能源·硬件·算法：AI 演进的三角约束
能源·硬件·算法：AI 演进的三角约束 一份关于人工智能发展瓶颈与趋势的综合研究数据来源：Epoch AI、Stanford HAI AI Index 2025、IEA Energy and AI、Nvidia/TSMC 公开资料撰写时间：2026 年 5 月 一、问题的重构“能源、硬件、算法谁对 AI 影响更大”——这是一个常见提法，但仔细推敲会发现它隐含一个错误前提：把三者放在同一个比较平面上。它们其实在不同维度发挥作用： 维度 角色 类比 能源 系统的”门槛”（floor） 一栋楼能否通电 硬件 系统的”基数”（base） 楼里能放多少服务器 算法 系统的”乘法器”（multiplier） 每台服务器实际跑出多少智能 因此正确的提问不是”谁更重要”，而是”在什么时间尺度上，哪一个先绑定（binding constraint）”。这是工程经济学中典型的 Liebig 木桶问题：决定容量的不是平均板高，而是最短那块板，且最短板会随时间漂移。 下面分别量化三者的轨迹，再讨论它们的耦合方式与瓶颈次序。 二、三条增长曲线的量化对比2.1 硬件：...
把大脑变成硅基：技术路线、前沿研究与"是不是单纯算力问题"的深度解析
Q:我觉得计算机视觉神经网络会出现各种各样的挑战就在于和人类大脑的思考模式不同。比如没办法detect重叠的物体。能不能从头开始把大脑变成硅基的？这是不是就是算力问题?Claude:把大脑变成硅基：技术路线、前沿研究与”是不是单纯算力问题”的深度解析TL;DR 不能”从头开始把大脑变成硅基”——至少在2026年仍然遥不可及，而且它远不是单纯的算力问题。 算力只是四道高墙中最低的一道，真正卡脖子的是连接组数据（人脑连接组比目前已完成的果蝇连接组大约难10万倍）、神经编码理论的认知瓶颈，以及”需要模拟到哪一层”这一根本性概念问题。 当下最有进展的方向不是”全脑仿真”，而是三条务实路径：神经形态芯片硬件（Intel Loihi 2、IBM NorthPole、SpiNNaker 2、Darwin 3/Wukong等）、脉冲神经网络（SNN）算法（Spikformer V2在ImageNet达到80.38% top-1，SSL预训练后81.10%），以及生物-硅混合系统（Cortical Labs CL1，2025年3月2日于巴塞罗那MWC商业化发布，单价3.5万美元）。这些都...
eecs598学习日记
to be done;