近日,艾倫人工智能研究所(Allen Institute for AI)的研究科學家、卡內基梅隆大學助理教授Tim Dettmers在博客文章中指出:
現階段的計算處理器技術已接近物理極限,有限的硬件擴展能力將成為實現通用人工智能(AGI)和超級智能的最大障礙。
他指出,關于AGI的討論往往停留在哲學層面,但其最終實現必須依賴實際的運算能力支撐,現有硬件的擴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。
他強調,自2018年以來,GPU性能的提升已逐步趨于瓶頸,后續的改進主要依靠低精度數據類型和張量核心的優化,但這些新技術帶來的效果并非如業界所宣傳的那般大。
雖然單個GPU的性能已接近極限,但Dettmers認為,通過硬體整合創新仍可延長其使用壽命。
例如,NVIDIA最新的GB200 NVL72系統能夠將加速器數量從8個提升至72個,從而實現了約30倍的推理性能提升。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.