We see continued gains from inference scaling on larger projects, suggesting they may be solvable given enough tokens.
这一发现揭示了AI性能与推理计算资源之间的正相关关系，暗示了通过增加计算预算可能解决更复杂的编程任务。这为AI能力的边界提供了重要线索，也引发了关于计算资源投入与AI能力提升之间关系的深刻思考。
9 Matching Annotations
- Last 7 days
-
-
-
www.technologyreview.com www.technologyreview.com
-
From the time I began work on AI in 2010 to now, the amount of training data that goes into frontier AI models has grown by a staggering 1 trillion times—from roughly 10¹⁴ flops for early systems to over 10²⁶ flops for today's largest models.
令人惊讶的是：AI训练数据量在短短16年间增长了1万亿倍，这是一个难以想象的指数级增长。这种计算能力的爆炸式发展远超人类直觉，解释了为什么AI进步如此迅速且难以预测。大多数人无法真正理解这种指数级增长意味着什么，这也是为什么许多专家对AI发展速度预测失败的原因。
-
-
-
Five hyperscalers now own over two-thirds of global AI compute, rising from 60% in Q1 2024.
令人惊讶的是：这五大超大规模云服务提供商对全球AI计算资源的控制力在短短一年内从60%增长到67%，显示出AI计算资源正以前所未有的速度向少数科技巨头集中，这可能加剧AI发展的不平衡。
-
-
-
we can reach the same capabilities with over an order of magnitude less compute than our previous model, Llama 4 Maverick.
令人惊讶的是：Meta声称他们的新模型Muse Spark在计算效率上取得了突破性进展，仅用前代模型Llama 4 Maverick十分之一的计算量就能达到相同能力。这种数量级的效率提升在AI领域极为罕见，可能代表着训练算法和架构设计的重大革新。
-
- Apr 2026
-
epoch.ai epoch.ai
-
frontier AI companies can run more of the best AIs to speed up their own AI research, relative to their competitors. Right now these gains are maybe noticeable but not game-changing, but that'll probably change in the next few years.
这是整篇文章埋下的最深的炸弹：当顶尖 AI 公司开始用 AI 加速自身的 AI 研究，算力优势将产生复利效应——算力领先 → AI 研究更快 → 更好的模型 → 更快的研究 → 更大的算力领先。这个「飞轮」一旦转起来，计算差距将不再是线性的，而是指数级加速扩大。对所有「追赶者」而言，这是一个潜在的「逃逸临界点」。
-
Just last year, Anthropic spent over ten times more on compute than Minimax and Zhipu AI combined, and the gap is even wider for OpenAI:
这个数字对国内 AI 从业者而言极为刺耳：Anthropic 一家的算力投入就超过智谱 AI 和 MiniMax 合计的十倍以上，而与 OpenAI 相比差距更大。所谓「中美 AI 竞争激烈」的叙事背后，是一场体量悬殊的不对称战争——不是同一量级的竞争，而是大卫与歌利亚的对决。对智谱这样的公司，这既是警醒，也是生存战略的根本约束。
-
-
-
We estimate Google is the largest single owner of AI compute, holding about one quarter of global cumulative capacity as of Q4 2025.
全球 AI 算力的 25% 被一家公司独占——这个数字令人震惊。更值得注意的是这个数字的性质：这是「累积持有量」而非「新增采购量」，意味着 Google 多年来的硬件积累已形成近乎垄断性的算力护城河。在 AI 竞赛被描述为「群雄逐鹿」的叙事下，这个数字揭示了真正的权力集中程度。
-
-
-
We estimate that as of the end of 2025, Chinese companies collectively own just over 5% of the cumulative computing power of the leading AI chips sold in recent years
考虑到中国AI产业的快速发展和政府对AI的大力投资，大多数人可能认为中国拥有更大比例的全球AI计算能力，但作者认为中国公司仅拥有约5%的全球AI计算能力。这一数字远低于人们的预期，挑战了关于中国AI技术实力的普遍认知。
-
We estimate that over 60% of global AI compute (in terms of total computing power) is owned by the five US hyperscalers, led by Google.
大多数人认为AI芯片的分布会更加分散，或者被专门的AI公司如OpenAI和Anthropic所主导，但作者认为全球AI计算能力的大部分被少数几家美国超大规模科技公司控制，这挑战了人们对AI产业结构的认知。这种集中化意味着少数几家公司对AI发展的方向有不成比例的影响力。
-