主要观点总结
文章主要介绍了互联网女皇Mary Meeker发布的最新《AI趋势报告》，覆盖了AI的变化、影响、发展趋势和关键统计数据。报告详细阐述了AI带来的前所未有的变革，以及科技巨头在AI基础设施的资本投入、AI模型训练成本的增长、AI应用的广泛普及等领域的最新动态。文章还讨论了AI在蛋白质折叠、癌症检测、机器人技术等领域的发展，以及AI相关岗位的显著增长和传统IT岗位的萎缩。同时，也提到了AI在图像和语音识别领域的进步以及开始向物理世界的扩展趋势。
关键观点总结
关键观点1: AI带来的前所未有的变革
文章中提到了ChatGPT在短短2个月内突破1亿用户，月活跃用户达到8亿，订阅用户超2000万，年收入接近40亿美元。这表明AI的快速发展正在改变人们的生活和工作方式。
关键观点2: 科技巨头加大对AI基础设施的资本投入
文章指出，大型科技公司如苹果、英伟达、微软等在AI相关CapEx（资本支出）上持续加码，推动AI基础设施的建设，如数据中心的投资。此外，英伟达GPU的优异性能推动了AI推理的发展。
关键观点3: AI模型训练成本飙升
文章提到前沿AI模型的训练成本在短短8年内增长了约2400倍，单个模型训练成本可能在今年达到10亿美元。这表明AI技术的发展需要大量的资金投入。
关键观点4: AI应用在多个领域加速渗透
文章列举了AI在蛋白质折叠预测、癌症检测、机器人技术、多语翻译等领域的应用，展示了AI技术的广泛性和深度。同时，AI也开始渗透到自动驾驶等物理世界，体现了AI技术的跨界融合趋势。
关键观点5: AI相关岗位增长显著
文章指出AI相关岗位增长448%，而传统IT岗位需求萎缩。这表明企业对AI技术的需求正在迅猛增长，而传统IT领域正面临转型压力。
正文
数据显示，这六家公司大举投资 AI 基础设施，如数据中心，2024 年已达 2120 亿美元，同比上涨 63%，为十年内最高。
当然，AI 生态的增长逻辑是，算力投入越大，模型能力越强，产品体验越好，从而导致用户越多，平台收益潜力越大，进而刺激企业加码 CapEx。
在过去一年里，黄仁勋在几乎所有公开场合都在重复一个观点：英伟达不是芯片公司，也不仅仅是一家科技公司，而是一家 AI 基础设施公司。
由于资本的疯狂投入，全球数据中心投资在 2022-2024 三年内几乎翻倍。
其中，英伟达吃下了数据中心预算的「大头」，众多初创公司依赖英伟达的硬件和软件栈加速产品开发。到 2024 年，每 4 美元数据中心投资中，就有 1 美元进了英伟达的口袋，也让其成为了这波 AI 浪潮的最大赢家。
另外，AI 应用也加速渗透到多个领域：蛋白质折叠预测、癌症检测、机器人、多语翻译、视频生成……正在重塑行业生态和人类工作方式。某种程度上说，AI 就是新基建的重要驱动力。
数据量、参数规模、CPU 集群、工程师人力等同步上涨，导致 AI 模型的训练成本呈现指数级暴涨。
正如 Anthropic CEO Dario Amodei 所预测的那样，2025 年将可能出现单个模型训练成本达到 10 亿美元，甚至未来 100 亿美元也不是天方夜谭。
报告显示，前沿 AI 模型的训练成本在短短 8 年内增长了约 2400 倍，2016 到 2019 年训练成本仍处于几十万到几百万美元之间，而到了 2024 年， GPT-4、Gemini 1.0 Ultra、Llama 3 等模型训练成本高达上亿美元。
根据 Epoch AI 的数据，从 1950 到 2025 年，AI 模型训练所需数据集从百万词级跃升至万亿词级，规模年增 260%。
与此同时，所需算力也在大幅增长。虽然 IT 硬件成本持续下降，但模型训练 FLOP（浮点运算）年增长率高达 360%，AI 模型越来越「烧钱」「烧电」「烧卡」。
英伟达每一代 GPU 架构都大幅提升和优化 AI 推理性能和能效比，这也是 AI 走入现实生活的基础前提之一。
2014 到 2024 十年间，英伟达 GPU 推理单个 Token 所需的能耗下降了约 105000 倍，几乎趋近于可忽略的边际能耗，有利于规模化部署和开发者接入。
过去，英伟达 CUDA 平台、GPU 编程模型虽已存在，但使用者多集中在科研、高性能计算领域。随着深度学习、大模型训练需求暴涨，越来越多的开发者也涌入英伟达生态。
