這對我們整個盤面來講，就不單單是人工智能這么一件事了，可能也會向所謂的內生智能、自主智能發(fā)展。不過模型本身的原理也將從大語言模型向原生的多模態(tài)，再向現實物理世界的模型，再向混合模型，再向統(tǒng)一模型和世界模型發(fā)展。這個路徑是相對清晰的。

本文系盤古智庫學術委員、Futurelabs未來實驗室首席專家、DCCI互聯網數據中心創(chuàng)始人胡延平在專題研討會上的發(fā)言內容整理，文章來源于“葦草智酷”微信公眾號 。

本文大約3200字，讀完約8分鐘。

我大致談一下我的看法。

去年英偉達市值突破3萬億時，我撰寫了一篇文章《長創(chuàng)新：英偉達登頂的底層邏輯，讓我們看清什么》，分析其底層邏輯。短短一年多的時間，市值又增長至5萬億。

我覺得這5萬億有點分裂感。一方面，這5萬億背后大家可能看到的是資本現象，其實背后的實質是全球財富為美國科技投票，為人工智能加持。因為人工智能本身的發(fā)展已經按下了確認鍵。這也是今年以來為什么眾多科技巨頭紛紛投入百億美元乃至千億美元級別的資金用于建設AI基礎設施。他們已經對這件事高度確定了以后，開始發(fā)足狂奔了。

但是這種發(fā)足狂奔，也被一些人解讀為資本套利，甚至是循環(huán)套利，形成各種內循環(huán)。當然，我并不這樣認為。這的確也有資本的成分，尤其是全球的熱錢涌到美國，使得以英偉達、Open AI等為主力的企業(yè)的發(fā)展獲得了全球資本的加持。

這可能是接下來很關鍵的一個問題，它不僅僅是一個5萬億的問題，實際上全球的數字基礎設施，乃至智能基礎設施，可能都是基于IT-G8。我們談論美股七姐妹時，實際上還應加上Open AI。這是一個資本層面的現象，大家看到其熱度和高市值。從資本市場角度來看，它的確是有一定的泡沫的成分。

但是我們又看到另外一個問題。從算力的角度來看，目前的算力實際上是稀缺的，甚短缺的。尤其是高質量的算力，總體是供不應求。不管是GB200，還是智能駕駛中用到的Thor，亦或是一些機器人的芯片，包括消費級的芯片，例如RTX5090和RTX PRO 6000，除了供不應求之外，還存在一個問題——它們實質上難以滿足用戶在端側的開源模型的部署，以及智能應用，等等。所以從這個角度來看，5萬億的確有點分裂。

若站在用戶的角度出發(fā)，無論是企業(yè)用戶還是個人用戶，目前的算力并不是很強。即便如此，哪怕不是這么強的算力，當你要去購買的時候，也還比較搶手。站在這個角度來看，就像去年英偉達市值達到3萬億時，我是有一些相對中性的看法。

我認為應該將資本市場的表現與產業(yè)市場的表現區(qū)分開來。從產業(yè)市場的角度來看，它反倒有更為扎實的基礎面和更為清晰的中長期需求。這些清晰的中長期需求在業(yè)務的營收上有所體現，例如三季度的營收仍然保持了56%的增長。包括占營收比較大的數據中心業(yè)務的增長甚至比整體平均水平還略高一些。這說明對算力的需求仍在往上走。這也體現在另外一個指標上，比如預計到2026年底可預期的營收將達到5000億，比2025年的有顯著增長。包括Blackwell架構的芯片出貨量預計將達到2000萬片，是Hopper架構出貨量的五倍。

這些數字的背后說明，除了需求中長期增長之外，還有另一個問題。我之前撰寫過一篇文章，名為《億萬卡時代》。目前為止，大家看到的還只是人工智能的訓練和推理。在芯片訓練方面，英偉達占據了超過90%的市場份額，而在推理領域，除了英偉達以外，也包括AMD、英特爾，大家也都在競爭，甚至包括高通，此外還包括谷歌的TPU、博通的ASIC架構的芯片，以及Meta和亞馬遜等也都在推理端通過和博通等的合作來開發(fā)自己的芯片。所以，這個市場在放大的同時，有更多的算力供應商進來。

與此同時，在訓練和推理之外，算力的應用場景正在快速的擴散，擴散到一些典型的場景，例如汽車是上億卡的用量，機器人也是上億卡的用量。如果機器人數量超過人的數量的話，那是幾十億卡的用量。包括AI PC等。包括這次英偉達的GTC的發(fā)布，它是面向五六個場景進行了全面化的生態(tài)布局。之前的GPC和CSC已經展示過，比如智能駕駛的底座、機器人的SoC等。包括他們面向6G，通信場景的AI-RAM，使得AI的能力走向邊緣，走向通信等更大的場景。包括與美國能源部合作，大型超算中心的建設，以及向量子計算領域的拓展。為什么必須要分析這些具體的場景？因為我們除了要去看一些宏大的趨勢以外，也要看 AI這一波本身站在基本面的扎實程度。

從現在的基本面來看，目前讓大家更有信心的反倒是應用端。因為從去年第四季度起，推理算力的大規(guī)模部署就已經開始。推理算力部署的主要原因是用戶量的快速放大，然而中國市場相對來說反倒稍微滯后一些，尤其是今年1月份以后的DeepSeek效應，使得企業(yè)和用戶在推理端對算力的需求激增，原本閑置的算力都被用起來了。

另外還有AI的可用性、AI的多模態(tài)能力，因為多模態(tài)本身更吃算力。還有黃仁勛講的幾個曲線，比如面向物理現實世界的模型等，也都在起勢。所以從金融資本的角度來看，不好說有風險，甚至有泡沫；但是站在市場面來講，大周期剛開始。而且這個周期初始我們看到的是5萬億美元的英偉達，但不久的將來，我們可能會看到另一個企業(yè)，甚至也是萬億美元級別的。

下一個大事就是Open AI的上市。前幾天Open AI剛剛完成了重組，是為后面上市做準備。重組后，其實已經達到了5000億左右的估值。它的基金會是26%的占股，員工和投資人是47%的占股，微軟是占股27%。我預計在上市前后，其市值可能接近萬億，甚至突破萬億。而這個“萬億”是什么概念呢？這個數字意味著什么？加上英偉達的5萬億，還有其它幾家達到3萬億、4萬億市值的企業(yè)，就像前面王飛躍老師講的，占到了全球財富的相當高比例。除了富可敵國之外，全球財富的比例，可能廣義的智能科技產業(yè)應該是10%以上了，我們看到的不僅僅是作為人工智能基礎設施、基礎算力的提供商發(fā)展的一個重要節(jié)點，更重要的是我們的產業(yè)、經濟和社會的發(fā)展范式由此完成了一個確認，向以智能為方向的大轉折的確認。市場里所有的表現都是對這一轉折的確認。這個轉折是毫無疑問的，在各個領域，無論是個人用戶、行業(yè)應用，還是AI for science意義上的，智能對科學的賦能。

我最近提出了一個概念——AI驅動的超級周期。超級周期有兩個，一個是AI本身的超級周期，這個周期大家都看得到，而且這個周期的確定感越來越強。而且目前為止，其實我們并沒有看到它的天花板。盡管有些人認為這種范式是高能耗，但是它的能力天花板我們還沒有看到，還有很大的潛力。

另一個更為重要的周期是智能科技驅動的新興產業(yè)和未來產業(yè)的周期。因為新興產業(yè)和未來產業(yè)的周期可能影響力更為深遠。它是涵蓋了近30個子領域的龐大的產業(yè)群。這個周期走下來，整個經濟的基本面、整個經濟的產業(yè)結構、整個經濟的底層邏輯完全變了。

所以第二個超級周期，即AI驅動的新興產業(yè)和科技產業(yè)的周期，不僅近在眼前，而且可能在更大的范圍內對整個經濟社會產生深刻的影響。而且這兩個周期會形成飛輪效應。我們有兩個飛輪效應，一個是人工智能和其在各個行業(yè)產業(yè)的應用，另一個是新興產業(yè)、未來產業(yè)與智能科技產業(yè)之間的飛輪效應。

當然，第二個超級周期可能會來得相對緩慢，不確定性也更多，因為我們看到的重大的變量，可能至少有十幾個重要因素可能使得這個超級周期無法起勢，甚至中途會有各種各樣的因素，包括當前并不樂觀的經濟環(huán)境，等等。尤其第二個周期并不是必然會出現，發(fā)展機遇并不必然到來，還需悉心培育，謹慎把握。第一個周期也存在因為資本泡沫破裂而進入產業(yè)低谷期的可能。

總體而言，是有一定的基礎和可能，會迎來這兩個超級周期，而且這兩個超級周期將形成一個飛輪效應。這對我們整個盤面來講，就不單單是人工智能這么一件事了，可能也會向所謂的內生智能、自主智能發(fā)展。不過模型本身的原理也將從大語言模型向原生的多模態(tài)，再向現實物理世界的模型，再向混合模型，再向統(tǒng)一模型和世界模型發(fā)展。這個路徑是相對清晰的。無論是智能駕駛還是機器人，大家的技術路線和技術方向都很明確，大家知道下一步要做什么，只不過是能不能做到以及誰先做到的問題?！?/p>

文章來源于“葦草智酷”微信公眾號

圖文編輯：張洵

責任編輯：劉菁波