算力与基础设施
也叫:算力, 算力供应链, 算力经济, 算力战略, AI 基础设施, 能源, 芯片, 智能资本
定义书中定版
AI 时代的核心生产资料是「智能」本身,由算力和数据构成。算力是智能资本的物质基础,地位相当于农业时代的土地、工业时代的机器。智能资本有三个特征:初始投入极高、边际成本极低、网络效应极强,结果是赢者通吃和寡头垄断。
书里给的事实有三条:
- 全球 AI 算力高度集中在少数几家云厂商手里,国内商业算力也集中在几家云;
- 高端芯片受出口管制,算力成了国家层面的战略资源,类似 20 世纪的石油禁运;
- 「马太效应」:有算力就能训更好的模型,更好的模型带来更多收入,收入再买更多算力。
出处:《AI 认知革命》(renzhi.qiuyiwu.com)第 36 讲(/c/36.html)、第 34 讲(/c/34.html),另见第 6 讲(/c/6.html)「加速的物理」一节。
书里怎么说
算力集中不是暂时现象,是自我强化的趋势。只有巨头负担得起算力投入,小公司只能做应用层创新,碰不到底层技术。
概括自《AI 认知革命》第 36 讲(/c/36.html),逐字以书为准
AI 技术上可以分布式运行,但经济逻辑让它走向中心:云端大模型比本地小模型强,服务商成本也更低,用户被引向云端,算力和数据进一步集中。
概括自《AI 认知革命》第 36 讲(/c/36.html),逐字以书为准
个人要警觉自己的依附性:你的工作有多少依赖于你不拥有的智能资源。社会层面可能的方向是算力部分公有化、数据合理共享、模型适度开源。
概括自《AI 认知革命》第 36 讲(/c/36.html),逐字以书为准
新技术渗透越来越快,因为每一次都建在上一次的基础设施上:AI 用的是云计算的基础设施。
概括自《AI 认知革命》第 6 讲(/c/6.html),逐字以书为准
书库里的材料
每天读进来的东西里,和这个概念最相关的几篇:哪篇支持、哪篇补充、哪篇唱反调。
文章认为 OpenAI 的真正赌注是「智能能否像钢铁、电力一样被工业化生产」:数据是原料、GPU 是设备、电力是能源、数据中心是工厂。模型领先只能维持几个月,基础设施、长期合同和政治关系才持久。这几乎就是书里「智能资本论」的企业版。
他明确说别赌本地算力,算力必在云端,并用「每吉瓦算力产生的收入」来算账。这和书里「技术上可分布,经济上必集中」的判断一致。文中数字是对话里的口头估算。
他把瓶颈放在物理层:晶圆厂、电网、发射能力决定 AI 产能的上限,并提出每年制造 1 太瓦功耗规模算力芯片的超级工厂设想,而今年全球 AI 芯片总功耗约 20 到 25 吉瓦。书里只写了芯片和云的集中,没有写电力和制造产能。
他说「自我复制的数据中心」已经触手可及:AI 控制机器人去运营晶圆厂、造涡轮机和太阳能板、再盖数据中心。这是对算力瓶颈最激进的回答,也意味着算力集中可能延伸到能源和制造。
Anthropic 在四种芯片体系上训练和服务模型,把它们当成可互换的统一算力池,并强调「有效算力 = 物理算力 × 算力乘数」;它说让模型自己把 Claude 移植到 AMD 芯片只用了三天。书里的类比是「谁控制芯片谁控制智能」,这里显示芯片可以互换、软件效率能放大算力,单一芯片的卡脖子在变松。数字均为公司自报,服务于发行。
他说智能正变得像商品一样普及,「创造智能的能力」会像能源和互联网一样成为基础设施。书里认为智能被私有化、被围栏;黄仁勋的说法是智能本身会变成商品,集中的是造智能的那一层。这也是英伟达自己的增长叙事,需要打折看。
书里把算力问题写成「集中与依附」:谁拥有算力,谁就是新的地主。材料在两头推得更远。往下,瓶颈从芯片延伸到电力、晶圆厂和数据中心建设,甚至有人设想让 AI 自己去造这些;往上,芯片之间可以互换、算力乘数能放大有效算力,「控制某种芯片」的权力在减弱,「控制整条智能生产线」的权力在增强。书里写的是芯片和云,材料说的是一整条从能源到模型的工业链。