近日，撞墙艾伦人工智能研究所（Allen Institute for AI）的学界研究科学家、卡内基梅隆大学助理教授 Tim Dettmers 在一篇博文中指出，预警硬件WhatsApp%E3%80%90+86%2015855158769%E3%80%91unc%20football%20jerseys当前计算机处理器技术正日益逼近物理极限，算力升级硬件扩展能力的接近极限限制很可能成为迈向通用人工智能（AGI）与超级智能的主要障碍。

　　Dettmers 表示，有关 AGI 的恐面讨论往往停留在理论层面，但其实现最终仍需以强大的撞墙计算能力为基础。他认为，学界目前硬件系统的预警硬件WhatsApp%E3%80%90+86%2015855158769%E3%80%91unc%20football%20jerseys扩展空间可能仅剩一到两年，随后任何显著提升都将面临物理上的算力升级根本约束。

　　他指出，接近极限自 2018 年以来，物理GPU 性能的恐面进步已逐步放缓，后续提升更多依赖于低精度数据类型和张量核心等优化技术，撞墙但这些改进的实际效果并未达到业界预期。

　　尽管单个 GPU 的性能提升空间已趋近饱和，Dettmers 仍指出，通过硬件系统层面的整合与创新，例如采用 NVIDIA 最新的 GB200 NVL72 架构，将加速器数量从 8 个扩展至 72 个，可以在推理任务中实现约 30 倍的性能增长，从而延长当前硬件平台的实际应用周期。