最近，一项由非营利组织 Epoch AI 进行的研究揭示了 OpenAI 的聊天机器人平台 ChatGPT 的能耗情况，结果显示，ChatGPT 的能耗远低于早期的估算。根据一些报道，ChatGPT 回答一个问题需要约3瓦时的电力，而 Epoch AI 的研究认为这个数据被高估了。研究表明，使用 OpenAI 最新默认模型 GPT-4o 时，平均每个查询仅消耗约0.3瓦时的电力，这一数字甚至低于许多家用电器的能耗。Epoch AI 的数据分析师 Joshua You 表示，传统上人们对 AI 能耗的担忧并没有准确反映出当前的情况。早期的3瓦时估算主要是基于一些

近期，美国知名研究机构 Epoch AI 发布了一份报告，正式将 LG 的 Exaone3.532B 模型评选为 “值得注意的 AI” 之一，并在成本效率方面表现尤为突出，与中国的 DeepSeek 不相上下。LG Exaone3.5模型于2023年12月正式推出，其开发投资约为70亿韩元（约合480万美元），这一成本低于 DeepSeek 开发其 V3模型所花费的600万美元。Epoch AI 的评估标准主要考虑了模型的性能、使用频率等因素，而这也是两年来首个获得此类认可的韩国 AI 模型，显示了 LG 在人工智能领域的突破性进展。LG AI 研究所的负责人裵庆勋在

近期，开发 AI 数学基准的非营利组织 Epoch AI 因未及时披露其获得 OpenAI 资金而引发争议。该组织于12月20日宣布，OpenAI 资助了名为 FrontierMath 的项目，这是一项旨在测试 AI 数学能力的基准，OpenAI 还利用该基准展示了其即将推出的旗舰 AI 产品 o3。Epoch AI 的一名承包商在论坛 LessWrong 上使用昵称 “Meemi” 表示，许多参与 FrontierMath 项目的贡献者在 OpenAI 的资助被公开之前并不知情。他提到:“关于这一点的沟通缺乏透明度。在我看来，Epoch AI 应该提前披露 OpenAI 的资金来源，承包商也应当清楚他

最近，人工智能研究公司 Epoch AI 发布了一款互动模拟器，专门用于模拟训练大型语言模型所需的计算能力。通过这款模拟器，研究人员发现，虽然可以使用2012年的老旧显卡（如 GTX580）来训练 GPT-4，但成本将是如今现代硬件的十倍。Epoch AI 的研究显示，训练 GPT-4所需的浮点运算次数（FLOP）在1e25到1e26之间。为了进行这项研究，模拟器分析了不同显卡的效率，特别是在模型规模扩大时的表现。结果表明，随着模型的增长，效率通常会降低。以近年来推出的 H100显卡为例，它能在较长时间内保

在人工智能的浩瀚宇宙中，数学曾被视为机器智能最后的堡垒。如今，一个名为FrontierMath的全新基准测试横空出世，将AI的数学推理能力推向了前所未有的极限。Epoch AI携手60多位数学界顶级大脑，共同打造了这个堪称"数学奥林匹克"的AI挑战场。这不仅仅是一次技术测试，更是对人工智能数学智慧的终极拷问。想象一个充满了世界顶级数学家的实验室，他们精心设计出数百道超越常人想象的数学难题。这些问题横跨数论、实分析、代数几何和范畴论等最前沿的数学领域，复杂程度令人咋舌。

根据 AI 研究公司 Epoch AI 的分析，谷歌可能拥有全球最大的人工智能计算能力。这一领先地位主要归功于其自主研发的张量处理单元（TPU），其计算能力相当于至少60万个 Nvidia H100GPU。Epoch AI 的研究人员指出，考虑到谷歌庞大的 TPU 阵列以及其使用的 Nvidia GPU，谷歌很可能是目前任何单一公司中 AI 计算能力最强的。尽管谷歌在总计算能力上占据领先，但 Nvidia 在 AI 芯片市场依然是主导者。自2022年初以来，Nvidia 已销售了计算能力相当于大约300万个 H100GPU 的 AI 芯片。这些芯片主要被四大云服务

《经济学人》杂志文章指出，AI公司面临因互联网高质量数据枯竭导致的"数据墙"挑战，预测到2028年，所有高质量文本数据将被用尽，影响机器学习进展。加州大学伯克利分校教授斯图尔特·罗素曾警告ChatGPT等AI可能耗尽宇宙中的文本。然而，斯坦福大学教授李飞飞表示，仍存在大量差异化数据可挖掘。为解决数据短缺，使用合成数据成为可能的解决方案，但《自然》杂志论文提出使用AI生成的数据集训练模型可能导致"模型崩溃"，建议保留原始数据，使用多样化数据源，并研究更鲁棒的训练算法。突破"数据墙"限制，确保高质量训练数据的持续供应，是AI行业亟待解决的紧迫课题，需要技术创新和多方合作。