『壹』 人工智能遭遇算力物理极限
在物理世界中，布雷莫曼极限设定了一个上限，这个极限限制了任何独立系统在单位时间内能实现的最高速度运算，以1千克物质为例，其上限约为每秒1050次的计算能力。目前，全球最强大的超级计算机美国Frontier的运算速度为每秒110亿亿次，尽管与极限值还有很大的差距，但随着摩尔定律的约束，工艺制程的提升变得困难且成本高昂，这意味着算力的增长速度无法满足元宇宙等高需求应用的提升。
为了达到元宇宙级别的沉浸体验，所需算力需要比现有水平提升1000倍。然而，目前的算力瓶颈使得许多元宇宙构想难以实现，例如，实现16K的沉浸感，需要的带宽高达280.7Gbps，这些都是现有技术难以触及的挑战。
更为严峻的是，如果人工智能想要完全模仿人脑，仅用最强大的计算方式，效率也会降低3361倍，这还是仅针对一个大脑。考虑到全球80亿人脑和日益增长的社会生活计算需求，所需算力将是一个天文数字，远远超过了当前芯片的物理极限所能承载的范围。
『贰』 人工智能需要什么基础
人工智能（AI）基础：
1、核心三要素——算力、算法、数据（三大基石）：
算法、算力、数据作为人工智能（AI）核心三要素，相互影响，相互支撑，在不同行业中形成了不一样的产业形态。随着算法的创新、算力的增强、数据资源的累积，传统基础设施将借此东风实现智能化升级，并有望推动经济发展全要素的智能化革新。让人类社会从信息化进入智能化。
1）算力：
在AI技术当中，算力是算法和数据的基础设施，支撑着算法和数据，进而影响着AI的发展，算力的大小代表着对数据处理能力的强弱。
（2）算法：
算法是AI的背后“推手”。
AI算法是数据驱动型算法，是AI的推动力量。
（3）数据：
在AI技术当中，数据相当于AI算法的“饲料”。
机器学习中的监督学习和半监督学习都要用标注好的数据进行训练，由此催生了大量数据标注公司，它们将处于未经处理的初级数据，转换为机器可识别信息。只有经过大量的训练，覆盖尽可能多的各种场景才能得到一个良好的模型。
2、技术基础：
（1）文艺复兴后的人工神经网络。
人工神经网络是一种仿造神经元运作的函数演算，能接受外界资讯输入的刺激，且根据不同刺激影响的权重转换成输出的反应，或用以改变内部函数的权重结构，以适应不同环境的数学模型。
（2）靠巨量数据运作的机器学习。
科学家发现，要让机器有智慧，并不一定要真正赋予它思辩能力，可以大量阅读、储存资料并具有分辨的能力，就足以帮助人类工作。
（3）人工智慧的重要应用：自然语言处理。
自然语言处理的研究，是要让机器“理解”人类的语言，是人工智慧领域里的其中一项重要分支。
自然语言处理可先简单理解分为进、出计算机等两种：
其一是从人类到电脑──让电脑把人类的语言转换成程式可以处理的型式；
其二是从电脑回馈到人──把电脑所演算的成果转换成人类可以理解的语言表达出来。