近日，艾伦人工智能研究所(Allen Institute for AI)的研究科学家、卡内基梅隆大学助理教授Tim Dettmers在博客文章中指出：
现阶段的计算处理器技术已接近物理极限，有限的硬件扩展能力将成为实现通用人工智能(AGI)和超级智能的最大障碍。
他指出，关于AGI的讨论往往停留在哲学层面，但其最终实现必须依赖实际的运算能力支撑，现有硬件的扩展空间可能只剩下一到两年，此后任何性能提升都将面临物理上不可行性。
他强调，自2018年以来，GPU性能的提升已逐步趋于瓶颈，后续的改进主要依靠低精度数据类型和张量核心的优化，但这些新技术带来的效果并非如业界所宣传的那般大。
虽然单个GPU的性能已接近极限，但Dettmers认为，通过硬体整合创新仍可延长其使用寿命。
例如，NVIDIA最新的GB200 NVL72系统能够将加速器数量从8个提升至72个，从而实现了约30倍的推理性能提升。
声明：领域圈所有文章，如无特殊说明或标注，均来自于互联网或为领域圈用户原创发布。任何个人或组织，在未征得原作者同意时，禁止复制、盗用、采集、发布领域圈内容到任何网站、书籍等各类媒体平台。如若领域圈内容侵犯了原著者的合法权益，可联系我们进行处理。
