探索AGI的潜力：硬件和软件的协同效应
realtime news Dec 17, 2025 06:18
来自together.ai的Dan Fu认为，通过优化软硬件协同设计、提高当前芯片的利用率并克服感知到的硬件限制，可以实现人工通用智能（AGI）。
围绕实现人工通用智能（AGI）潜力的辩论愈演愈烈，together.ai的内核副总裁Dan Fu提供了一种乐观的观点。根据together.ai的说法，Fu挑战了因硬件限制而阻碍AI进步的看法。相反，他认为当前的芯片被严重低估，通过战略性的软件和硬件协同设计方法可以释放出巨大的性能提升。
当前的限制与未来的潜力
随着AI领域的发展，有关数字计算极限的担忧越来越普遍。有些专家认为，硬件限制，特别是在GPU方面，可能会妨碍通用AI的开发。然而，Fu在他的出版物“是的，AGI可以实现——一个计算角度”中提出了更为乐观的观点，认为AI能力的上限尚未被触及。
现有硬件的低利用率
Fu强调，最先进的AI训练，比如DeepSeek-V3或Llama-4，通常只有大约20%的平均浮点运算使用率（MFU），而推理使用率有时仅有个位数。这些数据表明，通过更好地整合软件和硬件以及类似FP4训练的创新，可以显著提高效率。
计算模型的进展
当前AI模型基于较旧的硬件，而新计算资源的潜力尚未被充分实现。Fu强调，最新一代的GPU集群数量超过100,000，尚未完全整合到AI开发过程中，预示着未来发展的光明前景。
现今的实用性与未来的影响
尽管被认为存在限制，现有AI模型已在复杂工作流程中引发革命，例如在人类帮助下编写高性能GPU内核。这一转变强调了AI技术的直接实用性，并暗示了未来应用的巨大潜力。
对于那些对系统工程、硬件效率和AI扩展交叉领域感兴趣的人，Fu的分析提供了宝贵的见解。完整的分析可以在together.ai网站上获取。
Image source: Shutterstock.jpg)
