6月11日， OpenAI 執行長薩姆·奧爾特曼在個人網站發布了名為「溫柔奇點」的文章中。他在文章中認為人類可能已經進入了「奇點」的早期階段——即人工智能超越人類智能的那個臨界點，並暢想了2030及以後的時代，「但在依然至關重要的其他方面，2030 年代將可能與以往任何時代都截然不同。我們不知道智能可以超越人類水平多遠，但我們即將揭曉答案。 」到了 2030。年代，智力和能量——即創意，以及實現創意的能力——將變得極其豐富。

智力代表的是人的創造力、理解力與解決問題的能力。

人類歷史長河中，不乏靈光一現、奇思妙想的思想或創意，但因為知識基礎、工具建設、教育體系或傳播手段的缺乏，這些思想創意往往無法被驗證、記錄或廣泛使用。

例如中國明朝萬戶嘗試自製火箭，把自己綁在椅子上借助火箭升空，但多次嘗試以失敗告終。探索的先驅者缺乏有關飛行的基本理論，也缺乏前人的實務經驗。

例如，古希臘哲學家曾設想宇宙由「原子」構成，但由於缺乏實驗工具和科學方法，這一思想未能推動技術進步。直到近代科學興起，人類才真正開始有系統地認識世界。

上述案例都說明了智力資源的累積和傳承帶去了創新落地的可能。

能量是將構想變成現實的動力來源。幾千年來，人類依賴人力、畜力和簡單的自然能源來維持生活，生產力長期受限。即便有聰明的想法，也常常因為沒有足夠的能量支持而無法實現。直到工業革命帶來了煤炭和蒸汽機，大規模製造和運輸才成為可能，現代社會的基礎才得以建立。可以說，能量決定了一個社會能否把創意或想法的藍圖變成現實世界的一部分。

進入21世紀，人工智慧的發展正讓智力資源前所未有地豐富。 AI不僅能輔助研究、加速發現，還能透過個人化學習系統讓每個人都能獲得高品質的知識，進而提升整個社會的認知層次。

同時，清潔能源技術也正在快速進步——從可控核融合到高效能太陽能，再到智慧電網和先進儲能係統，我們正逐步擺脫對有限資源的依賴，邁向一個能量充沛的時代。

當然，這一切的前提，還需要一個關鍵因素：好的治理機制。智力和能量本身是中立的，它們可以用來創造，也可以用來破壞。只有在製度層面建立公平、透明、有效率的治理體系，才能確保這些強大的資源被用來造福所有人，而不是加劇不平等或引發衝突。

以氣候改善為例，人們可以用AI優化氣候模型，結合清潔電力驅動碳捕捉工廠，並在全球範圍內協作執行環保政策，氣候變遷這個看似棘手的問題可能迎刃而解。

在這種情境下，智力和能量將不再是稀缺資源，而是像空氣和水一樣，成為我們日常生活中自然流動的一部分。人們將不再被基本條件所束縛，而是可以專注於更高層次的無論是藝術、哲學，還是更遙遠的星辰大海的創造與探索。

資料中心生產的自動化

薩姆·奧爾特曼還寫道： 「如果我們必須用傳統方式製造前一百萬台類人機器人，但隨後它們可以操作整個供應鏈——開採礦物、提煉金屬、駕駛卡車、運營工廠等——從而建造更多的機器人，進而建造更多的晶片製造廠、數據中心等，那麼進步的速度顯然會完全不同。隨著數據中心生產的自動化，智慧的成本最終往往會接近人們一次（GPTChat）查詢使用多少能源；平均查詢消耗約0.34 瓦時，相當於烤箱運行一秒多，或高效節能燈泡運行幾分鐘的能量。

透過先進的機器人技術和智慧系統，資料中心的生產實現自動化或有可能實現。

在機器人技術方面，類人機器人可以執行精細的操作任務，如組裝伺服器、佈線和安裝冷卻系統等。這些機器人能夠透過高精度感測器和機器學習演算法來優化它們的工作效率和準確性。

在智慧系統方面，透過物聯網(IoT)技術連接生產設備，使得整個生產線可以透過中央控制系統進行監控和管理。這不僅提高了生產效率，還允許即時調整以應對任何出現的問題。

再進一步，結合DePIN如去中心化雲端運算，透過分散式帳本技術(DLT)，例如區塊鏈，可以創建一個透明且安全的資料交換平台，確保所有參與者都能公平地存取資源和服務。同時，去中心化實體基礎設施網路(DePIN)允許利用閒置或未充分利用的運算資源，包括個人電腦、資料中心甚至行動設備，建立一個全球性的運算資源共享池。

DePIN輔助資料中心的生產為其實現自動化加大了可能性。

運行AI模型的成本能否達到接近電力成本？

在未來，智慧成本，即運行AI模型的成本能否達到接近電力成本，這是一個值得討論的問題。

當研究人員持續改進演算法，量子運算不斷創新突破，半導體技術和專用AI晶片（如TPU、NPU等）的發展，單位運算能力的能耗會呈現逐漸降低的趨勢，這意味著每瓦特電力可以支援更多的運算任務。

當把去中心化雲端運算等其它DePIN資源結合進來，去中心化資源的模式不僅提高了資源利用率，還減少了對新建大型資料中心的依賴，從而間接降低了總體成本。

如果智慧成本有朝一日達到接近電力成本的情況，或會開啟一系列新的可能性和應用場景：

●普及化的智慧服務：由於成本大幅降低，智慧服務將變得極為普遍，幾乎每個人都可以負擔得起高品質的人工智慧服務。例如，個人化的健康顧問、教育助理甚至是虛擬朋友都將成為日常生活中不可或缺的部分。

●加速科學研究：研究人員可以更容易獲得強大的運算能力，加速從藥物發現到氣候模擬等多個領域的研究進展。這意味著更快的技術突破和社會進步。

●新型商業模式：隨著運算資源的價值重新定義，可能會出現基於共享經濟原則的新商業模式。例如，用戶可以透過貢獻自己的運算資源來賺取收益，而企業則可以透過租用這些分散在全球各地的運算資源來降低成本。

但實際操作仍面臨諸多挑戰：

初期投資成本方面，建造高效能的資料中心或開發新型硬體設施需要大量的前期投入。即使計算成本降低，資料傳輸的成本（包括頻寬費用和延遲問題）仍然是一個不可忽視的因素。

未來，在某些特定場景下，我們或許真的能夠看到智慧服務的成本主要由其消耗的電力決定的情況出現。這會大大促進AI技術的普及和應用範圍的擴大。