Epoch AI 测算：未来两年算力可支撑数千万至数十亿 AI 智能体
Epoch AI 基于 2025 至 2027 年 HBM 预计出货量测算，未来两年产出的算力可支撑数千万至数亿个使用顶级模型的并发 AI 智能体，若用 DeepSeek V4 Pro 这类更高效模型则可达约 19 亿个，不间断运行的顶级智能体工时相当于约 1.4 亿至 7 亿名全职员工。文章指出关键不确定性在于需求能否跟上投资，否则可能出现 AI 智能体过剩。
Epoch AI：Gradient Updates
epochai.substack.com · 网站与博客
切换来源
全部网站与博客新闻IT Home8967 条Simon Willison360 条OpenAI News317 条TechCrunch · AI298 条The Decoder274 条The Verge · AI161 条Hugging Face Blog151 条Claude Blog140 条elsewhere articles115 条Google Research108 条OpenRouter Announcements103 条Mistral AI89 条Tomer Tunguz83 条Databricks Blog82 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条Gemini API 更新日志60 条LMSYS Blog60 条Manus Blog60 条Together AI Blog60 条Google DeepMind58 条NVIDIA Blog53 条a16z News49 条Apple Machine Learning Research48 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条ElevenLabs Blog45 条Google Blog: AI41 条Qwen Blog40 条Google Developers Blog35 条Cursor Blog34 条Microsoft AI News32 条Google Cloud: Databases31 条Linear Now30 条AWS Machine Learning Blog29 条Ars Technica · AI27 条Dwarkesh Patel27 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条ByteDance Seed Papers17 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条MiniMax Blog12 条Meta Engineering11 条Sam Altman Blog11 条Berkeley AI Research10 条Black Forest Labs Blog10 条MarkTechPost10 条Microsoft Research10 条xAI：News9 条Cohere 产品与研究博客8 条Epoch AI：Gradient Updates8 条Factory 研究 / 产品8 条Google AI：DEV 作者专属8 条OpenClaw Blog8 条Recode China AI8 条Redwood Research Blog8 条Replit Blog8 条SemiAnalysis 长文8 条Understanding AI8 条404 Media7 条Amazon Science7 条Every latest articles7 条Exponential View7 条Liquid AI 模型与工程博客7 条LlamaIndex：产品、工程与评测7 条PromptArmor：Threat Intelligence7 条PyTorch Blog7 条Thinking Machines Lab Blog7 条Preferred Networks：AI 研究与产品6 条ByteDance Seed Research5 条ChinaTalk5 条Chips and Cheese4 条Artificial Intelligence News3 条Canary Media：Data Centers2 条CMU Machine Learning Blog1 条Claude YouTube0 条MarkTechPost · 历史来源118 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源52 条Claude YouTube · 历史来源44 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
8 条AI 相关新闻 · 最新在前
Epoch AI：Gradient UpdatesAI 评分5555
Epoch AI：Gradient Updates精选AI 评分6666 Epoch AI 测算：AI 达到同等基准性能的成本每年下降约 13 倍
Epoch AI 测算过去五年 AI 达到特定基准分数的成本每年下降约 13 倍（每季度约 47%），快于 DNA 测序、算力、锂电池和电力等历史技术。
推荐理由：报告用五个基准量化 AI 达到同等性能的价格下降速度，并与电力、算力等历史技术做可比对照，方法可查。
Epoch AI：Gradient Updates精选AI 评分7272 Epoch AI 分析：华为芯片至 2030 年仍落后 Nvidia 约 4 年
Epoch AI 报告估计 2026 年华为总 AI 算力产量约为 Nvidia 的 1/25，Ascend 950 单芯片性能约为 B300 的 1/7、2022 年 H100 的一半。
推荐理由：报告用量化拆解说明华为与Nvidia在芯片性能和算力产量上的差距及至2030年的演变，给出可核验的数字与路径分析。
Epoch AI：Gradient Updates精选AI 评分6464 Epoch AI 发布 9 月 12 日简报：华为芯片报告、GDP 统计盲点与 GPT-6 Astra 评测
Epoch AI 发布 9 月 12 日简报，汇总其最新研究：报告认为华为即使完全兑现路线图也几乎不可能在本十年追上 Nvidia，其最强芯片算力约为 H100 的一半，2026 年产量预计不足 Nvidia 的 4%；研究估计美国 GDP 增速过去一年被低估约 0.3 个百分点，因 Nvidia 设计、海外制造销售的芯片价值未计入统计。
推荐理由：这期简报汇总了 Epoch 多项一手研究和数据洞察，覆盖华为芯片路线、GDP 统计盲点和 GPT-6 Astra 评测等独立分析结果。
Epoch AI：Gradient Updates精选AI 评分6666 Epoch AI 更新前沿 AI 最重要数字：OpenAI 与 Anthropic 合计年收入达 $105B
Epoch AI 分析 OpenAI 与 Anthropic 的收入超增长：合计年化收入从 2025 年的 $30B 增至 2026 年 8 月的 $105B，年内已增长 3.5 倍。
推荐理由：文章用两家实验室的收入数据拆解前沿AI增长是技术进步还是扩散驱动，并给出六年翻到世界经济规模的思考框架。
Epoch AI：Gradient UpdatesAI 评分5454 Epoch AI 报告：美国 GDP 统计漏算 Nvidia 创造的价值，去年增速或被低估约 0.3 个百分点
Epoch AI 发布报告称，美国 GDP 统计存在盲区，低估了 AI 对经济增长的贡献，过去一年 GDP 增速被低估约 0.3 个百分点，若 Nvidia 按当前速度增长，到 2028 年缺口可能扩大到每年近 2 个百分点。
Epoch AI：Gradient UpdatesAI 评分5050 Epoch AI 提出 9 个基准测试可帮助回答的 AI 能力大问题
Epoch AI 的 Greg Burnham 在 Gradient Updates 通讯中列出 9 个他认为决定 AI 世界影响的重大问题，包括 AI 能否完成开放式工作、能否做 AI 研发、能否即时学习、推理扩展的回报以及能否提出新想法等。
Epoch AI：Gradient Updates精选AI 评分6767 Epoch AI 分析 Anthropic 500 亿美元基建融资是否成为算力瓶颈
Epoch AI 撰文分析 Anthropic 算力扩建的融资结构，认为短期内融资不太可能成为前沿算力增长的瓶颈。
推荐理由：文章拆解了近 500 亿美元债务融资的结构与利率细节，为判断融资是否限制前沿算力扩张提供了可核验的案例。