DeepMind《AI展望2030》报告：2025年起算力成本或翻倍，数据将不是主要壁垒

AI发展前沿：2030年的关键突破与挑战

最新研究预测显示，到2030年AI训练成本或将突破千亿美元大关，所需电力需求将达到吉瓦级别。虽然面临性能瓶颈、数据短缺等六大核心挑战，AI技术演进势头依然不减。在软件研发、数学推演、基因工程及气象预测等关键领域，AI有望实现革命性突破。

Epoch AI受DeepMind委托展开的专题研究表明，持续扩大的投资规模正推动AI能力边界不断拓展。报告通过对计算基础设施、数据资源等方面的系统分析，描绘出2030年AI发展的全景图景。

算力需求爆炸式增长

前沿AI模型的算力消耗预计将达到当前GPT-4的数千倍。配套的基础设施建设投入正以每年近两倍的速度扩容，价值数十亿美元的超级计算集群已在全球范围内加紧部署。

六大发展瓶颈与应对方案

1.性能瓶颈：当前未观测到明显的发展停滞迹象，模型能力随参数规模持续提升

2.数据供给：合成数据技术突破有效缓解了数据短缺危机

3.能源支撑：分布式计算与新能源技术将保障电力供应

重点领域突破预测

• 软件工程：自动代码生成与缺陷修复

• 理论数学：辅助证明复杂猜想

• 分子生物：蛋白质相互作用预测

产业转型前瞻

随着AI技术持续突破，预计将推动全球科研效率提升10-20%。在软件开发等迭代快速的领域，AI将率先实现深度变革；而在新药研发等长周期行业，其影响将更多体现在早期研究阶段。