@catazshadow yep ，摩尔定律到头了，无法切割原子。另外纵向立体堆叠也要考虑热量的问题。

@catazshadow CPU 的摩尔定律已经很慢了，GPU 的摩尔定律显然还没到头，看老黄每年新卡的计算能力就知道了。

@NoOneNoBody 乐观估计几十年。

@catazshadow 并不是所有神经元的连接都是有作用的。神经元的数量也无法对应智能的水平。LLM 的参数也无法对应神经元的连接。 如果你非要类比，你来解释一下 LLM 参数量小于老鼠神经元连接时，LLM 表现的智能也要高过老鼠？

@trungdieu031 别闹，但凡单卡能无敌上限，他会卖一体机？还搞光交换机拓展机柜？

@icyalala 老鼠能感知危险，LLM 能吗？你对于智能的理解很片面。

@trungdieu031 老黄吹的是 GPU 内的算力，他不会告诉你的是，从 DDR 读数据的带宽是有尽头的，一个周期只能读回来那么多数据，怎么在合理时间内读回来足够的数据，用来表示比现在的模型大 1000 倍的更大的模型？ HBM ？集成几百颗显存吗？

@coefuqin 我建议你不要听风就是雨！ 先仔细看看文章说的是啥再来辩经！ 他这篇文章的结论是 RL 无法实现超越基础模型能力的推理。RL 只是激发能力做推理过程，文章讨论的模型能力的边界问题。举个例子，如果一个模型在预训练阶段没有在数学集上做过相应的训练，那么 RL 深度思考也是没法表现出来数学的形式计算能力。 开口之前先过过脑子！

@trungdieu031 不是 GPU 的摩尔定律没到头，是他把芯片越做越大来提升的性能。因为 GPU 的独立性，他把现在电路板都做成芯片也行。

我部分认可你的标题，但完全不认同你的推理。