新智元报道
2 亿枚 AI 芯片，即将集体启动！
目前，全球已投入使用的 AI 芯片总算力，约相当于2000 万枚英伟达 H100 芯片。据 Epoch AI 估算，该数字大约每 9 个月翻一番。
预计到 2028 年底，全球 AI 算力将跃升至相当于2 亿枚芯片的规模。这意味着在不到三年时间内，算力规模将增长至当前的 10 倍。
这 2 亿枚芯片的部署，并非仅为了训练更大的模型，而是为了支撑一套加速迭代的闭环：
- 芯片数量增加，推动模型能力增强；
- 模型变强，促使 Agent（智能体）承接更多复杂工作；
- Agent 参与代码编写与实验运行，加速下一代模型研发；
- 新模型上线，进一步催生更大的算力需求。
每完成一次循环，所需的算力便呈指数级增长，AI 迭代速度也随之加快。这正是 AI 行业全力押注的 ASI（超级人工智能）演进路径。
AI 数据中心迈入百万级算力时代
要实现上述循环，首要任务是将更多芯片整合为超大规模计算集群。
目前，Epoch AI 追踪的 74 座大型 AI 数据中心共拥有约1250 万枚等效芯片。其中，位于美国孟菲斯的 Colossus 2 规模最大，算力约为111.2 万枚。
紧随其后的几座数据中心也已达到数十万枚量级：
- 微软 Fairwater Atlanta：约 76.9 万枚；
- Meta Prometheus：约 76.3 万枚；
- 亚马逊 New Carlisle：约 68.6 万枚；
- OpenAI Stargate Abilene：约 50.9 万枚。
在训练前沿模型时，海量芯片需通过高速网络持续交换数据。单次训练可能耗时数周甚至数月，要求芯片、网络、存储及软件高度协同。从某种意义上说，数据中心本身已演变为新一代超级计算机。
2022｜得梅因：OpenAI 在爱荷华州得梅因附近的数据中心完成 GPT-4 训练。
2024｜孟菲斯：xAI 将旧家电工厂改造为 Colossus，一次性接入 10 万枚英伟达 GPU。
2026｜印第安纳：Anthropic 接入由亚马逊建设的互联数据中心集群。
2026｜威斯康星：微软首座 Fairwater 设施正式投运，性能达全球最快超级计算机的 10 倍。
伴随算力扩张，资金投入亦急剧攀升。2026 年，亚马逊、Alphabet、Meta、微软和甲骨文五家巨头的资本开支预计合计约7500 亿美元，占其全年总收入的 38%。
IDC 预测，全球 AI 基础设施支出将从 2025 年的3180 亿美元激增至 2029 年的1 万亿美元以上。涵盖芯片、服务器、光纤、土地及电力的这场建设浪潮，规模已超越人类历史上任何一次基础设施投资。
Google DeepMind 联合创始人兼 CEO Demis Hassabis 判断，AI 引发的技术变革不仅幅度可能达到工业革命的 10 倍，其推进速度也将快 10 倍。
算力堆叠驱动 Agent 能力跃迁
算力提升首先转化为模型能力的突破。从律师资格考试、15 天天气预报，到疾病机制研究与数十年未解的数学难题，AI 的处理边界不断拓展。
Remote Labor Index 测试数据显示出更显著的变化。该测试包含 240 个真实项目，覆盖 23 个领域，总计超过 6000 小时的人类工作量。2025 年 10 月，领先模型仅能完成其中 2.5% 的任务；至 2026 年 7 月，Claude Fable 5 的完成率已提升至 16.1%。短短 8 个月，能力增长逾 6 倍。
尽管 AI 尚无法包揽所有工作，但已开始承接可交付、验收及计价的实际任务。模型越强，Agent 接手的任务越复杂。用户只需发出“做一份市场调研”的指令，Agent 即可自主完成搜索、阅读、编码、制表、核对及策略调整全流程。每一步操作背后，都是密集的推理计算。
Gartner 预计，2026 年面向 AI 的云基础设施支出中，55% 将用于推理；到 2029 年，这一比例将超过 65%。
Agent 的应用场景正从市场调研延伸至高难度科研任务。今年 7 月，Claude Fable 5 提出反例，推翻了存在 87 年的广义雅可比猜想。同时，Claude Science 将近两年的科研工作压缩至数周，并将基因分析流程提速近 10 倍。
而在所有科研任务中，最特殊的一类正是 AI 自身的研发。
AI 开启自我进化循环
典型案例来自 GPT‑5.6 Sol。近期，该模型直接优化了支撑整个 GPT‑5.6 系列运行的生产系统。工程师仅需设定方向，Sol 便可自主重写 GPU Kernel 并执行数百次实验。
结果显示：端到端服务成本下降 20%，Token 生成效率提升超 15%。OpenAI 随即将此效率红利反映在定价策略中，GPT‑5.6 Luna 的输入与输出价格同步下调 80%，降至原价的两折。
AI 在参与系统改进的同时，也在大幅降低自身运行成本。这一正向循环已经启动。
Google 首席科学家 Jeff Dean 展望，未来可由成千上万个小模型并行提出构想、设计实验、分析结果，再将最优线索交由大模型与人类研究者迭代深化。
至此，完整链路已然打通：算力铸就模型，模型驱动 Agent，Agent 反哺研发，共同制造下一代 AI。
2 亿枚 AI 芯片并非终点，而是加速这一循环的引擎。AI，已经开始为下一个 AI“打工”。
编辑：摩西
