近日，英伟达CEO黄仁勋出席高盛Communacopia与科技大会，围绕AI底层计算范式、产业增长动力、应用落地方向、全球供应链供需等多个维度，分享了他对人工智能发展趋势的判断。
从检索式存储到生成式智能
黄仁勋开篇谈到他此前提出的预判：2030年全球AI基础设施投入规模将达到3至4万亿美元，这一判断正在得到产业现实的印证。
对比历史上的技术变革，电力实现了能源的广泛输送，互联网实现了信息的快速检索，而当下社会对智能的需求，指向一套全新的计算体系。这套体系不再以检索调取为核心，而是以生成式运算为基础。
过去六十年，计算机架构都建立在检索式计算之上：信息预先存储，用户操作的本质就是从数据库调取已有内容。生成式模式改变了这套逻辑，它依托场景条件、指令信息完成实时推理，输出全新结果。传统以存储为中心的计算架构已经难以适配新需求，社会需要建设由大规模算力支撑的新型基础设施。
与此同时，摩尔定律已经走到瓶颈，晶体管难以继续按照过往节奏缩小。想要实现成百上千倍的性能提升，仅靠单颗芯片迭代已经行不通，必须依托软硬件、芯片互联的全栈协同设计。横向扩展集群的难度相对更低，单集群的纵向规模提升则要困难得多。随着模型体量持续膨胀，技术迭代的压力已经更多转移到系统工程层面。
计算范式转变与技术路径调整这两种变化叠加，催生了一个清晰的产业趋势：半导体行业的整体规模会持续扩张。过去，半导体行业增长的同时，摩尔定律一直带来技术通缩效应。如今通缩红利已经消退，但市场对半导体产品的需求仍在加速上涨。未来不再只是十亿人间歇性使用智能工具，还会有数百亿计的智能体持续运行、循环推演，并非只做简单的一问一答式交互。多重因素共同推动半导体市场持续扩容。
AI赋能网络安全、自动驾驶等领域
在应用层面，黄仁勋提出了，现实世界的大量流程都可以被编码，菜谱、业务流程、供应链规则都属于广义上的编码信息。编码拥有明确的对错标准，十分适合AI学习，而排查代码漏洞的需求，进一步延伸出网络安全这一赛道。
网络安全有望成为AI下一个重要的持续性运行场景。目前行业已经出现相关落地实践：开源模型被用于攻防演练，产业链企业共同搭建平台，面向政企及各类机构开发专属模型，开展安全攻防相关工作
此外，黄仁勋提出物理AI是另一条重要的产业主线，自动驾驶被视作物理AI当中最有机会率先实现突破的方向。
过去行业认为，自动驾驶需要积累海量的实际道路里程，而新的技术路径更看重车辆的推理理解能力，要求车辆能够处理从未见过的路况环境，因此对实际路测里程的依赖大幅降低。预计未来两到三年，自动驾驶领域将迎来明显进展，目前已有多家科技企业和车企在推进相关项目落地。
仓储物流机器人是紧随自动驾驶之后的落地场景，已有大型企业在大型仓库内部部署了相关智能设备。再往后，是面向制造业的智能机器人。当下工业设备大多依靠预编写程序运行，更适配大型企业，大量中小型制造企业不具备完成自动化改造的能力。能够自主推理的智能机器人是解决这一问题的关键，不过这项能力还需要数年时间才能发展成熟。
更长期来看，物理AI还会渗透到各领域。以通信行业为例，未来6G可以借助电磁波频谱感知物理世界，依托AI构建分布式边缘数据中心，这类平台预计五年左右会逐步成熟。
成套设备驱动的复利式扩张
谈及行业增长，黄仁勋的总体观点是：市场常常简单将相关企业归为芯片厂商，但AI算力系统本身是一套高度复杂的成套设备。整套系统由海量零部件组成，硬件体积、功耗都处于较高水平，部分机架产品保持着较高的环比增速，整体呈现出复利式增长特征。
历经多轮架构迭代，整套算力系统的整体价值不断抬升，而算力系统成本持续走高的背后，正是整套基础设施集成度的不断提升。依托全栈协同优化，算法、软件、互联技术共同突破硬件限制，单位算力的内容生成效率相比前代实现了数倍提升。
行业增长的驱动力来自几个容易被市场忽视的维度：
首先，算力厂商在全球数据中心资本开支中所占的份额持续提升，行业增长的同时，也在不断扩大自身的市场占比。
其次，各类开源、闭源的前沿大模型都可以在主流算力体系上运行，整个算力生态都能受益于不同路线模型的发展。
最后，市场目光大多集中在头部云厂商，实际上大量需求来自其他主体：量化机构、医药研发企业都在自建算力设施，区域云也已经成为重要的需求来源。
黄仁勋还提出，AI的发展不会只走向完全统一的全球化模式，区域化会成为重要特征。不同地区拥有自身的数据条件和产业特征，会催生出本地化的智能需求。
上述内容来自黄仁勋在大会上的现场表述，不构成投资建议。
文章参考来源｜互联网公开信息
声明：本文来自赛博研究院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
