AI发展新阶段,算力需求转变:如今,AI正从技术变革与基础设施部署期迈向规模化商业应用期,这使得对GPU的需求发生根本改变,从抢购GPU快速部署算力和技术,转变为商业应用寻求更具性价比的算力。
算力成本下降趋势与电力瓶颈:算力成本下降趋势显著,DeepSeek、阿里千问和百度文心在软硬件协同层面带头引发价格战。然而,硬件层面算力成本也需下降,特别是全生命周期内总持有成本(TCO)。但电力问题成为瓶颈,在美国,电力基础设施问题限制数据中心扩张,前沿模型训练和推理规模落地都受影响。
英伟达芯片能耗问题与影响:英伟达若想卖出更多AI芯片,需降低单位算力能耗。其芯片能耗不断升高,带来设计、散热和量产问题,可能使用户转向更节能的定制AI芯片。
巨头自研芯片与能效创新 :巨头们纷纷自研芯片,谷歌计划让联发科设计TPU。提升能效成为下一代芯片与算力系统创新的关键主题。
算力发展周期与能效展望:从chatgpt发布到Rubin量产和规模部署,算力基础设施建设浪潮历经5年。行业进入更节能阶段,此前芯片技术进步曾有效提升能效,如今硬件仍可从多方向创新,谁解决能耗问题,就能赢得更多利润,黄仁勋在GTC演讲上需给出能源答案。
© 版权声明
文章版权归作者所有,未经允许请勿转载。