知识卡片：人工智能趋势仪表盘

一句话结论

Epoch AI 的“Trends in Artificial Intelligence”仪表盘显示，前沿 AI 模型能力自 2024 年初以来加速增长，模型能力指数（ECI）每年上升约 15.5 分（约等于 GPT-4 到 o1 的差距）；自 2020 年以来，前沿语言模型训练算力每年增长约 5 倍，AI 芯片总计算能力每年增长约 3.4 倍。

事件概述或研究问题

该页面是 Epoch AI 维护的 AI 趋势与统计仪表盘，更新于 2026 年 2 月 5 日，旨在用可量化指标回答“AI 进展有多快”，以及算力、硬件性能、软件效率和投资如何共同驱动这一进展。

方法/产品要点

仪表盘整合了多项数据探索器和基准统计，关键数字如下（均来自页面展示）：

模型能力：ECI 每年增长 15.5 点（90% CI：+13 到 +18）；约自 2024 年 4 月起进步速度加快。
训练算力：前沿语言模型自 2020 年以来每年增长 5 倍（90% CI：4–6 倍），倍增时间约 5.2 个月。
AI 芯片总存量算力：每年增长 3.4 倍，倍增时间约 6.8 个月（基于收入数据、财务披露和分析师报告）。
硬件效率：AI 芯片每美元性能每年提升 37%，倍增约 2.2 年；GPU 每瓦性能每年提升 34%。
软件效率：预训练计算效率每年提高约 3 倍。
训练成本与功耗：训练成本每年增长 3.5 倍；当前前沿训练功耗达数十至数百兆瓦，相当于中型发电厂。
上下文窗口：LLM 上下文窗口自 2023 年以来每年增长 30 倍。
数据中心：最大已知 AI 数据中心（SpaceXAI 的 Colossus 2）算力相当于 110 万块 NVIDIA H100；Meta Hyperion 预计到 2028 年 1 月将达 370 万 H100 等效（预期，待核实）；吉瓦级数据中心建设约需 2.1 年，资本支出约 380 亿美元。
公司：OpenAI 年化收入自 2024 年以来增长 3.2 倍/年；前沿 AI 实验室已融资超过 3700 亿美元；五大超大规模云厂商拥有全球 AI 算力约 71%。

主要结果或产业意义

页面指出，AI 进展主要由规模驱动：自 2010 年以来，训练著名 AI 模型的算力每年增长 4.5 倍；算法效率提升使达到同等性能所需算力每年降至原来的约 1/3。当前前沿训练运行的电耗相当于一座中型发电厂，且这一趋势据称将持续到 2030 年。这些量化指标显示，AI 基础设施的资本密集度和能源需求正在快速攀升。

为什么重要

该仪表盘把散落的 AI 发展指标集中到一个交互式面板中，提供统一口径和置信区间，方便研究者、政策制定者和公众理解指数级进展。与 Epoch AI 的出版物页面相比，本页面直接给出增长倍率、倍增时间和置信区间，属于更“实时”的统计入口，可作为引用具体趋势数据的第一站。

局限与不确定性

许多数字基于财务披露、收入数据和分析师报告，存在估计误差（页面给出 90% 置信区间）。
“最大已知数据中心”和“H100 等效”等口径基于可获取信息，未必覆盖全部设施。
未来预期（如 Meta Hyperion 的算力、到 2030 年趋势延续）属于预测，实际结果可能不同。
仪表盘的具体统计口径、数据覆盖范围及个别数字的更新时点，需进一步查阅对应数据探索器（待核实）。

可用于图书/PPT/简报的角度

用“倍增时间”讲故事：训练算力每 5.2 个月翻倍、AI 芯片总算力每 6.8 个月翻倍、每美元性能每 2.2 年翻倍。
用具体模型差距解释 ECI：15.5 ECI/年 ≈ GPT-4 到 o1 的能力跃升。
用数据中心数字体现规模感：110 万块 H100 等效、380 亿美元/吉瓦、约 2 年建设周期。
用产业资本视角：OpenAI 年化收入倍增速度、前沿实验室总融资超 3700 亿美元。

与既有脉络的关系

本条是 Epoch AI“趋势与统计”仪表盘的概览；它与已有的“Epoch AI 出版物页面”卡片互补：后者侧重研究出版物与报告列表，本条侧重交互式数据面板中的具体增长数字。后续若需引用具体趋势数据，可优先使用本卡片中的数字并注明来源。

原始材料

英文标题：Trends in Artificial Intelligence
英文关键词：AI progress; scaling; compute; industry; data centers
来源：Epoch AI - Trends & statistics
URL: https://epoch.ai/trends
页面更新日期：Feb. 5, 2026（材料显示）