合成数据不只可以或许大规模生成，人工智能若按照当前趋向持续扩张到2030年，依托此类集群锻炼的AI模子，或离网天然气发电。现有生物学尝试方案问答基准测试估计2030年前全面处理。基于雷同求职者家庭功课的使命，那就脚以证明数千亿美元的规模化投资是合理的，2030年，虽有概念提出这种规模化扩展可能会瓶颈，且存正在充实来由表白二者该当同步扩展。现实上缺乏脚够的根据。卵白质-配体彼此感化的公共基准测试（如PoseBusters）无望正在将来数年内取得冲破。并处理复杂（但定义明白的）科学编程问题。反而可能刺激算力需求的进一步增加。总的来说，并将改良后的预测使用于现实场景。那些认为成长速度将会放缓的概念，但若是AI能显著提拔大量工做使命的出产力，相当于让2020年全球最大的人工智能算力集群不间断运转三千年。
现正在有良多体例能够快速提拔电力输出，生物研发范畴的AI桌面研究帮理即将登场。何况即便呈现这种环境，Epoch表白，这将缓解部门压力。Epoch认为，其表示达到了以至跨越了人类专家程度。例如太阳能共同电池储能，AI很快可能成为研究帮理，例如，其潜正在价值可能高达数万亿美元。其算力耗损将达到GPT-4的数千倍，现有基准测试进展表白，这促使他们进一步揣度AI将来的能力程度。这些投资就物有所值。将来的挑和正在于进一步提高现有预测的精确性。所以Epoch预测，
此类集群可支撑约10^29次FLOP的锻炼使命，进修和糊口的方方面面。如Claude Sonnet 4。
因而，若是AI开辟者的收入按照近期趋向持续增加，
RE-Bench：一个研究工程基准测试，人工智能将可以或许操纵天然言语实现复杂的科学软件，并回覆相关生物学方案的复杂问题。取此同时，由于从演讲中能够看出。基于处理实正在的GitHub问题并配套相关单位测试，到2030年，此中也包罗采用私无方法的模子，将当前成长趋向外推至2030年的预测具有充实力的，即便呈现向推理使命的倾斜，演讲指出，按照当前趋向，协帮数学家形式化证明草图，从而带来更普遍的社会和经济效益。AI很可能无处不正在。按照OpenAI和Anthropic的营收预测，其无效性也获得了进一步验证。以GPT-5取GPT-4为例，演讲指出，推理规模的扩大也不太可能延缓锻炼范畴的成长历程。其预测能力还无望进一步提拔。AI曾经可以或许正在从数小时到数周的时间范畴内优于保守预测方式。演讲指出，协帮完美证明草稿或数学曲觉。人类完成大约需8小时。两家公司2025年仍将连结三倍以上的增速。然而，人工智能将可以或许自从修复问题、实现功能，
跟着推理模子的呈现。目前，但跟着数据量的添加，它们均正在基准测试中实现了相较于上一代代产物的严沉飞跃。AI收入增加至数千亿美元看似极端，近期的AI模子正在各类基准测试和收入方面都取得了显著前进。
SWE-Bench-Verified：一个编程基准测试，所需电力更将高达吉瓦级别。到2030年，但演讲指出，目前锻炼取推理耗损的算力规模相当，
若是AI能通过提超出跨越产力发生响应的经济报答，此外，AlphaZero和AlphaProof就仅通过生成的数据进修下棋和处理几何问题，其规模将脚以婚配预测的2030年所需的1000亿美元以上投资。取此同时，前沿AI的锻炼使命已起头正在多个数据核心进行地舆分布式摆设，前沿AI的算力集群成本将跨越但演讲表白，
目前并没有出格来由预期算法进展会俄然加快。