人工智能AI其实应该进入了一个新的发展阶段，强调算力和奔向垓-数据/储存。我们还可以说AI其实遇到了发展瓶颈，当前只有找了并摁着一个大模型在地下摩擦。

算力是设备通过处理数据，实现特定结果输出的计算能力。算力、算法和数据就是AI的组成部分。追求算力、算法和数据的热度很高。

算力实现的核心是 CPU、GPU、 FPGA、ASIC 等各类计算芯片，并由计算机、服务器、高性能计算集群和各类智能终端等承载，海量数据处理和各种数字化应用都离不开算力的加工和计算，算力数值越大代表综合计算能力越强，常用的计量单位是每秒执行的浮点数运算次数（Flops，1EFlops=10^18Flops）。

根据中国算力发展指数白皮书测算， 算力每投入1元，将带动3-4元的经济产出。

算力够不够，快不快；算法怎么样；能源够不够，都很重要。我们相信AI的发展潜力和空间依然很大，但是还是建议——

——到这里再度认识AI的核心（大模型）：

现在最新的AI应用及表现就是大模型，被捧的比较高。然其语句输出规则，源于字与字之间概率链接的统计结果，其根本原理并没有超出一般的统计学规则。同意如哈耶克指出的 ，一般的统计学原理不能产生新知识，因为新知识都是统计中的“野点”，就是人们熟知的、塔勒布提出的“黑天鹅”。文化（论文）自动化？

看这里——要这样去理解，统计学原理是人建设出来的、不能自动产生，还需要设计创新并只是针对现有数据统计分析。因此用于机器、它更不能：

（1）思考和推理

逻辑是思维规律和客观规律。人类花了人类史的时间拥有并还在进化的逻辑推理能力——语言文字→观察纪录→统计分析→逻辑思维...注意：是人类史的时间。

（2）意识和情绪

因此，人类是能够和需要自我评价的，会反省，能形成语感、灵感，还有天然的七情六欲。而机器不行。

（3）判断和强调

人会判断（情绪）反语；强调说明；修改校对。

无论AI多强大，都是基于强大的已知数据。而尚无法数据化的、智能化所必须的东西还有很多：应变、想象、计划、创（新）知等。

解释人类智慧（的表现）和宇宙起源一样难，又怎么能够将其数字化呢？

分类、计量、标识，就是统计。都可以吗？

另一方面，早龄化使用或过度相信、以致过分依赖AI，还容易使个体失去探索世界的积极性，整体的危机在埋没、退化和湮灭人脑的创造性。

尽管如此，这并不影响AI入选我们的十大前沿科技。也相信不久的将来、AI的瓶颈就能被突破，因此算力和存储能力更应该做到有备无患。