6月11日， OpenAI 首席执行官萨姆·奥尔特曼在个人网站发布了名为“温柔奇点”的文章中。他在文章中认为人类可能已经进入了“奇点”的早期阶段——即人工智能超越人类智能的那个临界点，并畅想了2030及以后的时代，“但在依然至关重要的其他方面，2030 年代将可能与以往任何时代都截然不同。我们不知道智能可以超越人类水平多远，但我们即将揭晓答案。”“到了 2030 年代，智力和能量——即创意，以及实现创意的能力——将变得极其丰富。这两种资源长期以来一直是人类进步的根本限制；有了充足的智力和能量（以及良好的治理），理论上我们可以拥有其他一切。“

智力代表的是人的创造力、理解力与解决问题的能力。

人类历史长河中，不乏灵光一现、奇思妙想的思想或创意，但因为知识基础、工具建设、教育体系或传播手段的缺乏，这些思想创意往往无法被验证、记录或广泛使用。

例如中国明朝万户尝试自制火箭，把自己绑在椅子上借助火箭升空，但多次尝试以失败告终。探索的先驱者缺乏有关飞行的基本理论，也缺乏前人的实践经验。

比如，古希腊哲学家曾设想宇宙由“原子”构成，但由于缺乏实验工具和科学方法，这一思想未能推动技术进步。直到近代科学兴起，人类才真正开始系统地认识世界。

上述案例都说明了智力资源的积累和传承带去了创新落地的可能。

能量是将构想变为现实的动力来源。几千年来，人类依赖人力、畜力和简单的自然能源维持生活，生产力长期受限。即便有聪明的想法，也常常因为没有足够的能量支持而无法实现。直到工业革命带来了煤炭和蒸汽机，大规模制造和运输才成为可能，现代社会的基础才得以建立。可以说，能量决定了一个社会能否把创意或思想的蓝图变成现实世界的一部分。

进入21世纪，人工智能的发展正在让智力资源前所未有地丰富起来。AI不仅能辅助研究、加速发现，还能通过个性化学习系统让每个人都能获得高质量的知识，从而提升整个社会的认知水平。

与此同时，清洁能源技术也在飞速进步——从可控核聚变到高效太阳能，再到智能电网和先进储能系统，我们正逐步摆脱对有限资源的依赖，迈向一个能量充沛的时代。

当然，这一切的前提，还需要一个关键因素：良好的治理机制。智力和能量本身是中立的，它们可以用来创造，也可以用来破坏。只有在制度层面建立起公平、透明、高效的治理体系，才能确保这些强大的资源被用于造福所有人，而不是加剧不平等或引发冲突。

以气候改善为例，人们可以用AI优化气候模型，结合清洁电力驱动碳捕捉工厂，并在全球范围内协作执行环保政策，气候变化这个看似棘手的问题可能迎刃而解。

这种情景下，智力和能量将不再是稀缺资源，而是像空气和水一样，成为我们日常生活中自然流动的一部分。人们将不再被基本条件所束缚，而是可以专注于更高层次的无论是艺术、哲学，还是更遥远的星辰大海的创造与探索。

数据中心生产的自动化

萨姆·奥尔特曼还写道：“如果我们必须用传统方式制造前一百万台类人机器人，但随后它们可以操作整个供应链——开采矿物、提炼金属、驾驶卡车、运营工厂等——从而建造更多的机器人，进而建造更多的芯片制造厂、数据中心等，那么进步的速度显然会完全不同。随着数据中心生产的自动化，智能的成本最终应趋近于接近电力成本。（人们常常好奇一次 ChatGPT 查询使用多少能源；平均查询消耗约 0.34 瓦时，相当于烤箱运行一秒多，或高效节能灯泡运行几分钟的能量。它也使用大约 0.000085 加仑的水，大约是一茶匙的十五分之一。）”

通过先进的机器人技术和智能系统，数据中心的生产实现自动化或有可能实现。

在机器人技术方面，类人机器人可以执行精细的操作任务，如组装服务器、布线和安装冷却系统等。这些机器人能够通过高精度传感器和机器学习算法来优化它们的工作效率和准确性。

在智能系统方面，通过物联网(IoT)技术连接生产设备，使得整个生产线可以通过中央控制系统进行监控和管理。这不仅提高了生产效率，还允许实时调整以应对任何出现的问题。

再进一步，结合DePIN如去中心化云计算，通过分布式账本技术(DLT)，比如区块链，可以创建一个透明且安全的数据交换平台，确保所有参与方都能公平地访问资源和服务。同时，去中心化物理基础设施网络(DePIN)允许利用闲置或未充分利用的计算资源，包括个人电脑、数据中心甚至移动设备，构建一个全球性的计算资源共享池。

DePIN助力数据中心的生产为其实现自动化加大了可能性。

运行AI模型的成本能否达到接近电力成本？

在未来，智能成本，即运行AI模型的成本能否达到接近电力成本，这是一个值得讨论的问题。

当研究人员持续改进算法，量子计算不断创新突破，半导体技术和专用AI芯片（如TPU、NPU等）的发展，单位计算能力的能耗会呈现逐渐降低的趋势，这意味着每瓦特电力可以支持更多的计算任务。

当把去中心化云计算等其它DePIN资源结合进来，去中心化资源的模式不仅提高了资源利用率，还减少了对新建大型数据中心的依赖，从而间接降低了总体成本。

如果智能成本有朝一日达到接近电力成本的情况，或会开启一系列新的可能性和应用场景：

●普及化的智能服务：由于成本大幅降低，智能服务将变得极为普遍，几乎每个人都可以负担得起高质量的人工智能服务。例如，个性化的健康顾问、教育助手甚至是虚拟朋友都将成为日常生活中不可或缺的部分。

●加速科学研究：研究人员可以更容易获得强大的计算能力，加速从药物发现到气候模拟等多个领域的研究进展。这意味着更快的技术突破和社会进步。

●新型商业模式：随着计算资源的价值重新定义，可能会出现基于共享经济原则的新商业模式。例如，用户可以通过贡献自己的计算资源赚取收益，而企业则可以通过租用这些分散在全球各地的计算资源降低成本。

但实际操作中仍面临诸多挑战：

初期投资成本方面，建设高效能的数据中心或者开发新型硬件设施需要大量的前期投入。即使计算成本降低，数据传输的成本（包括带宽费用和延迟问题）仍然是一个不可忽视的因素。

未来，在某些特定场景下，我们或许真的能够看到智能服务的成本主要由其消耗的电力决定的情况出现。这会极大地促进AI技术的普及和应用范围的扩大。