同時，算力也在悄然發(fā)生巨大變化。AI 模型需要消化大規(guī)模的數(shù)據(jù)信息，同時需要龐大的算力支持。例如圖像識別技術、模式識別和機器學習算法等 AI 運用和模型的練習，都取決于巨大算力的支持。根據(jù) OpenAI 公布的統(tǒng)計數(shù)據(jù)，2012 年到 2020 年，算力消耗每 3.4 個月翻倍一次，8 年里算力增長了三十萬倍。

AI 時期算力的增長也遠遠超過顛覆性創(chuàng)新每 18 個月翻一番的速度。根據(jù)我國信息通信研究院的估計，2021 年全世界超算中心算力經(jīng)營規(guī)模約為 14EFlops，預計到 2030 年全世界超算中心算力有望突破 0.2ZFlops，均值年增長率超出 34%。AI 的奇異點的來臨將將帶來算力領域內(nèi)的輝煌時代，與此同時，算力的高速發(fā)展優(yōu)劣也將影響著其未來發(fā)展，二者互相成就。

現(xiàn)階段，有關 AI 算力的開發(fā)技術主要有 GPU 資源池化、計算誤差提升和模型縮小提升等。為了解決算力市場需求的增長，短時間內(nèi)可以從硬件軟件和工程優(yōu)化等方面解決，但未來十年，二十年之后呢？當處理芯片接近量子科技的極限值時，當 AI 的發(fā)展需要更大規(guī)模的數(shù)據(jù)信息、更多的預訓練模型主要參數(shù)和相對較高的優(yōu)化算法精密度時，將引發(fā)對算力市場需求的指數(shù)級增長，并且這種增長是長期的，由此帶來的費用問題將成為一個不能避開的難題。因此，為了控制成本并獲得更多算力來支撐 AI 工程項目的進一步發(fā)展，許多新興企業(yè)只能選擇與大中型云算力公司合作，以實現(xiàn)互換轉(zhuǎn)讓出一部分支配權的目標，而去中心化的算力系統(tǒng)軟件也許能在一定程度上解決這一問題，并降低 AI 模型練習的準入門檻。去中心化算力網(wǎng)絡和 AI 的融合也需要解決認證難題，即如何確保計算結論的準確性和可靠性。

因此，一些企業(yè)已經(jīng)開始在實踐中探索去中心化算力 AI 的搭配。比如，Gensyn 利用區(qū)塊鏈智能合約方法推動機器學習算法的分配資源獎勵激勵; Flux 則是一個基于區(qū)塊鏈科技的去中心化 AI 服務平臺；而 Golem 則創(chuàng)建了一個算力市場的點到點去中心化計算網(wǎng)絡，適用于所有人。

除了認證和算力成本的問題，人工智能技術還會產(chǎn)生電力工程消耗的大量問題。AI 所展現(xiàn)出的發(fā)展?jié)摿赡軙嗟钠髽I(yè)和科研機構參與其中，各種問題有可能被一一解決。從機器視覺到自然語言理解，從機器人系統(tǒng)到邏輯推理，AI 技術所產(chǎn)生的生產(chǎn)主力轉(zhuǎn)型正在改變?nèi)藗兊墓ぷ鳡顟B(tài)，在技術發(fā)展趨勢道路上，科幻片照進現(xiàn)實是遲早的事。

熱點：比特幣pt 去中比特幣 柚子幣算力 算力蜂 比特幣算力