Изучение потенциала AGI: синергия аппаратного и программного обеспечения

Iris Coleman
06:09, 17 декабря 2025

Дэн Фу из together.ai утверждает, что искусственный общий интеллект (AGI) достижим путем оптимизации совместной разработки программного обеспечения и аппаратного обеспечения, повышения использования текущих чипов и преодоления предполагаемых аппаратных ограничений.

Дебаты вокруг потенциала достижения искусственного общего интеллекта (AGI) усиливаются, при этом Дэн Фу, вице-президент по ядрам в together.ai, представляет оптимистичный взгляд. Согласно together.ai, Фу оспаривает представление о том, что прогресс в области ИИ сдерживается аппаратными ограничениями. Вместо этого он утверждает, что текущие чипы значительно недоиспользуются и что стратегический подход к совместной разработке программного обеспечения и аппаратного обеспечения может открыть существенные улучшения производительности.

Текущие ограничения и будущий потенциал

По мере развития ландшафта ИИ опасения по поводу достижения пределов цифровых вычислений становятся все более распространенными. Некоторые эксперты предполагают, что аппаратные ограничения, особенно в GPU, могут препятствовать прогрессу в разработке общеполезного ИИ. Напротив, Фу представляет более оптимистичную перспективу в своей публикации "Да, AGI может случиться – вычислительная перспектива", которая утверждает, что потолок возможностей ИИ еще не достигнут.

Недоиспользование существующего оборудования

Фу подчеркивает, что современные процессы обучения ИИ, такие как DeepSeek-V3 или Llama-4, часто достигают лишь около 20% средней утилизации FLOP (MFU), при этом утилизация вывода иногда находится в однозначных цифрах. Эти показатели указывают на значительную возможность повышения эффективности за счет лучшей интеграции программного обеспечения и аппаратного обеспечения, а также инноваций, таких как обучение FP4.

Достижения в вычислительных моделях

Текущие модели ИИ основаны на более старом оборудовании, и потенциал новых вычислительных ресурсов еще не полностью реализован. Фу подчеркивает, что массивные кластеры GPU последнего поколения, насчитывающие более 100 000 единиц, еще не полностью интегрированы в процессы разработки ИИ, что указывает на многообещающие перспективы будущих достижений.

Современная полезность и будущие последствия

Несмотря на предполагаемые ограничения, существующие модели ИИ уже революционизируют сложные рабочие процессы, такие как написание высокопроизводительных GPU-ядер с помощью человека. Эта трансформация подчеркивает немедленную полезность технологий ИИ и намекает на огромный потенциал будущих приложений.

Для тех, кто интересуется пересечением системной инженерии, эффективности оборудования и масштабирования ИИ, анализ Фу предоставляет ценные идеи. Полный анализ можно найти на веб-сайте together.ai.

Источник изображения: Shutterstock