长期来看,AI算力需求的持续增长具备坚实的技术、产业和政策基础,这一趋势可从以下维度得到验证: 一、技术演进驱动算力需求指数级扩张1. 模型迭代与Scaling Law的持续生效 大模型参数量与训练数据规模仍在突破边界。以GPT-4为例,其训练所需算力达3640 PetaFlop/s-day,而2025年发布的Grok 4通过万卡级集群训练实现性能跃升,证明Scaling Law仍主导技术发展。尽管2024年出现数据瓶颈讨论,但架构创新(如腾讯混元TurboS的MoE-Mamba混合架构)和训练范式变革(如Google Gemini Diffusion的文本生成扩散模型)正在重启算力需求叙事。2. 推理需求的非线性爆发 Agent技术推动算力消耗模式质变:单任务处理需数十次工具调用,导致推理算力需求较初期增长超20倍。以CoreWeave为例,其与OpenAI签署的159亿美元订单显示,高端GPU需求增速远超市场预期。IDC预测,2025年全球推理算力市场规模将达79.5亿美元,年复合增长率57.3%。3. 算力集群的规模化落地 超大规模算力基础设施成为技术竞争的核心载体。OpenAI星际之门一期工程部署40万块GPU,总功率1.2GW;xAI Colossus二期规划100万块GPU,目标支撑AGI研究。这类集群不仅满足训练需求,更通过后训练优化(如模型指令微调)持续释放算力增量。 二、产业应用进入深水区,算力成为新生产力引擎1. 垂直行业渗透率加速提升 AI正从互联网向制造业、生物医药等领域渗透。燧原科技的S60推理卡在美图“AI换装”、Hobby平台日均千万级视频互动中实现规模化商用,而DeepSeek模型在金融风控、智能制造中实现ROI可量化的业务优化。互联网、金融、运营商已成为AI应用最广泛的三大行业,其算力需求增速是通用算力的3倍以上。2. 商业模式的范式革新 企业开始为“AI成果”付费而非单纯功能订阅。例如,营销领域通过AI实现客户转化率提升15%-20%,推动算力采购从成本项转向利润贡献项。这种变革倒逼企业加大算力投入,形成“应用扩展-算力升级-效率提升”的正向循环。3. 全球化竞争催生主权算力需求 中东规划6GW算力集群,欧洲计划建设20座AI超级工厂,中国“东数西算”工程推动庆阳、无锡等智算中心落地。主权AI的发展不仅是技术竞赛,更涉及数据主权与产业安全,这种战略需求将长期支撑算力基建投资。 三、政策与资本双轮驱动,基础设施持续升级1. 国家战略的强力支撑 中国“十四五”规划将算力网络列为新型基础设施核心,2025年AI算力中心投资预计超1500亿元。美国CHIPS法案、欧盟AI法案均将算力作为关键领域,英伟达在欧洲的3000 exaflops算力部署计划正是政策导向的直接结果。2. 资本投入的结构性倾斜 全球Top4云厂商2025年资本开支增速超30%,AI服务器采购量年均增长50%。风险投资向算力产业链集中,CoreWeave上市后股价涨幅达260%,反映资本市场对算力赛道的强烈信心。3. 技术创新与绿色算力并行 液冷技术使单机柜功耗突破50kW成为可能,同时将PUE降至1.1以下。燧原科技新一代L600芯片通过144GB高带宽显存设计,在同等算力下能耗降低30%,这种“提效”与“扩容”并重的策略,为长期算力需求提供可持续解决方案。 四、长期增长的量化验证与风险对冲1. 市场规模的明确指引 IDC预测,2023-2028年中国智能算力规模年复合增长率达46.2%,2028年将达2781.9 EFLOPS。全球AI算力市场规模预计从2025年的1587亿美元增至2028年的2227亿美元,其中生成式AI服务器占比将提升至37.7%。2. 供需矛盾的动态平衡 尽管短期存在GPU供应瓶颈,但多元化技术路线(如国产芯片、FPGA、ASIC)和开源生态(55%企业将使用开源模型开发应用)正在打破垄断。例如,燧原科技通过软硬件联合优化,使国产推理卡在语音识别等场景实现与进口产品相当的性价比。3. 应用边界的持续拓展 Agent技术使AI从工具升级为数字劳动力,其自主决策能力将推动算力需求进入新层级。Artificial Analysis测算,Agent时代的算力消耗将较初期增长数百倍,而具身智能、脑机接口等新兴领域的突破,可能开启算力需求的“第二曲线”。结论:AI算力需求的增长已从技术驱动转向技术-产业-政策协同驱动的新阶段。无论是训练端的Scaling Law延续,还是推理端的Agent革命;无论是主权算力的全球竞赛,还是绿色算力的技术突破,均指向一个确定性趋势:未来十年,AI算力将成为数字经济的核心生产要素,其需求增速有望持续领跑ICT行业。尽管存在地缘政治、技术瓶颈等短期扰动,但长期来看,这一赛道的投资价值仍处于上升周期。
|
|