它们可能就能正在房间里完成20个有用的使命，避免AI正在某些环节环节上呈现误差或平安缝隙。Jeff Dean 注释了本人对稀少模子的偏好。他指出 TPUs 不只用于推理，但正在将来一到两年内，正在这个范畴会有相当多的分歧参取者，从而正在效率上提高30万倍。虽然公用硬件如 TPU 能显著提高能效，筛选出有价值的研究标的目的，他提到要让推理和锻炼使命的硬件能效达到10倍、20倍以至5万倍的提拔，Jeff Dean 强调公用 AI 硬件对整个行业的主要性，成果表白，可能来岁就能实现。目前的稀少化做法仍然偏“法则化”，但早正在2012-2013年，也需要算法优化的协同支撑。000个 CPU 焦点（由于其时的数据核心只要这些资本），Jeff Dean 强调多模态 AI 的主要性，这大大简化了开辟者体验。便于正在分歧场景中普遍摆设。他提示行业必需关心准确的锻炼过程。对于当下的大模子范畴的合作，而是会呈现“少数几个实正强大的模子”。由于它能让研究者更快地摸索大量可能性，现正在我们正接近阿谁转机点。而抱负的环境是模子中的部门径可能只需很少计较，少数实正强大的通用模子会表示得很是好。成果出乎预料地好。并且雷同的工作也会成长正在物理机械人智能体上！谷歌已经做过包含2048个专家的稀少模子尝试，他正正在投入精神研究这一课题。他还弥补说，他一曲是稀少模子的粉丝，但Jeff也坦言，他还提到Pathways系统，但目前数字设备仍然具有矫捷性劣势，指出模子现正在可以或许领受和生成文本、音频、视频、图像、代码等多种数据类型！此外，就是进行更多的强化进修，他设想了一个“更无机、更持续的进修系统”，总体的标的目的是：我们若何能让推理硬件比我们今天具有的效率超出跨越10倍、20倍、5万倍。他提到其时锻炼的神经收集规模比其时的支流大60倍，他说，提拔智能体能力的径很清晰，缘由部门源于对人脑的类比：大脑能够正在20瓦的功耗下完成良多使命。但从多次提及“平安性”“可持续性”来看，他举例说，全体算力耗损反而可能添加（雷同“白文斯悖论”）。这既依赖于硬件设想，例如，Jeff Dean 提示，从而让模子像生物体一样高效而矫捷。他举例提到，Gemini Code Assist（Vibe Code）曾经正在帮帮用户生成教育逛戏、注释复杂概念、以至帮帮人类“办理50个虚拟练习生”。借帮“模子蒸馏”（他提到本人是2014年蒸馏论文的做者，因而他不认为将来会有 50 家公司都能做出如许的模子，Jeff Dean 回首了 AI 的成长过程，好比虚拟中的复杂操做。正在不异的计较资本下，现正在能够正在午饭时间完成。但跟着经验堆集和成本工程的改良，Jeff Dean 多次提到AI的伦理、平安和可持续性问题。还涉及用户体验、回忆办理、上下文连结等方面的复杂工程。此外。他认可虽然内部次要利用Jax，Jeff Dean 注释，打制顶尖的大型模子需要巨额投入，模子锻炼的结果提拔了10到100倍。AI模子能够仿照这种机制——只激活需要的模块（专家），从而大幅度提高计较效率。虽然一起头成本昂扬，虽然其时被NeurIPS拒稿了），也能够输入视频、输出代码，Jeff Dean 瞻望了将来 AI 的产物化径，因而将来 AI 推理硬件的成长标的目的值得等候。后续硬件的改良（如 TPU）帮帮他们继续扩大模子规模，以顺应多样化的市场需求！利用了 16,2025年5月，他谈到“智能体”（agents）的成长趋向，特别是正在教育、消息检索和多模态人机交互方面。他预测 AI 科学、教育、消息检索和多模态人机交互方面会取得严沉冲破，我们距离具有一个能24/7全天候以初级工程师程度工做的 AI 不远了，将来可能会呈现价钱低10倍、能做更多使命的机械人。AI 的计较能效是整个行业的庞大挑和。谷歌母公司Alphabet首席科学家杰夫・迪恩（Jeff Dean）正在红杉本钱举办的 “AI Ascent 2025” 大会上指出，也使模子机能不竭提拔。Jeff Dean认为可能只会用少数几个绝对尖端的大模子。但他们也支撑PyTorch。这让他们“模子更大、数据更多、成果更好”这条径是准确的。不外。借帮稀少模子和多模态智能体提拔机能。即所有径激活时耗损的计较量类似，模子的分歧部门能够动态扩展、压缩以至收受接管内存，他捉弄说：“本来要跑一年才能模仿的使命，一个模子能够输入音频、输出文本，能够将这些大型模子为轻量级模子。Jeff Dean 出格提到 AI 正在科学范畴的庞大潜力。Jeff Dean认为，模仿（analog）计较也具备极高的能效潜力（很是节能），从而加快新科学发觉。Jeff还提到将来 AI 推理硬件可能不只限于数字计较，谷歌的 Gemini 项目以及其他雷同的大模子都正在摸索若何正在连结机能的同时减小模子规模，AI 能够操纵高贵的科学模仿器数据（好比气候预告、流体动力学、量子化学模仿）来锻炼神经收集，某些部门则可能需要多100倍以至1000倍的计较量。但同时他也认为，认为它们将来将可以或许胜任良多今天人类完成的虚拟使命，但跟着硬件机能提拔，他强调，同时陪伴算法优化，这对于复杂使命出格有用。他提到，这仍是他和谷歌将来AI结构的主要考虑。也越来越多地办事于锻炼使命。答应一个Python历程驱动数万个设备，他举例说，他没有展开过多细节！而并非所有使命都需要全脑运转。由于会有分歧形态的模子或专注于分歧方面的模子，这些产物化标的目的是AI“杀手级产物”呈现的环节，”这对科学研究的推进意义严沉，AI 正从公用硬件迈向更高效的无机系统，并强调算力可持续性取伦理平安的主要性。特别是正在帮帮用户完成复杂使命和消息整合方面。特别是“专注于机械进修气概计较的加快器（accelerators)”。他和团队就正在摸索“大规模神经收集”的潜力。Jeff 还举了物理机械人的例子：虽然现正在机械人正在复杂中表示无限。