硅谷投资人Tom Davidson的硬核长文AI预测$寒武纪-U(SH688256)$ $英伟达(NVDA)$ $博通(AVGO)$
AI在达到有效的物理极限之前，能进步到什么程度？
答案是：
1，软件效率可能提升大概13个数量级，也就是1000亿倍；
2，芯片技术可能提升100倍左右；
3，芯片制造规模可能扩大1万倍左右！
三种反馈循环的定义，
1965年，数学家I. J. Good提出了智能爆炸的概念：假设一台超智能机器被定义为能远远超越最聪明人类的机器。由于设计机器属于智力活动范畴，一台超智能机器可以设计出更先进的机器，那么无疑会发生一场「智能爆炸」，人类的智力将被远远抛在后面。因此，第一台超智能机器将是人类的最后一项发明。
一旦AI能自主设计和构建更强大的AI系统，就会形成反馈循环。
实际上，AI开发中有许多环节可能产生正反馈循环，其中有三个对IE有推动作用的关键反馈循环：
1，软件反馈循环：AI对自身算法、数据、训练后优化和其他软件技术进行改进。典型例子是完全自动化AI开发实验室的研究和工作。在这里，AI系统改进算法，这些算法用于开发更好的AI系统，进一步改进算法。
2，芯片技术反馈循环：AI改进AI芯片的质量。典型例子是NVIDIA、TSMC、ASML等半导体公司研发部门的自动化，能在不增加工厂的情况下，做出运算速度更快、性能更好的芯片。在这些芯片上训练或推理，AI能力得到提升。
3，芯片生产反馈循环：AI增加AI芯片的产量。典型例子是机器人完全自动化芯片工厂从建设到运营的全过程，包括开采原材料、运输、工厂建设和日常运转。机器人建造更多的工厂、生产更多芯片，用于训练更强的AI系统，然后设计更好的机器人去建更多的芯片工厂。