AI泡沫不该只算两家,黄仁勋拆了三块账

24小时AI快讯1个月前发布 changgong
1.7K 00

每日AI新闻

市场一边在喊「AI 泡沫」,一边眼看着英伟达的收入预期在一年内被上调了一倍到两倍。最清楚 GPU 流向哪里的人,最近第三次走进 Bg2 Pod。主持人先摆了一笔账:今年几家前沿实验室加推理实验室收入约 2000 亿美元,要回本,明年得翻到 4000 亿,后年 8000 亿。黄仁勋没接这句,而是把算这笔账的方法整个换掉了。他是卖算力的人,位置决定立场。

一、从一次问答,到一份工作

他说,人们误解了正在发生的事。他把 AI 的用法讲成三级跳。最早 ChatGPT 把知识编码进模型,你问它,它基本在回忆,所以会有幻觉。下一步是让它先搜索,拿回可验证的事实再生成答案。现在要它做的事,是想几种方案、做规划、把几条路径各自推演,看结果,剪掉差的,再往下走。

他的类比是,好的战略家都愿意保留选择空间,不想太早剪枝,可资源有限又必须取舍。这些探索全要算力,而且是两层叠加,每个任务用更多算力,用得好我们又会雇它做更多任务,需求因此不可能是线性的。

这等于换了一个计价单位。以前按「一次问答」算 AI 的成本,现在更像按「一份工作」算。一个 agent 干一下午,背后是成百上千次推演和剪枝,AI 把这份成本摆到了账单上。

他还提到模型外面那层 harness,相当于给模型装了外骨骼,能管理工作记忆,把短期记忆整理成长期知识,再加上工具调用。人类造出来的工具也会变成它的工具。

coding 为什么是第一站,他给的理由很朴素,用户是工程师,对有用但不太好用的东西有耐受度。其他行业的 agent 什么时候能走通,取决于一个不懂技术的人什么时候敢把活交出去。

二、需求来自三块完全不同的地方

黄仁勋把英伟达的算力需求分成三块。

第一块是基础计算。数据处理、分子动力学、物理和量子化学模拟、计算机图形,还有 Visa 和 Mastercard 反欺诈用的 XGBoost 这类经典机器学习。这些都不是深度学习和 agent,大约占英伟达业务的三分之一,每年还以 30% 到 40% 的速度增长。就算一个 AI 实验室都没有,英伟达也不是零。

第二块是 AI 实验室。他看到的不止两家,而是五六家,包括 Meta Muse、Gemini 和 Anthropic,合计约四分之一到三成。

第三块是数以千计的新创公司。从消费级到物理 AI、生物 AI、材料科学 AI,共同点是租用英伟达的算力,大约又占三分之一,他叫它「下一代的 AWS」。

这个拆法把「AI 泡沫」的讨论从单点故事变成了结构问题。只盯着两家公司的收入曲线,任何一次增速放缓都像泡沫破裂的前兆;可如果需求来自三块节奏不同的来源,判断就要重新做。

三、不必把万亿压力全压在两家身上

再放大一层,他给了总量判断:到这个十年末,基础设施的年投入会在 3 万亿到 4 万亿美元之间,更接近 4 万亿,其中算力约 1.5 万亿。而 AI 之前,这个数字就已经是 5000 亿美元左右。

他又补了一条,摩尔定律已经结束。以前想要两倍晶体管,等一年就行,现在想要两倍,就得付两倍的钱。

结论是,不需要把任何一家实验室的收入外推到几万亿美元。OpenAI 和 Anthropic 会是历史上极具影响力的公司,但它们不需要接近万亿美元的收入也能成功,他说我们给这两家公司施加了太大压力。

这个拆法有个前提,你得相信第三块新创公司真的能持续成长、最终付得起账单,这是最难验证的部分。

四、通用比专用值钱

Brad 给他看了一张图,一年前分析师对英伟达的共识预测,在一年内被上调了一倍到两倍。黄仁勋没评价市场情绪,他做了个思想实验:现在要你开一张 1000 亿美元的支票,为下一代的 Vera Rubin Ultra 下订单,而且是没见过产品就下单,你敢下给谁?

他说,因为 Grace Blackwell 做得好,大家对 Vera Rubin 才有信心,而这种系统已经没法单独跑 benchmark 来测。这个量级上,英伟达是唯一能让人这样下单的。他把它和台积电类比,只有台积电能让他看着五年后的路线图直接下单。

核心论证是三个词,可通用、耐用、可出租。算力能在不同的工作负载、模型、客户和地区之间换用,以后想把一半容量转租给别人也行。CUDA 八年前卖出去的硬件,现在还在更新软件。他还有一句很直接的话,专用化是通用性的敌人。

这段逻辑通顺,通用性降低风险,风险低就好融资,好融资就能压低总拥有成本。但它成立有个前提,未来几年 AI 的工作负载还得长得和现在差不多。黄仁勋自己承认,到底需要更多预训练、后训练还是 agentic 推理,现在并不知道,他的回答是反正都能跑,这也说明未来的形状没人看得清。

五、明年的瓶颈在电力和土地

Brad 引了 SemiAnalysis 的估算,明年全球会新增大约 43GW 的 AI 算力,比现在整个世界已有的 AI 算力还多。黄仁勋说,需求是有的,难点在于从数字世界走进物理世界。

他列了一串,土地审批、发电、施工工人、水管工和安装队伍,还有各地暂停建设的政策。他的判断是,土地、电力、厂房主体会是明年最难的部分。上游也一样,基板尺寸在变大,封装的翘曲和缺陷更难控制,硅光产能也受限。他提到澳大利亚 2GW 项目,对英伟达来说相当于大约 800 亿美元。

他给了一个反向逻辑,电力一紧,企业就会去选每瓦产出 token 最多的架构,所以他说英伟达份额反而在上升。英伟达每提供 1GW 算力,价值从大约 180 亿美元涨到现在的 400 多亿美元;在云服务商的资本开支里,占比六年前是个位数,现在约 40%。

这段得拆成两层。第一层是真的,电力和土地确实是物理约束,宣布的芯片有 50GW,能通电的只有 35 到 40GW。第二层更值得留意,他把竞争的标尺从「每美元买多少算力」换成了「每瓦产出多少 token」,这把尺子恰好对英伟达最有利。尺子本身没错,但得知道它是谁递过来的。

访谈最后,他说自己有 99.99% 的信心,还说那些预言世界末日的人低估了人的能力,以为只要自己不做,事情就不会被做。乐观靠信心撑不了太久,得靠账本上的每一项慢慢被验证。新增多少 GW 是供给的事,我更想盯需求这头:下一年里,有多少家公司因为用了这些算力真的赚到了钱。

© 版权声明

相关文章

暂无笔记

您必须登录才能记录笔记!
立即登录
none
暂无笔记...