算力与成本 - 前沿AI算力集群成本将超过1000亿美元 支持约10^29次FLOP训练任务 相当于2020年全球最大算力集群运行三千年 [3] - 训练算力消耗达GPT-4数千倍 电力需求达吉瓦级别（1吉瓦=1000兆瓦） [3][5] - 地理分布式部署数据中心可缓解算力压力 [18] 规模化扩展与营收 - OpenAI、Anthropic和Google DeepMind 2024年下半年营收增幅超90% 年化增长率达三倍以上 [9] - OpenAI和Anthropic预计2025年仍保持三倍以上增速 [9] - AI收入增长至数千亿美元规模 潜在经济价值达数万亿美元 [19] 数据资源 - 公开人工生成文本数据预计2027年耗尽 [5][12] - 合成数据通过推理模型实现大规模生成 有效性获验证（如AlphaZero和AlphaProof超越人类专家） [15] 算法与算力分配 - 算法效率持续提升 但未出现加速迹象 算力需求可能进一步增长 [20] - 训练与推理算力消耗规模相当 需同步扩展 推理规模扩大不会延缓训练发展 [24][27] 科学领域应用突破 - 软件工程：AI可自主修复问题 实现功能 解决复杂科学编程问题（SWE-Bench-Verified和RE-Bench基准测试） [27][30] - 数学：在AIME、USAMO等高难度竞赛表现优异 可成为研究助理完善证明草稿 [31][32] - 分子生物学：蛋白质-配体相互作用基准测试（如PoseBusters）数年内突破 生物研发AI助理即将登场 [33] - 天气预报：优于传统预测方法 需提升极端事件预测准确性并投入实际应用 [34] 电力与资本支撑 - 太阳能配合电池储能或离网天然气发电可快速提升电力输出 [17] - 千亿美元级投资合理性取决于AI提升生产力产生的经济回报 [3][19]