在最新发布的《AI eats the world》报告中知名科技分析师、a16z前合伙人Benedict Evans给出了一个足以搅动整个科技世界的判断：生成式人工智能正引发科技产业每十至十五年一次的平台大迁移，而我们仍不知道它最终将走向何方。
报告以“AI 吞噬世界”为主题，系统梳理生成式 AI 的兴趣浪潮、技术与资本扩张、实际应用价值、产业转型路径以及与其他技术平台的对比。整体逻辑概括为三大部分：AI 的规模化与资本浪潮、AI 的真实用途与应用落地、技术平台迁移带来的行业结构变化。
一、AI兴趣爆发与规模化挑战：巨大期待、有限使用、资本提前下注
ChatGPT 以史无前例的速度进入主流认知，但实际使用频率仍低，大量用户“听说但未使用”。企业采用也处于早期阶段，多停留在“试点”，生产化比例极低。与此同时，产业仍进入典型“技术泡沫周期”，资本大量提前下注：
1）2024 年四大科技巨头合计约 2200 亿美元 capex，并持续提升；
2）单次 SOTA 模型训练成本逼近 5–10 亿美元（Anthropic、Meta）；
3）Nvidia 数据中心收入持续飙升，GPU 供不应求。
关键问题：LLM 是否还能继续通过规模提升性能？
报告指出三种可能性并存：
1. 规模边际递减、效果放缓；
2. 新软件与工程突破继续推动性能；
3. 规模继续有效，模型逼近“能做一切”。
技术和工程端仍面临实际瓶颈，如训练数据枯竭、GPU 交付周期、电力供给等。但由于“错失下个平台的代价远高于过度投资”，科技巨头愿意以 FOMO 驱动继续投入。
二、效率革命：AI进入“参数与价格”时代（feeds & speeds），模型商品化趋势明显
随着大量模型涌现，行业进入“规格对比”阶段：
1）模型质量与推理价格画出清晰的“高质高价”与“90% 质量但 5% 成本”两条路径；
2）开源模型（Meta）与边缘计算（Apple）进一步推动模型从核心差异化变成“基础设施”或“API”。
结论： AI 模型可能走向“半导体式周期+互联网式价格战”，长期逼近边际成本。
接第二篇（续）
#ai #aigc #芯片 #大模型
报告以“AI 吞噬世界”为主题，系统梳理生成式 AI 的兴趣浪潮、技术与资本扩张、实际应用价值、产业转型路径以及与其他技术平台的对比。整体逻辑概括为三大部分：AI 的规模化与资本浪潮、AI 的真实用途与应用落地、技术平台迁移带来的行业结构变化。
一、AI兴趣爆发与规模化挑战：巨大期待、有限使用、资本提前下注
ChatGPT 以史无前例的速度进入主流认知，但实际使用频率仍低，大量用户“听说但未使用”。企业采用也处于早期阶段，多停留在“试点”，生产化比例极低。与此同时，产业仍进入典型“技术泡沫周期”，资本大量提前下注：
1）2024 年四大科技巨头合计约 2200 亿美元 capex，并持续提升；
2）单次 SOTA 模型训练成本逼近 5–10 亿美元（Anthropic、Meta）；
3）Nvidia 数据中心收入持续飙升，GPU 供不应求。
关键问题：LLM 是否还能继续通过规模提升性能？
报告指出三种可能性并存：
1. 规模边际递减、效果放缓；
2. 新软件与工程突破继续推动性能；
3. 规模继续有效，模型逼近“能做一切”。
技术和工程端仍面临实际瓶颈，如训练数据枯竭、GPU 交付周期、电力供给等。但由于“错失下个平台的代价远高于过度投资”，科技巨头愿意以 FOMO 驱动继续投入。
二、效率革命：AI进入“参数与价格”时代（feeds & speeds），模型商品化趋势明显
随着大量模型涌现，行业进入“规格对比”阶段：
1）模型质量与推理价格画出清晰的“高质高价”与“90% 质量但 5% 成本”两条路径；
2）开源模型（Meta）与边缘计算（Apple）进一步推动模型从核心差异化变成“基础设施”或“API”。
结论： AI 模型可能走向“半导体式周期+互联网式价格战”，长期逼近边际成本。
接第二篇（续）
#ai #aigc #芯片 #大模型
