首页 科技快讯 武超则最新发声:算力最重要的趋势就是降低成本,越往后,高质量的数据越重要

武超则最新发声:算力最重要的趋势就是降低成本,越往后,高质量的数据越重要

来源:晰数塔互联网快讯 时间:2024年01月07日 06:46

“大模型是一场持久战,并非谁最终胜出,这件事便结束,竞争会持续,这实际上是一场生态持久战。”

在昨天(1月4日)的一场线上路演中,新财富白金分析师、中信建投研究所所长武超则就2024年人工智能领域的投资机会进行了分享。

武超则直言,2024年最核心的趋势就是从终端走向云端,以及用更便宜的成本,将算力从云端部署到不同的终端硬件上。

在本次交流中,武超则多次提及“成本”问题。

如果将大模型比作航站楼,乘客是软件,飞机就是硬件,算力就是机油,向飞机提供源源不断的动力。

因此,当算力成本越高,应用普及的概率就越低。

而大模型的竞争实际上是一场生态持久战,一个城市不需要十个航站楼,但一个航站楼需要源源不断的乘客。

为了吸引“乘客”,“飞机”需要不断地更新迭代,由此“机油”的价值量也将发生变化。

所以,在武超则看来,2024年算力最重要的趋势就是降低成本。

甚至于“哪些企业或产业链环节能帮助算力降低成本,就是有价值的企业。”

此外,展望2024年,武超则表示,卫星通讯是一个庞大的市场,其核心也在于解决性价比问题。

目前,国产化的节点比前几年更清晰,半导体设备和材料已经分化,可以清晰地看清行业龙头,虽然估值业绩稍显逊色,但值得等待。

以下是本次交流的重点内容,分享给大家。

2024年最核心的趋势就是从终端走向云端

2024年朋友圈传得最多两个热词是“AIPC”和“硅光芯片”,你怎么看它们在2024年的发展?

大模型的轻量化在2024年是一个比较重要的趋势。

AIPC以及各种AI穿戴设备的核心目标是让用户以更低的成本使用大模型。

现在算力成本还是太高,如果是在云端使用算力,就像去沃尔玛或者大型超市购物一样,当我们需要购买一周的商品,会去大型超市采购。

但如果我们的需求是购买一瓶水或者纸巾,在路边的小卖店就可以。

所以,2024年最核心的趋势就是从终端走向云端,以及用更便宜的成本,将算力从云端部署到不同的终端硬件上,例如穿戴设备的AI功能,可以直接调用终端硬件实现,对云端算力的依赖就不会过大。

算力降成本中非常重要的核心技术就是大模型在终端或者算力上的部署和升级。

总体来讲,这是2024年的主要趋势。

原有的一些终端厂商都在进行这项工作,但投资机会不仅限于此,硬件也会带来一些机会,例如过去相对低迷的消费电子及产业链机会。

2024年最看好的反向是应用

从Open AI推出Chat GPT以后,人工智能大概分为哪些领域,有什么细分领域值得关注?

主要分成三大块。

首先,最核心的是大模型,也就是算法。

所谓的人工智能或者AIGC其实是拥有了一套新的底层操作系统,我经常将其比作移动互联网时代的iOS或者安卓。

所以,大模型是产业中的核心。

但我们需要考虑,现在是否需要这么多的大模型?

回头看移动互联网时代,全球只有两个操作系统,一个开源,一个闭源。

操作系统类似机场航站楼,乘客是软件,飞机是硬件,它主要解决如何将乘客和飞机准时、准点送到不同的廊桥、摆渡车,让乘客上飞机,是一个如何匹配的问题。

AI也是如此,大模型本身就是航站楼,它不仅需要算法强,航站楼要建得漂亮,更需要有很多飞机和乘客,这是一个生态。

前半段大模型比的是谁的算法好,谁的算力多,越往后比的是谁在这套规则体系下的生态好。

所以,大模型一定是整个产业中最有价值且最核心的部分,未来集中度会提升,不会有这么多家公司。

另外,开源是一个重要的趋势,未来OpenAI的一些更优质的高阶模型可能会开源。

当然,国产大模型在过去半年迭代得非常快。

其次是算力,2023年提到的比较多,投资表现也较好,原因是它有业绩,光模块、服务器、GPU都看得见摸得着。

在大模型竞争激烈的阶段,对上游是好事,需求会更加旺盛。

大模型如果是引擎,算力就是机油,提供源源不断的动力,因此算力最重要的趋势就是降低成本,成本越高,应用普及的概率就越低。

所以,现在有一些多模型组合底层的算力部署和技术变化,就是为了降低成本。

最后一个环节是应用,目前看好应用的人不多。

对比移动互联网时代的“杀手级”应用,目前AI的应用太弱,没有令大家眼前一亮的场景。

当然,这可能是时间问题。

ChatGPT-4去年3月份上市,过了半年左右,应用才更多出现在营销、视频、图文以及游戏等场景中,让人眼前一亮。

这是我个人在2024年最看好的方向。

应用起不来,其他都很难,应用可能会决定前两个板块的估值。

因此,应用本身是一个非常重要的牵引力,这对国内企业来说,是比较擅长的领域。

人工智能行业大致包含这三大块,但2024年可能与2023年略有不同。

To B更容易闭环,To C更容易出爆款

你认为哪些赛道的应用侧最容易实现?

大的应用简单分为To C和To B。

根据移动互联网的经验,To C更容易出爆款,例如当年微信抢红包。

AI前段时间也有很火的应用,例如Pika,人人都可以当导演。

我与许多大模型的公司,包括应用公司交流过,也问过他们这些应用最终的使用场景是什么?或者应用能够做什么?他们其实了解得也并不多。

这其实是一个用户与模型之间探索的过程,有时候会出现令人惊艳的效果。

现在比较成熟的(应用)是一些替代传统营销、文案的,效率很高,但对于需要创意的内容,与人相比存在差距。

这个过程与10年前移动互联网的情况相似,当时出现的手游非常粗糙,基本每周更换一批,但当昙花一现的产品越来越多,其实也是整个行业慢慢走出来的过程。

虽然我不一定能想象出最终能跑出来的应用,但越来越多昙花一现的应用是一个非常重要的信号。

不过,虽然To C更容易出爆款,但目前更多应用在生产场景能够落地的是To B的。

例如教育,在海外,OpenAI在语言以及一些专业学科的教育方面已经表现出很强的能力,包括在律师、医疗场景也已经有一些不错的应用。

因此我认为,To B更容易闭环,To C更容易出爆款。

大模型的竞争实际上是一场生态持久战

说到应用,我们现在大约有200多个,2024年这个领域是否会“一地鸡毛”?在这个过程中是否会对算力,包括前期投资大模型的公司产生影响?

毫无疑问,大模型未来肯定会有很大的发展空间,但这也是一个成功概率较低的领域。

这有点像两三年前的新能源造车,大家都要去竞争,最后谁能跑出来,目前想要得到答案仍然很困难。

大模型也是一场持久战,并非谁最终胜出,这件事便结束,竞争会持续,这实际上是一场生态持久战。

因此,大模型的逐步收敛是必然的,我们需要判断的是,这个收敛的过程是三五年,还是三五个月。

另一个重要影响因素是开源模型的进步。

现在国内已经有开源大模型了吗?如果国内真的有开源大模型出来,国内200多家大模型估计得少一半。

这是一个趋势,未来大模型一定会有一个分化的过程。

国内200多家大模型的公司只有几十家做的是基础大模型,剩下很多都是垂类,例如教育、金融、医疗等等。

我个人认为基础大模型最终不会有很多家公司,应该是一个金字塔结构,更多偏向应用,但底层也可以输出一些垂类模型。

例如华为,它在气象、矿山,一些To B赛道上聚焦,包括腾讯并非一开始就在基础大模型上发力,所以未来必然会有分化和分工。

但估值不一定马上会下来,因为想象空间仍然较大,如果最后完成,OpenAI未来肯定会达到万亿市值的规模。

就像你刚才举的例子,大家都在努力地建航站楼,但有一些公司已经开始研制自己的飞行器了。

对,其实最终是看大家在生态里的分工,每个人都有一个造机场的梦,但不可能每个人都去造机场,未来会有更清晰的分工。

越往后,高质量的数据越重要

上游的硬件领域在2024年有哪些细分行业可能会脱颖而出?

我们一直在思考一个问题,如果未来的大模型开始同质化,在应用的竞争中谁能胜出?

我认为其中最重要的条件是数据,越往后,高质量的数据越重要。

当然,并非所有数据都适合进行模型训练,也并非数据越大越全面就越好,如何提出高质量问题,进行模型训练才是非常必要。

因此数据是一个关键环节。

从国内情况来看,高质量数据在To B和To G的体系中更多,未来国家也在发展数据要素领域,这个市场将变得非常大。

但其中确实存在很多问题,例如数据确权,什么是数据资源?什么是数据资产?资产首先要能确权,其次能够拿来定价,能带来交易,它需要一套完善的体系。

这个阶段类似于早期的电商,最初物流、资金流、货物质量都是无法保障的,数据现在面临相同的问题。

所以,需要形成一个体系来解决这些问题,将其从资源转化为资产,最后转化为估值和价值,这是一个相对较长的过程。

算力也是一个整体,GPU并行计算时代和CPU时代最大的不同在于计算任务变得更加多样化。

过去的计算任务主要用于电商、视频、游戏和社交,场景相对单一或者标准化。

所以,过去算力是一个专业化分工非常高的领域,最终组合起来即可。

但在AI时代,任务会变得非常复杂。

例如,今天的任务是自动驾驶,明天是家里的智能家居,再往后可能会转向安防,场景变得非常复杂。

对算力网络最大的挑战是如何响应复杂的任务,而这种复杂不仅体现在对带宽的要求,还可能涉及更大数据的计算(GPU的并行计算),还体现在不仅仅要求速度快,还要有更高的可靠性等等。

这些要求结合起来,最终的问题就变成了,如何利用机房里的硬件进行组合,以更低的成本完成复杂的任务。

最终呈现出的结果,就是机房的定制化变得越来越重要。

例如英伟达,既做GPU,接下来也做CPU,而且不仅做硬件,还要做软件,因为软件的能力决定硬件的效率是否足够高。

就像华为,虽然它是硬件公司,但实际上内部有大量的人员在解决软件问题,这样硬件可能就有解决方案。

所以,我认为算力产业链的价值量将发生变化。

今年交换机、光模块受到大家关注,原因在于我们过去在全球产业链中的市场份额较高,但光模块企业最后比的是快速迭代和全球供应链响应的能力。

例如硅光,它有优势,越高的流量效率越高,但谈了很多年,一直没有批量生产,原因就是仍然在与传统的封装方案进行比较,看哪个性价比更高。

未来随着不断地迭代,必然会有一个临界点,使得使用硅光方案的性价比更高,这样这个行业才有可能从技术转变为真正意义上的产业。

因此,对于算力来讲,哪些企业或产业链环节能帮助算力降低成本,就是有价值的企业。

此外,2024年的国产化仍然有较多机会,包括华为产业链以及国产GPU公司。

卫星通讯是一个庞大的市场,核心在于解决性价比问题

2024年卫星产业链是否有投资机会?

卫星主要有三个用途。

第一个是导航,大家日常使用的。

第二个是遥感,包括地理测绘等,都与遥感有关。

第三个是通信,这是一个传统的功能,但是多年来一直不温不火,其核心问题是成本过高。

但随着单位重量的卫星被发射到指定位置的成本指数级下降,从亿级到千万级,现在是几百万的量级,接下来可能更便宜。

可以开始计算临界点,它的性价比什么时候可以满足普通的C端用户使用,而不是像过去仅在军事或特殊的场景使用,这是一个大背景。

回到产业链自身,目前卫星通讯具有非常明显的优势,尤其是在人口密度较低的区域进行广覆盖,它具有绝对优势,更适合物联网的场景,例如无人驾驶,以及过去To C信号覆盖不好的地方等等。

所以,确实会带来一些影响,但降低卫星产业链的成本还需要时间。

当然,目前5G的成本也在下降,大家用流量已经不心疼了,现在除非5G信号不好,也不会主动去连WiFi,这也是和卫星通讯差异化竞争的地方。

整体来看,导航市场的规模较小,遥感市场也相对较小众,通讯市场是一个庞大的市场,比前两个场景更具想象力,核心在于解决性价比问题。

国产化的节点比前几年更清晰

除了AI、人工智能、卫星通信等领域,还有哪些领域在2024年值得关注?

长期来看,在未来的科技领域中,国产化仍具有较大的潜力。

当然,国产化是一个庞大的产业链,包括华为产业链、半导体、半导体设备、材料等等。

目前国产化已经走到了深水区,方向非常确定,关键在于需要多长时间将这件事情落地,最终实现产业化。

从产业角度,国产化能够落地,最终带来的机会在上游会更多,比如设备、材料。

因为先进制程是非常重要的,它是底层工艺,就像盖房子一样,是用钢筋水泥,还是竹子木板,底层工艺决定能盖几层楼。

目前,这个节点比前几年更清晰。

具体方向主要是半导体设备和材料,但确实波动较大,无论是估值、业绩还是市值,都让大家比较伤心。

但从更长的维度看,这个领域已经分化了,谁是半导体设计领域的龙头,谁是设备领域的龙头,谁是材料领域的龙头,这个问题很清晰,剩下的就是等待。

这也是我个人比较看好的方向。

—— / Cong Ming Tou Zi Zhe / ——

排版:唐唐

责编:艾暄

发布于:上海

相关推荐

武超则最新发声:算力最重要的趋势就是降低成本,越往后,高质量的数据越重要
为什么DPU在新算力时代这么重要?
高质量算力,“先手”人工智能大棋局
强化智能算力集群供给 深圳夯实人工智能高质量发展算力基座
中国AI算力占全球三成:IDC 最新报告解读,算力仍是AI发展最强推力
算力形态进化后,AI超算能解开数据科学团队的算力桎梏吗?
浪潮计算机的创新观:算力强,则国强
任正非最新发声:我们即将进入第四次工业革命,基础就是大算力
AI潮涌数字经济,超算的几个大方向,算力再创新高
中国算力的想象力有多大?

网址: 武超则最新发声:算力最重要的趋势就是降低成本,越往后,高质量的数据越重要 http://www.xishuta.com/newsview104173.html

所属分类:行业热点

推荐科技快讯