能耗

然而，如果未来人工智能的单位任务能耗大幅下降，那么现有部分面向高能耗计算的基础设施可能出现利用率下降或结构性富余。

三、基础设施可能经历重新配置人工智能能耗效率的大幅提高，可能对现有的能源和计算基础设施产生重要影响。

二、人工智能能耗效率可能存在巨大的提升空间未来人工智能的进步，不能只用模型参数规模、训练数据数量或基准测试成绩来衡量。

人工智能能耗效率的大幅提高，可能对现有的能源和计算基础设施产生重要影响。

人工智能能耗效率的提升，可能来自多个方面，除了笔者在前一篇文章中所提到的那两个因素外，以下几个方面也应是同样关键的。

如果上述这些方向的确可以不断取得突破，那么未来人工智能的能耗就可能出现数量级上的巨大下降。

未来的模型可能会更加模块化、专业化和稀疏化，只激活与当前任务相关的部分网络，而不必让整个系统同时参与计算。

html上一篇：从人脑的低功耗与学习特征反观人工智能能耗巨大的两个可能根源欢迎参加科学网十佳博文评选活动！

本文承接《从人脑的低功耗与学习特征反观人工智能能耗巨大的两个可能根源》（https:

mod=space&uid=3234816&do=blog&id=1539877一文后有关人工智能能耗问题的讨论，受陈老师的那个相关提问所启发，随后经过自己的多次反复思考咀嚼和补充完善后所得。

从人脑的低功耗与学习特征反观人工智能能耗巨大的两个可能根源从人脑的低功耗与学习特征反观人工智能能耗巨大的两个可能根源精选

从人脑的学习过程特征，以及人脑为何能够以远低于人工智能的能耗完成复杂认知活动这两个角度出发，笔者提出以下两个可能的原因。

总的来看，人工智能能耗巨大，可能既与训练数据质量有关，也与模型规模、模型结构和训练方式等有关。

结语：总的来看，人工智能能耗巨大，可能既与训练数据质量有关，也与模型规模、模型结构和训练方式等有关。

如果人工智能未来能够在学习机制、记忆组织、推理方式和硬件结构等方面取得进一步突破，那么其能耗水平有可能大幅下降，并逐步接近人脑的能耗效率。

当算法的效率得到根本性提升，当计算范式摆脱现有数字架构的束缚时，人工智能水平的再提高和能耗水平的急剧下降将会同步发生。

正因如此，我们才有理由沿着这一趋势进行更深层的推测：未来人工智能应不仅会在智能的广度和深度上继续逼近乃至超越人类，它的能耗水平也应将逐渐接近人脑，而不会像现在这样，比人脑的能耗高出许多个数量级。

过度依赖高能耗模型和单一计算架构，可能造成新的资源浪费。

能耗效率也应成为非常重要的评价指标。

今天的人工智能虽然已经表现出超越普通人的巨大能力，但在能耗效率、常识理解、现实操作、自主学习和社会责任等方面仍处于发展阶段。

mod=space&uid=3234816&do=blog&id=1545838）一文的思考，从“天才”的高效认知视角出发，探讨AI在能耗效率上的潜在突破空间，并对未来人工智能的发展方向、应用前景及其可能产生的社会影响作进一步展望。

今天的人工智能虽然已经表现出超越普通人的巨大能力，但在能耗效率、常识理解、现实操作、自主学习和社会责任等方面仍处于发展阶段

过度依赖高能耗模型和单一计算架构，可能造成新的资源浪费。