實現(xiàn)通用人工智能（AGI）和超級智能的最大障礙。

他指出，物理關(guān)于AGI的再快I阻討論往往停留在哲學(xué)層面，但其最終實現(xiàn)必須依賴實際的行科學(xué)運算能力支撐，現(xiàn)有硬件的礙算擴(kuò)展空間可能只剩下一到兩年，此后任何性能提升都將面臨物理上不可行性。力已

他強(qiáng)調(diào)，接近極限自2018年以來，物理GPU性能的再快I阻提升已逐步趨于瓶頸，后續(xù)的行科學(xué)改進(jìn)主要依靠低精度數(shù)據(jù)類型和張量核心的優(yōu)化，但這些新技術(shù)帶來的礙算效果并非如業(yè)界所宣傳的那般大。

雖然單個GPU的性能已接近極限，但Dettmers認(rèn)為，通過硬體整合創(chuàng)新仍可延長其使用壽命。

例如，NVIDIA最新的GB200 NVL72系統(tǒng)能夠?qū)⒓铀倨鲾?shù)量從8個提升至72個，從而實現(xiàn)了約30倍的推理性能提升。