北京
新智元报道
2亿枚AI芯片，要集体开机了！
目前，全球投入使用的AI芯片，总算力已经相当于约2000万枚英伟达H100芯片。
按照Epoch AI的估算，这个数字大约每9个月翻一倍。
到2028年年底，全球AI算力预计将相当于约2亿枚。
不到3年，直接增长到今天的10倍。
但这2亿枚芯片，并不只是为了训练一个更大的模型。
它们要支撑的是一套不断加速的循环：
芯片增加，模型变强；
模型变强，Agent开始承接更多工作；
Agent开始参与写代码、跑实验，下一代模型的研发随之提速；
新模型上线，又带来更大的算力需求。
每转一圈，需要的算力更多，AI迭代的速度也会更快。
而这，正是AI行业正在押注的ASI路径。
AI数据中心，进入百万级算力时代
要让这套循环真正跑起来，第一步就是把更多芯片组成更大的计算集群。
目前，Epoch AI追踪的74座大型AI数据中心共有约1250万枚等效芯片。
其中，最大的Colossus 2位于美国孟菲斯，算力约为111.2万枚。
紧接着的几座，也已经冲到几十万枚量级：
微软Fairwater Atlanta：约76.9万枚；
Meta Prometheus：约76.3万枚；
亚马逊New Carlisle：约68.6万枚；
OpenAI Stargate Abilene：约50.9万枚。
训练前沿模型时，海量芯片需要通过高速网络持续交换数据。一次训练可能运行数周甚至数月，芯片、网络、存储和软件必须一起协作。
从某种角度来说，数据中心本身，已经变成了新一代计算机。
2022｜得梅因：OpenAI在爱荷华州得梅因附近的数据中心完成GPT-4训练。
2024｜孟菲斯：xAI把一座旧家电工厂改造成Colossus，一次接入10万枚英伟达GPU。
2026｜印第安纳：Anthropic接入亚马逊建设的互联数据中心集群。
2026｜威斯康星：微软首座Fairwater设施正式投运，性能达到全球最快超级计算机的10倍。
相应的，投入的资金也随之起飞。
2026年，亚马逊、Alphabet、Meta、微软和甲骨文五家公司的资本开支预计合计约7500亿美元，相当于它们全年总收入的38%。
IDC预计，AI基础设施支出将从2025年的3180亿美元，增长到2029年的1万亿美元以上。
把芯片、服务器、光纤、土地和电力全算进去，这场AI建设已经冲到了人类基础设施史上从未有过的规模。
根据Google DeepMind联合创始人兼CEO Demis Hassabis判断，AI带来的技术变革，不仅可能会达到工业革命的10倍，而且推进速度也会快10倍。
芯片越堆，Agent越能干
算力起来以后，最先变强的是模型。
律师考试、15天天气预报、疾病机制研究、延续数十年的数学难题，AI能处理的事情一项项增加。
更明显的变化，出现在Remote Labor Index里。
这套测试包含240个真实项目，覆盖23个领域，相当于超过6000小时的人类工作。
2025年10月，领先模型只能完成其中2.5%的任务。到了2026年7月，Claude Fable 5已经把完成率拉到16.1%。
8个月，能力涨了6倍多！
虽然AI还包办不了所有工作，但已经开始承接可以交付、验收和计价的任务。
模型越能干，Agent接手的任务也越复杂。
你随口说一句「帮我做一份市场调研」，Agent就要搜索网页、阅读文件、运行代码、制作表格、核对数字，再根据结果调整后续步骤。
Agent每向前走一步，后台就要再进行一轮计算。
这部分计算，就是推理。
Gartner预计，2026年面向AI的云基础设施支出中，55%将用于推理；到2029年，这一比例将超过65%！
当然，Agent能接手的不只是市场调研。
更难的科研任务，也开始进入同一套工作流。
7月，Claude Fable 5甩出一个反例，推翻了存在87年的广义雅可比猜想。
另一边，Claude Science不仅把接近两年的科研工作压缩到了几周，还让一套基因分析流程提速了近10倍。
而所有科研任务中，最特殊的一类，正是AI研发本身。
AI正在学会造自己
最直接的例子，来自GPT‑5.6 Sol。
就在最近，它把支撑整个GPT‑5.6系列运行的生产系统给优化了。
具体来说，工程师先定方向，然后Sol直接参与重写GPU Kernel，一口气跑了数百次实验。
结果就是，端到端服务成本下降20%，Token生成效率提升超过15%。
OpenAI转头就把这轮效率提升写进了价格表。
GPT‑5.6 Luna的输入、输出价格同时下调80%，直接降到原来的两折。
AI一边参与改进系统，一边把自己的运行成本打下来。
这个循环，已经开始了。
在Google首席科学家Jeff Dean看来，未来可以让成千上万个小模型同时提出研究想法、设计实验、分析结果，再把最好的线索交给更大的模型和人类研究者，然后一直迭代下去
至此，整条链路就真正地接上了：
算力变成模型，模型驱动Agent，Agent又回到研发流程，参与制造下一代AI。
2亿枚AI芯片不是终点。它们要让这个循环跑得更快。
而AI，已经开始给下一个AI打工了。
参考资料：
https://www.linkedin.com/posts/jorge-guajardo_the-impending-inescapable-deluge-of-ai-activity-7489710082021158912-FZRh/
编辑：摩西
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
