科技行业周期探索之七：2016-2030年：通用人工智能时代的到来

　　路线的转变：从CPU 到GPU 的切换

    　　2016 年全球的移动互联网渗透率已经超过了50%，这代表的其高速增长的时间已经过去；此时英特尔公司放弃了引以为傲的“Tick-tock”战略，CPU 在终于在算力提升的路上严重受阻。这这样的背景下，科技界都在寻找新方向，即能够接过CPU 接力棒的技术。凭借早年显卡的积累，以及CUDA 架构的提出，英伟达GPU 逐渐成为通用计算芯片，它替代CPU成为引领算力进步的新宠儿。

    　　尽管英伟达在人工智能芯片上的单芯片算力从2012 年开始用了10 年的时间翻了1000 倍，但是以提升功率与价格的方式实现的，我们测算最近10 年全球每GFLOPS 的复合成本降幅大约在25-35%之间，这一降幅略低于摩尔定律的要求。

    　　三大算力应用：比特币、云计算、新能源车

    　　比特币的出现大大拉动了全网算力的提升，在14 年的时间里，全网算力增加了3 万亿倍（3.2*10^12），相当于每年复合增速6.8 倍。目前比特币挖矿的耗电量相当于全球排名第20 名左右的国家用电量。

    　　单CPU 算力提升受阻，云计算成了继GPU 之外的又一解决方案。到了2016年，几乎所有的大公司在云计算的部署都已完成。2024 年，云计算市场规模达到了6760 亿美元，2016-2024 年复合增速达到了25.2%。

    　　从算力角度，新能源汽车的第一特征可能不再是汽车，而是一台“大号的、行走的计算机”，从Model-S 开始，新能源车的发展进入到了快车道。中国在新能源车的普及上遥遥领先全球，2023 年新能源车占总销量比重高达38%，欧洲为21%，美国仅为9.5%。单车载芯片算力目前达到500-1000T，预计2030 年将达到5000T。

    　　大模型的出现：AI 翻开了崭新的一页

    　　2017 年，有关Transformer 架构的论文发布，随后谷歌的BERT 模型与OPENAI 的GPT 模型发布，但初期并未受到广泛关注。2022 年GPT3.5 成为分界点，它让科技界看到了“大力出奇迹”的千亿参数级别的大模型效果可以如此强大。随后万亿参数级别的GPT 4、以及多模态SORA 模型的出现，为大模型的发展打开了更广阔的空间。

    　　如果将模型参数与人类的神经突触对标，那么大约到100 万亿参数的模型可以实现AGI（通用人工智能），马斯克、黄仁勋、OPENAI 前员工大约预测了这个时间在2027-2029 年。

    　　鉴于AI Agent 的开发门槛越来越低，LLM 能力越来越强，它或将成为下一个风口。就如同移动互联网时代的APP，互联网时代的网站，计算机时代的应用软件，AI Agent 或将走出下一批大公司。

    　　风险提示：地缘政治的不确定性，美联储降息幅度的不确定性，部分行业竞争格局的不确定性。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。