人工智能的算力军备

在人工智能的未来蓝图中，最初的通用人工智能（AGI）预期将以庞大的数据中心形式出现，内置海量并行工作的神经网络处理器，其耗电量将相当于千万户家庭的用电总和。这种超级智能系统预计将根本性地改变我们所知的世界。——来自OpenAI联合创始人兼首席科学家Ilya Sutskever的观点。

​

尽管这种预测听起来宛如科幻小说，但根据2024年1月3日Metaculus数据平台的预测，人类预计将在2030年前后实现通用人工智能。随着技术的快速发展，如GPT-5的发布，这一时间点甚至可能提前至2026年。

截至2022年底，由ChatGPT引领的生成式AI技术已成为科技界的热门话题，几乎所有科技公司和国家都在争夺这一领域的领先地位。ARK Invest预测，以人工智能为核心的一系列技术革新——包括电池技术、机器人技术、基因测序和公共区块链等——将对经济产生超越历史上任何工业革命的影响。

​

人工智能的发展依赖于三个关键要素：模型、算力和数据。在基础模型方面，开源社区正在迅速追赶OpenAI和Google的私有模型，包括Meta的LlaMA 2、阿里巴巴的通义千问以及零一科技的Yi开源模型等，推动了人工智能技术的民主化。虽然开源模型的性能暂时不及GPT-4或Google的Gemini Ultra等私有模型，但其性能提升速度更快。

​

除了模型竞争，算力和数据是推动人工智能发展的另外两个核心要素。特别是模型规模与其智能和可靠性成正比，而高可靠性是实现价值的基础，例如自动驾驶技术就需要远超人类的可靠性水平。因此，人工智能的进步需要大量的算力和数据支持。

算力军备

对于拥有大量数据的科技公司而言，最直接的提升AI能力方式是增加算力。这推动了对GPU等人工智能芯片的大量需求。通过堆叠更多的算力，公司能够训练更大的模型，服务更多用户，从而加速人工智能技术的发展。目前，英伟达的GPU芯片被认为是市场上最优秀的人工智能芯片。Meta和微软是英伟达H100 GPU的最大客户，采购量远超过谷歌、腾讯、亚马逊和甲骨文，除此以外百度、阿里、字节和特斯拉也在大量采购H100芯片。英伟达在2024财年第三季度的数据中心硬件收入达到145亿美元，显示其产品供不应求。

​

英伟达作为GPU技术的领先供应商，无疑是人工智能革命的最大受益者，市场占有率达到92%。

​

值得注意的是，几乎所有大量采购Nvidia H100 GPU的公司都在开发自己的人工智能芯片，如特斯拉的D1芯片、微软的Maia 100芯片，此外国产的华为升腾系列芯片也有媲美英伟达GPU芯片的能力。

结语

在人工智能时代，数据、模型和算力是核心要素。算力的积累为人工智能提供了硬件基础，其规模将直接影响智能产出的能力和数量，赋予拥有者在人工智能时代的竞争优势。这无疑是未来科技发展中的关键战场。