🔬 physics

The Cognitive Kardashev Scale: Quantifying the Material Envelope of Civilisational Computation

本文提出了一种“认知卡尔达肖夫标度”，通过整合能源可用性、分配效率与硬件性能来量化文明的计算能力，以估算不同文明层级所能支持的持续人工智能级思维规模。

原作者： Sachin Sharma

发布于 2026-05-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Sachin Sharma

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用通俗语言和日常类比对论文《认知卡尔达肖夫指数》的解释。

核心思想：衡量“思维力量”

想象一下著名的卡尔达肖夫指数，它根据文明使用的能量多少来对文明进行分级。

I 型： 能够利用其行星接收到的所有太阳能的文明（就像我们，但已完全掌握）。
II 型： 能够利用其整颗恒星所有能量的文明（例如在太阳周围建造一个巨大的外壳）。
III 型： 能够利用整个星系能量的文明。

这篇论文提出了一个新问题：“这些文明能进行多少思维活动？”

作者没有仅仅衡量瓦特（能量），而是创建了一个**“认知卡尔达肖夫指数”。该指数衡量如果一个文明拥有那么多能量，它能支持多少AI 计算**（数字思维）。这就像在问：“如果我们拥有一座恒星大小的发电厂，我们能运行多少台超级智能计算机？”

“思维”的配方

为了计算一个文明能进行多少思维活动，作者使用了一个包含四种成分的简单配方：

总功率 ( $P$ )： 文明拥有的电力总量（瓦特）。
“思维”份额 ( $f$ )： 并非所有电力都用于思维。有些电力用于种植食物、给房屋供暖和驾驶汽车。作者问道：我们将总功率的百分之多少专门留作思维使用？
效率 ( $\eta$ )： 我们的硬件将电力转化为思维的能力有多强？（将其想象为计算机的“每加仑英里数”）。
人类基准 ( $C_{brain}$ )： 为了让数字更易于理解，作者将计算机能力与人类大脑进行了比较。他们估计人类大脑每秒大约进行 $10^{16}$ 次运算。

公式：
$\text{总思维量} = (\text{总功率}) \times (\text{思维份额}) \times (\text{效率})$

我们现在的位置（0.73 型）

目前，人类在能量指数上处于0.73 型。我们距离完全掌握地球能量大约还有四分之三的路程，但尚未达到 I 型。

当前现实： 我们已经在数据中心（AI 所在之处）使用了大量电力。2024 年，数据中心使用的电量大约相当于一个中等规模国家的用电量。
“大脑”数量： 如果我们把人类今天使用的所有电力都专门用于 AI（忽略食物、汽车和照明），理论上我们可以运行相当于数十亿个人类大脑的思维力量。
关键点： 我们并没有这样做。目前我们只将极小一部分能量用于 AI。我们的大部分电力仍用于供暖和交通等“生存”必需品。

“思维”文明的三个层级

该论文计算了如果我们达到指数的下一个层级会发生什么，假设我们保持当前的计算机效率（基于 2024–2026 年的技术，如 NVIDIA 的 Blackwell 和 Rubin 芯片）。

I 型（行星能量）：
- 如果我们掌握了照射到地球的所有能量，并将其中1%专门用于思维，我们就能为地球上的每一个人类提供一个个人 AI 助手。
- 如果我们留出10%，每个人都可以拥有十个全天候为其工作的 AI 助手。
II 型（恒星能量）：
- 如果我们能够利用太阳的全部能量，这些数字将变得几乎无法想象。
- 即使只利用其中极小一部分能量，每个人都能获得相当于数十亿个人类大脑的计算能力。这种“思维”水平如此浩瀚，难以描述。
III 型（星系能量）：
- 这是“假如”层级。如果我们能够利用整个星系的能量，其思维力量将高到主要成为一个理论占位符。论文没有为这一层级提出政策建议，因为它远远超出了我们当前的现实。

未来：我们会耗尽电力还是效率？

作者展望了未来十年（至 2035 年）的三种可能路径：

“当前”路径： 计算机略有改进，但我们主要只是建造更多的计算机。为了获得足以让每个人使用的思维力量，我们需要将总能量中的很大一部分（也许 50%）专门用于 AI。这很困难，因为我们还需要能量用于其他用途。
“更好”路径： 计算机变得高效得多（就像提高燃油效率一样）。如果我们提高效率，就可以用更少的电力获得相同数量的思维力量。
“乐观”路径： 计算机变得极其高效，接近人类大脑的效率。在这种情况下，即使是我们当前能源的一小部分，也足以让每个人拥有一个个人 AI 助手。

重大警告： 论文指出，如果计算机不能变得更加高效，我们将撞上一堵墙，届时我们将没有足够的电力来继续构建更大的 AI 模型。我们可能需要建造巨大的新发电厂（如文中提到的“星门”或“太瓦工厂”项目），仅仅为了跟上步伐。

真正的瓶颈：谁能获得访问权？

最重要的结论不是关于物理学，而是关于政治和公平。

数学表明： 我们在物理上可以支持这样一个世界，即每个人都有一个超级智能的 AI 助手。在理论上，能量和计算能力是存在的。
现实表明： 仅仅因为我们可以做到，并不意味着每个人都会得到它。
类比： 想象一个巨大的自助餐（能源预算）。数学证明自助餐有足够的食物喂饱每个人。但如果少数人控制了厨房的钥匙，他们可能会吃光所有东西，让其他人一无所获。

论文得出结论：限制我们文明能进行多少“思维”的，不是发电厂的规模或芯片的速度。真正的限制在于谁有权使用计算机以及我们如何决定分享能源。

总结

这篇论文是一个“手算估算”。它将“一个文明拥有多少能量”的概念转化为“这些能量能购买多少思维”。

它告诉我们：

我们已接近拥有足够的能量，可以为每个人提供一个个人 AI。
我们需要提高计算机的效率，否则我们将耗尽电力。
最大的挑战不是建造计算机，而是决定谁可以使用它们。

技术摘要：认知卡尔达肖夫尺度

问题陈述
原始卡尔达肖夫尺度（Kardashev [1964]），经萨根（Sagan）完善，依据总功率消耗（ $P$ ）对文明进行分类，范围从 I 型（行星级， $\sim 10^{16}$ W）到 III 型（星系级， $\sim 10^{37}$ W）。虽然该框架有效地解决了 SETI（搜寻地外文明）中的能源可用性与可探测性问题，但它并未量化这些能源预算所能支持的认知能力。随着人类接近 I 型文明地位（目前 $K \approx 0.73$ ），且前沿 AI 基础设施的能耗已堪比中等规模国家，在理解文明能源预算与可持续机器学习级计算之间的关系方面存在空白。本文通过构建一个以计算单位而非纯粹能量单位校准的并行框架，来回答以下问题：“一个文明能进行多少思考？”

方法论
本文通过计算每个卡尔达肖夫层级文明可用的持续认知吞吐量（ $C_{cog}$ ）来构建认知卡尔达肖夫尺度。该计算依赖于四个主要参数：

总功率（ $P$ ）： 文明可用的总能源预算（瓦特）。
认知分配比例（ $f$ ）： 分配给认知的 $P$ 部分，同时承认能源也需用于农业、工业和基础设施。
计算效率（ $\eta$ ）： 能量转化为运算的速率（FLOP/J）。本文将其锚定于 2024–2026 年的硬件数据（例如 NVIDIA Blackwell、Vera Rubin、El Capitan），采用保守的持续效率 $\eta_{2026} = 10^{12}$ FLOP/J。该数值考虑了现实世界的开销（散热、数据移动、内存访问），而非峰值理论吞吐量。
生物参考（ $C_{brain}$ ）： 人类认知的参考单位，估计为 $10^{16}$ FLOP/s（基于 $10^{15}$ 至 $10^{17}$ 的文献范围，存在 $\pm 1$ 个数量级的不可约不确定性）。

核心方程定义为：
$C_{cog} = f \cdot P \cdot \eta$
结果以绝对每秒运算次数表示，并归一化为“脑等效单位”（ $N = C_{cog} / C_{brain}$ ），以提供直观的尺度。

本文还基于训练计算规模的历史回归（从 AlexNet 到 2026 年估算）以及预测的基础设施承诺（例如 Stargate、Terafab），对至 2035 年的前沿计算增长建模了三种前向轨迹（当前、更好、乐观）。

主要结果

当前状态（0.73 型）： 全球一次能源约为 $\sim 2.0 \times 10^{13}$ W，在对 AI 进行保守分配的情况下，人类目前拥有的原始能力相当于 $10^5$ – $10^7$ 个脑等效单位。这相当于一座主要大都市的人口规模，尽管目前大部分并未用于认知。
I 型（行星级）： 在 $P \approx 10^{16}$ W 时，一个文明可支持 $\sim 10^{28}$ FLOP/s。如果 1% 的能源分配给认知（ $f=0.01$ ），这将产生 $\sim 10^{12}$ 个脑等效单位，即大约每位人类居民拥有一个数字大脑。若 $f=10\%$ ，这一数字将上升至每人十个数字大脑。
II 型（恒星级）： 在 $P \approx 3.8 \times 10^{26}$ W 时，其能力在人类概念中已无法理解。即使在 $f=1\%$ 的适度分配下，人均认知盈余也达到每位居民数十亿个脑等效单位。
轨迹分析：
- 当前轨迹（ $\times 3.5$ /年增长）： 若要在 2035 年实现人均对等（每位人类对应一个 AI 等效单位）而不扩大总能源，效率（ $\eta$ ）必须提高约 $100\times$ （达到 $10^{14}$ FLOP/J）。若无效率提升，则需将全球一次能源的 $\sim 50\%$ 分配给认知，这在物理上是可能的，但在政治上不太可能。
- 乐观轨迹（ $\times 10$ /年增长）： 此情景需要 $10^6$ – $10^7\times$ 的效率提升，接近兰道尔极限（Landauer limit）和生物皮层的效率。本文指出，除非实现可逆计算或亚室温运行，否则在当前热力学约束下，这在物理上是不可行的。
约束条件： 分析表明，如果效率进步停滞，认知丰富度的约束条件是能源（需要 I 型规模的基础设施）。如果效率向生物极限（ $10^{14}$ – $10^{15}$ FLOP/J）提升，约束条件将转移至政治经济学（分配比例 $f$ 和制度准入）。

意义与主张
本文明确将其贡献框架为校准，而非预测。它并未声称这些能力将被实现，也不预测 AI 的未来。相反，它提供了一种定量脚手架，将关于“巨大”规模的模糊直觉转化为具体、可辩论的数字。

其主要意义在于识别文明未来约束的性质：

物理能力是充足的： 本文证明，在 I 型能源水平下，认知的物理能力并非瓶颈；文明不会因现实的人均需求而“耗尽”计算能力。
向分配的转变： 实质性问题的转变从“我们能建造它吗？”转向“谁能获得访问权？”。该尺度强调，认知盈余的分配是一个政治和制度问题，而非热力学问题。
效率与能源： 本文阐明，长期约束条件取决于工程选择。如果效率提升，约束条件变为能源的政治分配；如果效率停滞，约束条件仍为总能源预算。

作者总结道，认知卡尔达肖夫尺度作为一个工具，使“文明长期思考的约束条件是能源和政治，而非硅基”这一直觉变得明确且可测试，为未来关于认知计算政治经济学的文献提供了基准。