（來源：麻省理工科技評論）

本文作者穆斯塔法·蘇萊曼（Mustafa Suleyman）是微軟 AI 的 CEO，DeepMind 聯(lián)合創(chuàng)始人之一。這是他為《麻省理工科技評論》撰寫的署名評論文章。作為全球最大科技公司之一的 AI 業(yè)務負責人，蘇萊曼從算力、硬件、軟件和能源四個維度，解釋了為什么他認為 AI 的“算力爆炸”遠未見頂。以下是他的第一人稱敘述。

人類的大腦天生習慣于線性思維。走一小時路，你能覆蓋一段距離；走兩小時，距離就翻倍。這種直覺在非洲草原上對我們大有助益，但在面對 AI 以及它核心的指數(shù)級趨勢時，它會讓我們徹底誤判。

從我 2010 年開始從事 AI 研究到現(xiàn)在，投入前沿 AI 模型訓練的數(shù)據(jù)量已經(jīng)增長了驚人的 1 萬億倍：從早期系統(tǒng)的約 101? 次浮點運算（flops，即浮點運算次數(shù)，是計算的核心單位），增長到如今最大模型的超過 102? 次。這是一次爆炸。AI 領域的其他一切都是由這個事實派生出來的。

懷疑論者常常預言 AI 的發(fā)展即將撞上天花板。但在這場史詩級的跨代算力躍遷面前，他們一次又一次被現(xiàn)實打臉。這些人的論據(jù)通常有三個：摩爾定律正在放緩、可用的訓練數(shù)據(jù)即將枯竭、能源供給跟不上算力擴張的速度。

但只要把推動這場革命的幾股力量拼在一起看，指數(shù)級的增長其實相當可預測。要理解這一點，就得繞到新聞標題背后，看看那個復雜而飛速演進的真實圖景。

你可以把 AI 訓練想象成一間屋子，里面坐滿了拿著計算器的人。過去很多年，提升算力的辦法就是往屋里塞更多人、配更多計算器。但這些人大部分時間其實都閑著，手指敲著桌面，等下一組數(shù)據(jù)送過來好開始下一次運算。每一次等待都是被白白浪費掉的潛力。今天這場革命真正的突破，不只是讓計算器更多、更快（當然也做到了這一點），而是讓所有的計算器永不停工，并且像一個整體那樣協(xié)同運轉(zhuǎn)。

讓這一切成為可能的，是三項正在匯合的技術進步。

第一，基礎的計算器本身變快了。Nvidia 的芯片在短短六年里把原始性能提升了七倍以上，從 2020 年的 312 teraflops 漲到了今天的 2250 teraflops。我們今年 1 月發(fā)布的 Maia 200 芯片，單位成本下的性能比我們現(xiàn)有硬件池中的任何一款都高出 30%。

第二，數(shù)據(jù)到達的速度也跟上來了。這要歸功于一項叫做 HBM（高帶寬內(nèi)存）的技術，它像微型摩天樓一樣把內(nèi)存芯片垂直堆疊起來。最新一代的 HBM3 帶寬是上一代的三倍，送數(shù)據(jù)的速度快到足以讓處理器一刻不閑。

第三，原本那間坐滿計算器操作員的屋子，變成了一整棟辦公樓，進而變成了一個園區(qū)，最后變成了一座城市。NVLink 和 InfiniBand 這類技術把數(shù)十萬塊 GPU 連成一臺倉庫大小的超級計算機，作為一個統(tǒng)一的認知實體運行。幾年前，這還是做不到的。

這三件事合在一起，帶來了驚人的算力提升。2020 年在 8 塊 GPU 上訓練一個語言模型要花 167 分鐘，如今在同等規(guī)模的現(xiàn)代硬件上不到 4 分鐘就能完成。對比一下就知道這有多夸張：按摩爾定律推算，這段時間性能提升頂多也就 5 倍，而我們實際看到的是 50 倍。2012 年開啟現(xiàn)代深度學習熱潮的圖像識別模型 AlexNet 只用了 2 塊 GPU，如今最大的集群里 GPU 數(shù)量已經(jīng)超過 10 萬塊，而且每一塊都遠比當年的強大。

軟件層面的革命同樣不容忽視。根據(jù) Epoch AI 的研究，達到同一性能水平所需的算力，大約每 8 個月就減半一次，這比傳統(tǒng)摩爾定律 18 到 24 個月翻一番的節(jié)奏快得多。按年度計算，一些最新模型的部署成本下降了最多 900 倍。部署 AI 正變得越來越便宜。

未來幾年的數(shù)字同樣令人瞠目。頭部實驗室的算力規(guī)模正在以每年接近 4 倍的速度擴張。從 2020 年到現(xiàn)在，訓練前沿模型所用的算力每年增長 5 倍。預計到 2027 年，全球與 AI 相關的算力總量將達到 1 億塊 H100 等效算力，三年內(nèi)增長十倍。把這些趨勢疊加起來，到 2028 年底，有效算力可能還會再增長大約 1000 倍。到 2030 年，我們每年新增的算力規(guī)模可能達到 200 吉瓦，相當于英國、法國、德國、意大利四國峰值用電量的總和。

這一切換來的是什么？我相信它會推動 AI 從聊天機器人進化為接近人類水平的智能體：一種半自主的系統(tǒng)，能連續(xù)寫好幾天代碼，能執(zhí)行持續(xù)數(shù)周乃至數(shù)月的項目，能打電話、談合同、管物流。別再把 AI 想成只會回答問題的基礎助手，你該想象的是一整支能思考、能協(xié)作、能干活的 AI 團隊。我們現(xiàn)在只是剛剛走到這場轉(zhuǎn)型的山腳下，它的影響會遠遠超出科技行業(yè)。每一個建立在腦力勞動之上的行業(yè)都將被重塑。

最明顯的制約是能源。一臺冰箱大小的 AI 機架功耗就高達 120 千瓦，相當于 100 戶家庭的用電量。但這種對能源的饑渴，正好撞上了另一條指數(shù)曲線：過去 50 年，太陽能的成本下降了將近 100 倍；過去 30 年，電池價格下降了 97%。一條用清潔能源支撐算力擴張的路徑，正在逐漸浮現(xiàn)。

錢已經(jīng)砸下去了，工程也在交付。1000 億美元級別的集群、10 吉瓦的用電規(guī)模、倉庫級別的超級計算機……這些已經(jīng)不再是科幻。在美國和世界各地，這些項目正在動工。我們正在走向一個真正的"認知豐裕"時代。在微軟 AI，這就是我們的超級智能實驗室正在規(guī)劃和建造的未來。

那些習慣了線性世界的懷疑者，還會繼續(xù)預言回報遞減，也會繼續(xù)被現(xiàn)實打臉。算力爆炸就是我們這個時代的技術故事，而它才剛剛開始。

https://www.technologyreview.com/2026/04/08/1135398/mustafa-suleyman-ai-future/