12月15日，艾伦人工智能研究所科学家Tim Dettmers警告称，当前计算处理器技术已接近物理极限，这将成为实现通用人工智能（AGI）的主要障碍。他指出，现有硬件扩展空间仅剩一到两年，GPU性能自2018年起已趋于瓶颈，后续优化效果有限。尽管如此，通过硬件整合创新仍可延长效能，如NVIDIA最新GB200 NVL72系统将加速器数量从8个增至72个，推理性能提升约30倍。Dettmers强调，AGI的实现需依赖实际运算能力，而非仅停留在哲学讨论层面。

华尔街日报11月15日报道，全球AI投资热潮正面临物理基础设施瓶颈的严峻挑战。尽管科技巨头投入创纪录资金建设数据中心，但关键设备（如变压器）严重短缺，产能已预订至2028年，电力需求更需10到15年才能解决。高盛分析师称，用于AI基建的资金‘几乎是无限的’，但供应链限制和电网接入问题成为核心障碍。摩根大通预测，到2030年，全球AI基建总投资将达5万亿美元，为实现10%年回报，AI产品和服务需每年额外创造6500亿美元收入。市场能否支撑如此规模的付费需求仍是未知数，广告和企业级AI服务或成主要收入来源。