【新智元导读】一张震撼的数据图揭示了AI算力在过去70多年中实现了惊人的6.7亿倍增长，预示着未来AI将在各个领域全面超越人类智能。更令人振奋的是，当前AI行业正站在爆发前的黎明阶段，潜力无限。电子计算机诞生于上世纪40年代，仅仅十年后，人类历史上的首个AI应用便应运而生。如今，AI不仅能吟诗作赋，还能根据文本生成逼真图像，甚至协助科学家发现未知的蛋白质结构。是什么力量驱动AI技术实现如此迅猛的指数级发展？一张来自「我们数据中的世界」（Our World in Data）的权威长图，以AI模型训练算力为横轴，生动展现了AI发展的完整历程。高清大图获取方式：https://www.visualcapitalist.com/wp-content/uploads/2023/09/01.-CP_AI-Computation-History_Full-Sized.html
这张数据图的原始数据来源于MIT等顶尖高校研究人员发表的重要论文，论文链接：https://arxiv.org/pdf/2202.05924.pdf。研究团队基于该论文数据制作了可交互的动态表格，用户可缩放查看精确数据，表格地址：https://epochai.org/blog/compute-trends#compute-trends-are-slower-than-previously-reported。图表作者通过综合计算运算次数与GPU使用时长来评估模型训练所需算力，并采用三大标准筛选代表性模型：1）历史影响力：系统对SOTA（当前最佳技术）有重大突破或被引用超1000次；2）技术相关性：仅收录含实验结果和关键机器学习组件的论文，且目标为推动SOTA发展；3）独特性优先：同一系统若有更具影响力的论文描述，则排除重复收录。
AI发展历程可分为三个关键时代：
1950年代，美国数学家Claude Shannon研发的Theseus机器鼠开创了人工学习先河，其基于40个浮点运算（FLOPs）的架构标志着AI的诞生。FLOPs作为衡量计算性能的核心指标，其数值越高代表计算能力越强。在AI发展的初期阶段，计算能力遵循摩尔定律，约20个月翻倍一次。然而，2012年AlexNet（图像识别AI）的出现标志着深度学习时代的开启，计算能力翻倍周期骤降至6个月，这得益于科研人员对算力与处理器的巨额投入。2015年AlphaGo战胜人类围棋冠军后，AI发展进入第三个时代——大规模模型时代，其计算需求远超以往所有系统。
近十年来的计算能力增长堪称奇迹。以Minerva（数学问题解决AI）为例，其训练算力是十年前AlexNet的600万倍。这种爆发式增长，结合海量数据集与算法突破，使AI在极短时间内取得突破性进展。如今，AI不仅达到人类水平，更在诸多领域实现超越。从数据图可清晰看到，AI已在全球多个领域超越人类表现，并在更多领域即将实现超越。
AI技术发展势能充足，但未来仍面临挑战。计算能力增长能否持续？大规模模型对算力需求持续攀升，若算力供应不足可能制约AI发展。数据资源也可能面临枯竭——目前用于训练AI的数据可能无法支撑新模型开发。然而，2023年AI行业迎来资本狂潮，尤其是大语言模型等生成式AI领域。上半年融资额达140亿美元，超过去四年总和。值得注意的是78%的生成式AI初创公司仍处于极早期阶段，其中27%甚至未获融资。360多家生成式AI公司中，过半处于种子轮或更早阶段，显示行业仍处于萌芽期。
资本密集型的大语言模型开发推动生成式AI基础设施成为投资热点。自2022年第三季度以来，该领域融资占比超70%，尽管仅占所有生成式AI交易量的10%。投资者主要关注基础模型、API、MLOps及向量数据库等新兴基础设施技术。参考资料：https://www.visualcapitalist.com/cp/charted-history-exponential-growth-in-ai-computation/
