近日，再快艾倫人工智能研究所(Allen Institute for AI)的也不已接研究科學(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)階段的行科學(xué)家限計(jì)算處理器技術(shù)已接近物理極限，有限的示警算力硬件擴(kuò)展能力將成為實(shí)現(xiàn)通用人工智能(AGI)和超級(jí)智能的最大障礙。

他指出，近物關(guān)於AGI的理極討論往往停留在哲學(xué)層麵，但其最終實(shí)現(xiàn)必須依賴實(shí)際的再快運(yùn)算能力支撐，現(xiàn)有硬件的也不已接擴(kuò)展空間可能隻剩下一到兩年，此後任何性能提升都將麵臨物理上不可行性。行科學(xué)家限

他強(qiáng)調(diào)，示警算力自2018年以來(lái)，近物GPU性能的理極提升已逐步趨於瓶頸，後續(xù)的再快改進(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(lái)的也不已接效果並非如業(yè)界所宣傳的那般大。

雖然單個(gè)GPU的行科學(xué)家限性能已接近極限，但Dettmers認(rèn)為，通過(guò)硬體整合創(chuàng)新仍可延長(zhǎng)其使用壽命。

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