新智元报道
编辑：元宇
AI 是否会在 5 年内破解黎曼猜想？是否会保持每年 5x 的算力扩张节奏？十年后，AI 将把我们带向一个什么样的世界？近日，Epoch AI 负责人 Jaime Sevilla，与数据与分析负责人 Yafah Edelman 在对话中，为我们揭示了未来十年 AI 发展的路线图。
「如果未来五年内看到 AI 解出黎曼猜想，我一点也不会太惊讶。」
近日，Epoch AI 负责人 Jaime Sevilla，与公司数据与分析负责人 Yafah Edelman 在一次播客节目中，为我们揭示了未来十年，AI 的发展路线图。
Jaime Sevilla（左）与 Yafah Edelman（右）
对话谈到了以下问题：
-
我们是否会持续每年 5x 的算力扩张节奏？
-
什么时候，AI 能基本自动化所有「认知任务」，而且成本不高于人类？
-
2030 年，经济是会放缓，还是将起飞？
-
十年后，AI 将我们带入一个什么样的世界？
对话中，Jaime 预测到 2035 年，AI 可以推动经济实现每年 10% 的增长，并笑称这一预测结果，可能迎来两拨人截然不同的评价：
一类是经济学家，他们可能会觉得：「这些人疯了，他们居然说每年会有 10% 的增长。」
一类是 AI 圈的人，他们可能会觉得：「这些人疯了，他们居然说每年只有 10% 的增长。」
每年5×算力扩张，可以持续吗？
Jaime：当前每年大约 5x 的算力扩张节奏，还能维持多久？
Yafah 认为，未来两年内，5x 的算力增速会放慢，甚至现在可能已经不是 5x 了，原因之一是现在的数据中心建设非常耗时。
即使把 Stargate 和 Abilene 的公开计划都算上，未来也维持不了每年 5x 的增速。
主要原因，是驱动扩张的因素也在变化。
Yafah 预期训练运行时长已扩大到「几个月」为单位，如果不考虑「训练时长增加」因素，每年算力增长扩张速度可能只是 2.5x-3x。
以 Grok 4 为例，Yafah 并不认为它新增的算力总量会超过当初 Grok 3 的训练：
Grok 4，更像是在 Grok 3 上加了一层 RL。如果使用更多 GPU，训练时长大概率也会更短。
由于算法进步，以及产品研发流程的加速，Yafah 预期训练时长并不会继续变长。
她认为 3 到 6 个月的训练时长是合理的。当然，这里面仍有扩张空间，比如：
Grok 3/4 完全可以用更多 GPU 去训练，投入更多算力；
OpenAI，有了 Stargate 之后，如果愿意「猛踩油门」去维持每年 5x 的节奏，至少还能再坚持个一两年。
但随后，速度就会慢下来。
那么，随着算力的快速增长，到 2030 年，我们会得到什么样的 AI？
Jaime ：2030 年，我们的最大训练运行可能到 1e29FLOP 吗？
Yafah：我觉得能。
相当于 GPT-4 级的训练，1e29 FLOP 大概是几千倍的算力。
这种情况下，Yafah 预期我们将得到一个相当能打的「AI 智能体」，它的主要特征是：
可以高度稳定地完成简单的电脑操作任务，成本极低、速度极快。而且，「低级的推理失误和困惑」也会显著减少。
仅仅这些，已经是巨变。
同时，我们还很可能看到其他具有足够推理能力的 AI，开始在数学、物理等领域做出一些新发现。
Jaime 预测到 2030 年，在数学或物理领域，会有一个大名鼎鼎的问题被 AI 基本解决。
比如，解出黎曼猜想。
Yafah 对此也深表赞同，她认为这恰恰是 AI 特别擅长的地方。
AI 程序员，如何改变世界？
Jaime 谈到了「AI 程序员如何改变世界」，比如它可以直接帮我们拟定周末活动的方案，再顺手做个小应用邀请大家。
这个，目前已经发生了。
在「代码质量」上，Yafah 认为 AI 可能会高于人类。
甚至可能接近这样一个点：AI 所写的代码，并不太需要人类工程师的审核。
而且这一点也很可能被市场「钱包」所接受：
如果那些使用 AI 的公司，能给出相似甚至更好的产品，而且价格更低，用户也极有可能使用它们。
当 AI 代替许多入门级的岗位，就会出现一种奇怪的均衡：雇人其实就是让他们用 AI，而且你本来也可以直接用 AI。
那么，为什么还要雇工程师？
Yafah 认为，这时工程师的工作，就不再是「写代码」，而是去琢磨产品定位、架构、测试、系统搭建等问题。
他们更多是「告诉技术该做什么」，而不是「亲手去把技术做出来」。
虽然多数人的工作，是管理 AI 产出结果，但这并不会占用很多时间。
Yafah 说，「如果我要花很多时间跟 AI 来回沟通，那往往意味着它还不太能做我想要的事情。」
2030：经济会放缓，还是将起飞？
AI 公司的营收，现在是「几十亿美元」量级，大概每年 3x 的增速。
虽然，保持这样的增速很难，但从现在到 2030 年，每年翻一番不是没可能。
Jaime 说，过去 70 年，经济体的年增速大概在2% 左右，如果 AI 公司能做到「每年几千亿美元」的产出，足以把当前的经济增速翻倍。
但 Yafah 提醒我们，应当注意技术快速增长背后的泡沫：
在未来十年中，我们可能看到在算力、GPU、建厂、基建、数据中心等方面，许多「万亿级」的投入，但我并不确定 GPU 的投入会不会体现在 GDP 里。
在 Yafah 看来，历史上出现过许多类似技术的快速扩张与投资不确定性，比如互联网时期的 .com 泡沫、英国的铁路热潮，都是快速扩张、投资汹涌背后产生的风险。
Jaime 认为到了 2030 年，以下情况都有可能出现：
一种是增长突然大幅放缓，要持续很久才能恢复增长；另一种是自动化更多领域，从而加速增长，让「加速」又反过来推动对 AI 的投入。
Yafah 认为这个问题，要分为两个阶段来看：
第一阶段，是「基础设施扩张期」：这个阶段扩张是可持续的，但她不确定这阶段会持续多久，也许 2030 年是个偏激进的节点。
第二个阶段，是「可能的爆炸式经济增长」。她将「爆炸式增长」定义为至少每年 30% 的 GDP 增长。
如果 AI 能自动化所有岗位，那爆炸式增长就非常合理，但她不确定自动化比例要达到哪个点上，才会进入爆炸式增长。
可以确定的是：如果想要「持续」增长，就必须持续自动化。
什么时候，AI 能基本自动化所有「认知任务」，而且成本不高于人类？
在这个问题上，Yafah 和 Jaime 的判断基本一致：是 2034 年到 2035 年。
迈向「更快的世界」
站在今天，如何判断 2035 年以后，AI 能够跑多快？
Jaime 将之归结为三个要素：
-
机器人制造的速度；
-
技术的规模回报；
-
智能的回报（能否得到远超人类的 AI）。
对于「技术回报」和「智能回报」的速度，Jaime 持怀疑态度。
在机器人制造速度方面，他认为主要看投资人能否提前投入，以便在 AI 够好时，能够准备充足的机器人。
其中最主要的挑战，就是机器人的生产成本。
Yafah 认为机器人的生产，将极大增加 AI 的投入规模。
以 1000 亿美元算，如果每台「身体」要 10 万美元，那也只有 100 万台机器人，这确实不够多。
要把成本打下来，还要看「AI 驱动的研发」是否足够给力，只有靠机器人，才能大幅提升机器人制造的速度。
制造环节里，你未必需要「超过百万」的机器人来参与，也许只用 10 万就够改变曲线。
从现在到十年末，AI 可以持续当前的「疯狂扩张」，足以成为拉动经济的重要变量。
到了 2030 年，虽然仍会有一小撮「长尾认知能力」没被自动化，但可能也不远了。这时继续扩张变得更难，但不会停下。
这一切都将我们带向一个「更快的世界」。
Jaime 将迈向「更快的世界」的过程，总结为三个阶段：
-
规模化时代：2025 年至 2030 年；
-
商品化/普及时代：2030 年至 2035 年，将增长率拉到至少 10%，并可能自动化一切认知任务；
-
AI 经济时代：2035 年至 2040 年或 2045 年之间某个时点，AI 会「接管经济」，进入全面的（双曲线式）超指数增长。
Jaime 认为：AI 已经成为一种「压倒性的经济主导力量」，「把全球增速推到至少 10%，这并不疯狂，我觉得完全会发生。」
参考资料：https://x.com/EpochAIResearch/status/1963999866138317097
