制约 AI 发展的关键因素主要包括算力方面：
算力成本高昂：生成式 AI 热潮以算力为基础，算力大小直接影响数据处理能力，研发投资与产品价值直接挂钩，且关系亚线性。目前算力缺口巨大，许多 AI 公司将募集资金的 80%以上用于算力资源，获得算力资源以最低总成本成为成功的决定性因素，且受算力资源约束未得快速缓解。 技术突破困难：算力提升在性能上延续摩尔定律，但受量子隧穿效应和普朗克长度的理论限制，需要除工艺尺寸缩小外的其他方案，如在硅基上发展 3D 堆叠形态（需更好散热）、材料创新（硅基掺杂、石墨烯片等）、量子计算（距离商用较远）。 传输速度限制：除计算速度外，传输速度也是阻碍算力进展的因素，高速网络、片间链接、片上内存等技术有待明显进展。 能耗和散热问题：能耗和散热是关键，高温超导技术是解决此问题的明珠，虽有相关突破消息，但仍需真正突破。 训练数据集有限：最佳参数数量和训练数据集大小存在相关性，目前尚不清楚能否获得比已用数据大 10 倍的非合成训练数据集。 GPU 性能提升受限：GPU 性能会继续提高但速度变慢，功耗和 I/O 成为限制因素，且优化芯片性能的方法已使用较多，改进空间有限。