科技周期探索专题：2016~2030年，通用人工智能时代的到来.pdf

科技周期探索专题：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。