跳到主要內容
AI 武林

Epoch AI（Gradient Updates）

部落格 ・ 國際 ・ 英文 ・ A 級 ・ 20 筆內容 ・ 最近更新 2026/10/03

用數據談 AI 進展：推論成本下降速度、算力與晶片供給、benchmark 趨勢；每篇都有圖表與資料來源

最受歡迎

依人氣

  1. 1文章進階EN

    The missing half of AI futurism debates

    探討 AI 未來主義辯論中常被忽略的半邊：不僅要評估 AI 有多強，更要分析開發特定高科技（如戴森球）的實際難度。作者提出透過「探索性工程」方法，結合 AI 假設來估算技術發展時間與資源需求，並舉例說明此方法在火箭與衛星預測上的成功歷史。

  3. 3文章進階EN

    The Epoch Brief - June 1, 2026

    指出自 2026 年 1 月起，開放權重模型已比閉源頂尖模型落後約四個月，差距持續擴大。大型雲端廠商的資本支出已隨 GPT-4 發布後翻倍，且全球推論需求增長速度遠快於算力供應，顯示可能即將面臨算力短缺。

  4. 4文章進階EN

    Controlling the capital after AGI

    探討人工通用智慧（AGI）普及後，社會如何重新分配資本以維持公平。作者比較了基本收入、基本服務、基本資本及主權財富基金等不同方案，並分析「誰控制資本」才是關鍵。

  6. 6文章進階EN

    9 Big questions benchmarks can help answer

    提出九個關於 AI 能力與經濟影響的關鍵問題，並介紹 Epoch AI 如何透過設計特定指標來驗證這些假設。讀者可了解當前 benchmarks 的侷限與未來方向，學習如何評估 AI 在就業、自研及創新方面的真實潛力。

  8. 8文章進階EN

    The Epoch Brief - July 31, 2026

    簡報涵蓋 FrontierMath 數學難題擴展、AI 研發並行化限制對奇點的影響、AI 能源消耗現實、檢測器誤判率分析，以及 OpenAI Codex 開發效率提升證據。

  9. 9文章進階EN

    How far behind Nvidia is Huawei?

    分析華為在 AI 晶片與算力上的發展路徑，指出受出口管制限制，其晶片效能與產量難以在 2030 年前追上輝達。即使達成所有技術目標，華為仍將落後約四年，主要瓶頸在於製程裝置、記憶體供應及軟體生態。

最新內容

依發布時間

  2. 文章進階EN

    AI is getting cheaper faster than any other transformative technology

    指出 AI 達到特定表現水準的成本每年下降 13 倍，速度遠超 DNA 測序、電池等技術。透過分析 OpenAI 的 o3 與 GPT-5.6 Luna 等模型，說明「思考」價格在短時間內劇烈下跌，並探討此趨勢對產業的意義。

  3. 文章進階EN

    How far behind Nvidia is Huawei?

    分析華為在 AI 晶片與算力上的發展路徑，指出受出口管制限制，其晶片效能與產量難以在 2030 年前追上輝達。即使達成所有技術目標，華為仍將落後約四年，主要瓶頸在於製程裝置、記憶體供應及軟體生態。

  5. 文章進階EN

    An update on AI’s most important number

    分析 OpenAI 與 Anthropic 的營收爆發式成長，探討其是否代表 AI 產業的獨特軌跡。作者討論了技術突破與市場滲透對營收的影響，並預測未來成長可能趨緩，同時評估 AI 對全球經濟的潛在衝擊。

  6. 文章進階EN

    The Nvidia-sized hole in US GDP statistics

    指出美國 GDP 統計因未計入輝達等無廠半導體公司的設計價值而低估約 0.3 個百分點，這些晶片雖在美國設計卻在海外製造銷售。報告分析此盲點成因並提出修正建議，說明若輝達持續成長，差距可能擴大至每年近兩點。

  7. 文章進階EN

    9 Big questions benchmarks can help answer

    提出九個關於 AI 能力與經濟影響的關鍵問題，並介紹 Epoch AI 如何透過設計特定指標來驗證這些假設。讀者可了解當前 benchmarks 的侷限與未來方向，學習如何評估 AI 在就業、自研及創新方面的真實潛力。

  9. 文章進階EN

    The Epoch Brief - July 31, 2026

    簡報涵蓋 FrontierMath 數學難題擴展、AI 研發並行化限制對奇點的影響、AI 能源消耗現實、檢測器誤判率分析，以及 OpenAI Codex 開發效率提升證據。

  12. 文章進階EN

    The missing half of AI futurism debates

    探討 AI 未來主義辯論中常被忽略的半邊：不僅要評估 AI 有多強，更要分析開發特定高科技（如戴森球）的實際難度。作者提出透過「探索性工程」方法，結合 AI 假設來估算技術發展時間與資源需求，並舉例說明此方法在火箭與衛星預測上的成功歷史。

  15. 文章進階EN

    Toward an O*NET for AI R&D

    提出建立類似美國職業分類系統的「AI 研發任務分類法」，將前沿 AI 實驗室的工作拆解為六類超過六十個細項任務。透過評估現有 AI 能自動化的程度，提供比傳統指標更精確的自動化追蹤框架，有助於預測 AI 研究自動化與智慧爆炸的程序。

  17. 文章進階EN

    Are Mythos’ cyber capabilities overhyped?

    分析公開證據，評估 Anthropic 宣稱的 Claude Mythos 在網路攻防能力是否被誇大。研究發現 Mythos 在漏洞利用開發上大幅領先，但在漏洞發現能力上僅略優於現有模型，主要優勢在於降低誤報率與優先順序排序。

  18. 文章進階EN

    Controlling the capital after AGI

    探討人工通用智慧（AGI）普及後，社會如何重新分配資本以維持公平。作者比較了基本收入、基本服務、基本資本及主權財富基金等不同方案，並分析「誰控制資本」才是關鍵。

  19. 文章進階EN

    The Epoch Brief - June 1, 2026

    指出自 2026 年 1 月起，開放權重模型已比閉源頂尖模型落後約四個月，差距持續擴大。大型雲端廠商的資本支出已隨 GPT-4 發布後翻倍，且全球推論需求增長速度遠快於算力供應，顯示可能即將面臨算力短缺。