🎓 Bob McGrew:自动化研究者无法带来爆发式自迭代,算力硬件才是真瓶颈
⚡ Arda联合创始人兼OpenAI前首席研究官Bob McGrew指出,仅靠算法研究员工作自动化无法引发失控的自我改进循环。研究进展的核心限制不是研究员数量,而是能调动的物理算力与联网芯片。若无法改变现实物理世界的约束,仅凭纯数字层面的软件加速无法通向超级智能。
Bob McGrew:自动化研究者无法带来爆发式自迭代,算力硬件才是真瓶颈
JustSayAI
今日 Top 3 头条
- 观点
Bob McGrew:自动化研究者无法带来爆发式自迭代,算力硬件才是真瓶颈
Arda联合创始人兼OpenAI前首席研究官Bob McGrew指出,仅靠算法研究员工作自动化无法引发失控的自我改进循环。研究进展的核心限制不是研究员数量,而是能调动的物理算力与联网芯片。若无法改变现实物理世界的约束,仅凭纯数字层面的软件加速无法通向超级智能。
来源 ↗ - 观点
Dwarkesh Patel:AI研发不同于数学,经验式盲测反而能更快突破
Dwarkesh Patel认为超级智能可能在2030年甚至更早到来。数学研究重在提出全新抽象理论,而机器学习研发更看重让训练更高效或模型更聪明的经验配方。由于AI擅长在确定边界内快速搜索与验证,把类似能力用于AI研发本身,能通过穷举试验在短期内收获大量算法改进红利。
来源 ↗ - 观点
Asianometry:台积电更适合做逻辑芯片,大宗存储器不是它的战场
针对台积电涉足3D DRAM的传闻,Asianometry分析指出,台积电深植于客制化芯片制造文化,追求稳健利润与周到客户服务。大宗存储器是高度同质化的周期品,买家极度看重价格,且其生产工艺高度依赖垂直电容,与逻辑芯片的制造流程及商业模式均大相径庭。
来源 ↗
+8 条头条
- 人民公园说AI:太空算力的真正动力不是发电降本,而是绕开地面阻碍
- 小苏:半年淘汰的模型套上八年折旧的硬件,算力基建暗藏商业错配
- Jacob Coxon:超级研究员即将成真,必须依靠外部干预放慢AI
- Josh Woodward:Gemini可在Mac后台直接操作软件并执行任务
- Greg Brockman:Codex协助团队排查出Ruby高危远程代码执行漏洞
- 马斯克:Grok Bot已能通宵自动测试并合并代码仓库分支
- Mustafa Suleyman:人文AI的前提是必须对人类保持服从与受限
- Timnit Gebru:大模型员工财富暴增建立在挪用他人版权之上
综述
AI研究自动化的神话正被物理现实修正。OpenAI前首席研究官Bob McGrew指出,即便算法工作完全自动化,失控式自我改进也不会发生,因为研究突破的真正瓶颈在于物理算力与联网芯片,而非代码迭代速度。值得注意的是,通往超级智能的道路并非纯数字世界的自我加速,而是被硬件供给牢牢锁定的硬科技长跑。
