全球AI算力持续攀升，预计2028年将达到2亿枚等效芯片，行业进入自我加速循环

全球AI算力正在快速增长。据Epoch AI估算，目前投入使用的AI芯片总算力约相当于2000万枚英伟达H100，这一数字大约每9个月翻一番。预计到2028年底，全球AI计算能力将相当于约2亿枚等效芯片。

这一算力增长并非仅用于训练更大规模的模型，而是支撑着一套不断加速的循环：芯片数量增长推动模型性能提升，模型性能提升让智能体能够承担更多复杂任务，智能体参与代码编写、实验运行等环节，加速了下一代模型的研发进程，而新模型又带来更大的算力需求。

Epoch AI的数据显示，目前其追踪的74座大型AI数据中心合计拥有约1250万枚等效芯片。其中，位于美国孟菲斯的最大数据中心Colossus 2，算力约为111.2万枚等效芯片。其他大型AI数据中心还包括微软Fairwater Atlanta（约76.9万枚）、Meta Prometheus（约76.3万枚）、亚马逊New Carlisle（约68.6万枚）以及OpenAI Stargate Abilene（约50.9万枚）。

Google DeepMind联合创始人兼CEO Demis Hassabis认为，AI技术带来的变革速度可能达到工业革命的10倍，其推进速度同样快10倍。

算力增长直接带动了模型能力的提升。在Remote Labor Index测试中，包含240个真实项目，覆盖23个领域，相当于超过6000小时的人类工作量。在2025年10月，领先模型仅能完成2.5%的任务；而到2026年7月，Claude Fable 5已将任务完成率提升至16.1%。

Gartner预测，2026年面向AI的云基础设施支出中，推理将占据55%的份额，到2029年这一比例将超过65%。

AI在科研以及自身优化方面也已取得显著进展。今年7月，Claude Fable 5推翻了存在87年之久的广义雅可比猜想。Claude Science将接近两年的科研工作压缩到几周内完成，并使一套基因分析流程提速近10倍。

在AI自我改进方面，OpenAI的GPT-5.6 Sol被用于优化支撑其运行的生产系统。工程师确定方向后，Sol参与重写GPU Kernel，经过数百次实验，最终使端到端服务成本下降20%，Token生成效率提升超过15%。随后，OpenAI将GPT-5.6 Luna的输入和输出价格下调了80%。

Google首席科学家Jeff Dean提出，未来可以让成千上万个小模型同时提出研究想法、设计实验、分析结果，再将最佳线索交给更大模型和人类研究者，形成持续迭代优化的闭环。

目前，AI行业已经形成了从算力、模型、智能体到自我改进的完整闭环。2亿枚芯片被视为这一加速循环的新起点，而非终点。