探索AGI的潛力：硬體與軟體的協同作用

Iris Coleman
2025年12月17日 14:09

來自 Together.ai 的 Dan Fu 認為，通過優化軟硬體協同設計、提升當前晶片利用率並克服感知上的硬體限制，可以實現通用人工智慧（AGI）。

圍繞實現通用人工智慧（AGI）潛力的辯論正在加劇，Together.ai 核心副總裁 Dan Fu 提供了樂觀的展望。根據 Together.ai 的說法，Fu 挑戰了 AI 進步受到硬體限制阻礙的觀點。相反，他認為當前晶片的利用率顯著不足，而軟硬體協同設計的策略性方法可以釋放顯著的性能改進。

當前限制與未來潛力

隨著 AI 領域的發展，對達到數位運算極限的擔憂變得更加普遍。一些專家認為，硬體限制，特別是 GPU 方面的限制，可能會阻礙開發普遍有用的 AI 的進展。相比之下，Fu 在其出版物《是的，AGI 可以實現——運算視角》中提出了更具希望的觀點，認為 AI 能力尚未達到上限。

現有硬體的未充分利用

Fu 強調，最先進的 AI 訓練運行，如 DeepSeek-V3 或 Llama-4，通常僅實現約 20% 的平均浮點運算利用率（MFU），推理利用率有時甚至為個位數。這些數據顯示，通過更好地整合軟體和硬體，以及像 FP4 訓練這樣的創新，有顯著的機會提升效率。

運算模型的進步

當前的 AI 模型基於較舊的硬體，較新運算資源的潛力尚未完全實現。Fu 強調，超過 100,000 個最新一代 GPU 的大規模集群尚未完全整合到 AI 開發流程中，這預示著未來進步的光明前景。

當前實用性與未來影響

儘管存在感知上的限制，現有的 AI 模型已經在革新複雜的工作流程，例如在人類協助下編寫高性能 GPU 核心。這種轉變突顯了 AI 技術的即時實用性，並暗示了未來應用的巨大潛力。

對於那些對系統工程、硬體效率和 AI 擴展交集感興趣的人，Fu 的分析提供了寶貴的見解。完整分析可在 Together.ai 網站上查閱。

圖片來源：Shutterstock