算力、芯片未来稀缺
如果OpenAI和Anthropic的算力增加一倍，收入会增加四倍。
马斯克也认同，芯片是AI发展的唯一限制因素。
为什么？
因为他们极度缺乏算力。
而需求又大到不可思议。
企业用户、个人用户、还有无数基于大模型创业的公司，需求正在冲破天花板。
这听起来像一个完美的商业故事。
但问题也随之而来。
这种指数级增长的需求，究竟是真实价值的体现，还是另一场科技泡沫？
所有人都冲进去，想要分一杯羹。
但谁在为这场狂欢买单？
更核心的问题是，这场算力竞赛将把我们带向何方？
无限的算力真的等同于无限的智能吗？
还是说，我们只是在建造一个越来越会模仿人类说话的复杂机器？
AI的本质是生产力工具，还是仅仅是一个昂贵的“玩具”？
当下的芯片制造高度依赖台积电。
这种依赖，对于把制造业带回美国的努力，构成了什么样的挑战？
一个建立在脆弱供应链上的产业，如何支撑起一个国家的未来？
马斯克也认同，芯片是AI发展的唯一限制因素。
为什么？
因为他们极度缺乏算力。
而需求又大到不可思议。
企业用户、个人用户、还有无数基于大模型创业的公司，需求正在冲破天花板。
这听起来像一个完美的商业故事。
但问题也随之而来。
这种指数级增长的需求，究竟是真实价值的体现，还是另一场科技泡沫？
所有人都冲进去，想要分一杯羹。
但谁在为这场狂欢买单？
更核心的问题是，这场算力竞赛将把我们带向何方？
无限的算力真的等同于无限的智能吗？
还是说，我们只是在建造一个越来越会模仿人类说话的复杂机器？
AI的本质是生产力工具，还是仅仅是一个昂贵的“玩具”？
当下的芯片制造高度依赖台积电。
这种依赖，对于把制造业带回美国的努力，构成了什么样的挑战？
一个建立在脆弱供应链上的产业，如何支撑起一个国家的未来？
27 个评论
除开AI芯片，中国共产党的脖子尚有许许多多死穴待被开发，英特尔、超威的确是供应紧张，华为技术有限公司咋不填补空白呢？不说好遥遥领先吗？欸，指不定习近平同志已布局未来秘密研究三进次模拟电子管计算机，做着卡西方脖子的中国梦呢！
人类世界中，真正的资源只有「人」，永远稀缺的也只有「人之脑力」。
----------------------------
有资源就有产出？
委内瑞拉的产出在哪？波斯的产出在哪？阿富汗的产出在哪？
没资源供应就脆弱？
日本咋还没「脆断」呢？
----------------------------
有资源就有产出？
委内瑞拉的产出在哪？波斯的产出在哪？阿富汗的产出在哪？
没资源供应就脆弱？
日本咋还没「脆断」呢？
台積電在台灣
要蓋10多座(高雄5.新竹4.台南2)先進製程工廠
還不包括美國4座.日本1座
可見訂單滿滿
而組裝等供應鏈
更從中國全面轉移美墨地區
而中國只會剩下
低階零組件.被動元件.高汙染產品
這波來勢洶洶的產能轉移
更讓冬碗要敲碗.蔘症地震.出現大量關廠與龐大失業勞工
要蓋10多座(高雄5.新竹4.台南2)先進製程工廠
還不包括美國4座.日本1座
可見訂單滿滿
而組裝等供應鏈
更從中國全面轉移美墨地區
而中國只會剩下
低階零組件.被動元件.高汙染產品
這波來勢洶洶的產能轉移
更讓冬碗要敲碗.蔘症地震.出現大量關廠與龐大失業勞工
卖芯片的，卖显卡的，卖AI模型的，当然疯狂画大饼，表示LLM模型离AGI只是算力问题，机械的堆算力就行，未来前景一片光明，毕竟未来前景估值可以直接转换成股市价值和他们兜里的money。但只要稍微了解点LLM模型的就知道，这东西本质就是个猜词器，性能完全靠模仿已有的人类文本的范式，根本做不到Alphago在围棋领域的那种自我迭代。大家可以去看看图灵奖得主Richard Sutton对LLM模型的批评。
LLM模型很有用，但只要做不到和物理世界直接互动，进行自我迭代，它就远远做不到现在各个企业画的那种指数级增长的大饼。LLM模型现在和真正的AGI之间的距离远不是堆算力那么简单的问题。
LLM模型很有用，但只要做不到和物理世界直接互动，进行自我迭代，它就远远做不到现在各个企业画的那种指数级增长的大饼。LLM模型现在和真正的AGI之间的距离远不是堆算力那么简单的问题。
你们这群算力吹去了解一下2000年的CPU频率大战
当时业界以为CPU的HZ是可以无限往上叠的 业界认为把CPU的频率提升到10GHZ都不是问题
结果很快就被物理学打脸 比如发热问题等
指望用算力实现AI的魔怔程度
堪比无限只猴子与打字机可以敲出一本莎士比亚
当时业界以为CPU的HZ是可以无限往上叠的 业界认为把CPU的频率提升到10GHZ都不是问题
结果很快就被物理学打脸 比如发热问题等
指望用算力实现AI的魔怔程度
堪比无限只猴子与打字机可以敲出一本莎士比亚
>> 卖芯片的，卖显卡的，卖AI模型的，当然疯狂画大饼，表示LLM模型离AGI只是算力问题，机械的堆...
你的理解是不对的，LLM是使用transformer架构的新一代深度学习模型，前代的深度学习模型能做的，没道理新的深度学习模型反而不能做了。LLM不需要不会出错，它只需要比人干得更快更好就行。
Anthropic的工程师，现在基本上都不需要写代码了，全都是AI agent在干活。而且还不是逐个指派agent，而是指派一个master agent，让它调遣几个甚至几十个上百个agent干活，工程师只要检查结果就行。这对整个IT行业都是颠覆性的，对其它行业就不用说了。现在以脑力劳动为主的白领工作，我看几乎就没有不能被AI取代的——哪怕不能全部取代，取代掉绝大多数的工作职位也是早晚的事。
因为贵葱看的人很少，我就小声告诉你们，AI整个产业链别说泡沫，甚至只能算是刚刚开始。你球本世纪发达经济体就是围绕AI产业，屎坑就是灰色产业外加要饭，就酱。
靠堆算力堆数据提升模型性能的时代已经过去。不过即使AGI达不到，genAI在某些领域还是很有用的，至少比new grad好用而且还便宜。
>> 卖芯片的，卖显卡的，卖AI模型的，当然疯狂画大饼，表示LLM模型离AGI只是算力问题，机械的堆...
>> 台積電在台灣要蓋10多座(高雄5.新竹4.台南2)先進製程工廠還不包括美國4座.日本1座可見訂...
最近台积电把gan这一极具潜力的大蛋糕让给中共，导致中共企业英诺赛科成为英伟达唯一数据中心级直流电源架构供应商。不久的将来所有的ai数据中心的电力架构都将被中共控制。有说台积电为了报复川普故意把成熟制程和电源市场让给中共。论舔共谁也比不上台积电。
你的理解才有问题，LLM是巨大进步不假，但也远不到能取代人的地步，真用AI写过码的都知道，如果代码长度不长，任务简单AI还能胜任，但一旦复杂度和代码长度超过一定程度，没有人看着AI就开始胡言乱语了。
AI取代大部分工作是有可能的，但它肯定不是LLM能做得到的。
AI取代大部分工作是有可能的，但它肯定不是LLM能做得到的。
不仅仅是芯片制程在现有原理上不能无限提升，靠LLM模型实现AGI算法上也有重大缺陷。LLM模型本质就是猜词器，靠已有文本token之间的概率关系，计算输出结果，这就导致它本质上就突破不了人类已有的认知范式。现有的LLM模型的训练，就等于把小孩锁在一个黑房子里，让他单依靠阅读百科全书了解世界万物一样。堆算力，提高小孩的阅读速度和记忆能力，是有助于的知识的增长，但只看书，不接触实物，在真正涉及人类认知边界的问题时，给出的答案一定是失真的。靠这种模式搞AGI，纯粹是指望左脚踏右脚上天。
不解决AI和真实世界的互动和反馈机制的问题，算力再强，也造不了AGI。
不解决AI和真实世界的互动和反馈机制的问题，算力再强，也造不了AGI。
打个中国人很能懂的比方，共产党当年特别喜欢修路，甚至还有个口号：要致富，先修路。少生孩子多种树。
其实很多路刚修出来的时候，也没有人走，因为当年中国甚至都没有什么私家车，也没有什么工厂，没有交通运输的需求。
最开始，修路还真不是仅仅为了贪污腐败什么的。当时各地政府已经看到改革开放之后，外企外资进入中国的大潮。也认识到这能带来相当大的经济收入。
而若是等工厂开过来，才开始修路，那么已经晚了。工厂只会找修好路的地方去开。所以大家都拼命修路，好招商引资。
==================
AI基建也是一样的，其实大部分公司，其还没有什么需求非要去搭一个AI服务器之类的。
但是，很多公安四都要求，继续没有用，也一定要现搭一个，为什么？ 这叫抢占战略高地。
若是有一天，突然出现一个需求，没有AI不行，这时候，你若是已经准备好了平台，那么你立刻就可以跟其他人说，这个项目我接了，因为我们组的地基都已经搭好了，你来了我立刻能给你实现。
反过来，你若是没有这种平台，非要等需求出现，才开始搭AI服务器，那么你的项目早就被其他公司抢走了。
所以，各大计算机公司就疯狂地盖地基，就跟当年共产党修路是一样的。因为我们都知道AI当然现在还不成熟，但是我必须先把路修出来，等它成熟的时候，我才能抢占先机。
其实很多路刚修出来的时候，也没有人走，因为当年中国甚至都没有什么私家车，也没有什么工厂，没有交通运输的需求。
最开始，修路还真不是仅仅为了贪污腐败什么的。当时各地政府已经看到改革开放之后，外企外资进入中国的大潮。也认识到这能带来相当大的经济收入。
而若是等工厂开过来，才开始修路，那么已经晚了。工厂只会找修好路的地方去开。所以大家都拼命修路，好招商引资。
==================
AI基建也是一样的，其实大部分公司，其还没有什么需求非要去搭一个AI服务器之类的。
但是，很多公安四都要求，继续没有用，也一定要现搭一个，为什么？ 这叫抢占战略高地。
若是有一天，突然出现一个需求，没有AI不行，这时候，你若是已经准备好了平台，那么你立刻就可以跟其他人说，这个项目我接了，因为我们组的地基都已经搭好了，你来了我立刻能给你实现。
反过来，你若是没有这种平台，非要等需求出现，才开始搭AI服务器，那么你的项目早就被其他公司抢走了。
所以，各大计算机公司就疯狂地盖地基，就跟当年共产党修路是一样的。因为我们都知道AI当然现在还不成熟，但是我必须先把路修出来，等它成熟的时候，我才能抢占先机。
>> 你的理解才有问题，LLM是巨大进步不假，但也远不到能取代人的地步，真用AI写过码的都知道，如果...
你这话放在一年前也许是对的，但在今天肯定是错的。我现在的工作代码至少70%都是AI写的，有的同事甚至90%以上的代码都是用AI写了。Claude的编程能力，在过去半年里可以说是突飞猛进。硅谷的很多程序员现在都转向写AI runbook了，还专注于写代码的程序员，早晚要被AI淘汰。
>> 最近台积电把gan这一极具潜力的大蛋糕让给中共，导致中共企业英诺赛科成为英伟达唯一数据中心级直...
这倒不是，成熟制程本来就不是台积电的优势领域
中国要是不计成本堆落后产能，其他国家只能用国安法案保护自己少量产业用于国防等需求，否则必然被中国倾销击垮
>> 最近台积电把gan这一极具潜力的大蛋糕让给中共，导致中共企业英诺赛科成为英伟达唯一数据中心级直...
这倒不是，成熟制程本来就不是台积电的优势领域
中国要是不计成本堆落后产能，其他国家只能用国安法案保护自己少量产业用于国防等需求，否则必然被中国倾销击垮
“程序员一定要会写代码。”
你自己都承认70%能替代，那意思不就是30%替代不了吗？现在的AI对于很多东西都能给你搞个大框架，但真正的创新和细节修理还要自己来，AI顶多是省了模块化的重复工作。
AI runbook是趋势，就和当年的自动编译一样，它提供了一个很好的技术手段。但你要说彻底替代写代码，那只靠LLM模型肯定办不到。AI runbook是辅助工具，程序员不专注于代码，要程序员干什么？
你自己都承认70%能替代，那意思不就是30%替代不了吗？现在的AI对于很多东西都能给你搞个大框架，但真正的创新和细节修理还要自己来，AI顶多是省了模块化的重复工作。
AI runbook是趋势，就和当年的自动编译一样，它提供了一个很好的技术手段。但你要说彻底替代写代码，那只靠LLM模型肯定办不到。AI runbook是辅助工具，程序员不专注于代码，要程序员干什么？
>> “程序员一定要会写代码。”你自己都承认70%能替代，那意思不就是30%替代不了吗？现在的AI对...
对我来说，从0%到70%只用了半年的时间，那再过一年两年呢？AI发展到完全不需要我写代码并不是多么遥远的事情。我是上路比较晚的，有的同事已经完全不写代码只写AI runbook了。
程序员不专注于代码，要程序员干什么？
不需要写代码的程序员了，现在需要的是会写AI runbook的程序员——如果这种工种还可以叫「程序员」的话。
问题是AI的边际效益提升并不是匀速增长的呀，攻克那剩下的30%，可能根本不是目前的LLM模型能够办得到的。
最简单的问题，如果程序报错，出了各种奇奇怪怪的bug，纯用AI生的代码，AI修不好要咋办？用AI生代码也是建立在你懂原理和有个大体框架上的。在你看的懂的情况下，AI是个好工具。
最简单的问题，如果程序报错，出了各种奇奇怪怪的bug，纯用AI生的代码，AI修不好要咋办？用AI生代码也是建立在你懂原理和有个大体框架上的。在你看的懂的情况下，AI是个好工具。
嗯，的确潜力很大，但是变现压力也很大，毕竟现在市场预期还是照着AGI去的。
>> 现在的LLM就是2000年的互联网，前景很好，泡沫也很大，确实有很大潜力，但不是一些人想的那种...
>> 这倒不是，成熟制程本来就不是台积电的优势领域中国要是不计成本堆落后产能，其他国家只能用国安法案...
这不是落后不落后的问题，氮化镓芯片是2022年才普及的，谈何落后？全球ai中心的电力命门。千百亿的市场规模，比稀土还强的卡脖子能力。现在全属于中共了，要不英诺赛科的股票一年涨五倍呢
>> 问题是AI的边际效益提升并不是匀速增长的呀，攻克那剩下的30%，可能比根本不是目前的LLM模型...
我看到的边际效应的增长，不是在减速，而是在加速。一开始，我只能让AI做一些简单的小修小补，写个函数或者单元测试之类的，几个月后AI就可以胜任中等规模的模块开发，现在AI已经可以很好地理解非常复杂的代码库，写出的代码优化程度一点不比我手写的差。以前一个大型模块的调试，人力一行行看代码跑debugger至少要好几天，现在交给AI几十分钟就能搞定，而且是打补丁测试封装部署一条龙服务。这么短时间里这么大的生产效率提升在IT行业历史上都没有过。今天我甚至都不用给AI很具体的任务了，而是给它一个大致的框架让它自己写runbook，然后我再对runbook进行细化。AI出错，我需要改的是runbook，而不再是AI写的代码。
没错，现在还需要程序员能看懂代码，然而这就好比编译器出现之前也需要程序员能看懂机器码和汇编一样，但是编译器足够成熟之后，能看懂机器码和汇编就成了屠龙之技。编译器从出现到成熟用了几十年，现在AI的进步速度可比编译器快得多。连Anthropic的chief engineer自己都说，他不敢预测一年之后AI能发展到什么程度。现在的程序员千万不要固步自封，以为自己的domain knowledge是独门绝技，AI没可能学会——我以前也是这么认为的，然而短短的半年时间AI就颠覆了我的认知。这两年的计算机专业毕业生还是尽早另谋出路的好，会写代码就能去硅谷拿大包的历史已经一去不复返了。
我虽然不认同LLM模型能够无限增长这种观点，但写代码的应该赶紧自谋生路这绝对是没问题的。有了AI，码农这行以后就不再是需要大量中低层写码人员的了，几个项目官理人员用AI就顶过去一个部门。
就像我之前说的，LLM模型的缺点在多元化数据的理解上，也就是说物理世界交流还非常不足，以及因为这个原因，不能和物理世界直接交流迭代，而导致的同质化缺乏创新。但在理解文本上，是显而易见的进步巨大的。它可能代替不了修理工，但代替大部分中低端码农是没有问题。
LLM模型主导的AI需要的是手艺人，它能够淘汰大部分知识阶层的中低端从业者是显而易见的技术趋势。
就像我之前说的，LLM模型的缺点在多元化数据的理解上，也就是说物理世界交流还非常不足，以及因为这个原因，不能和物理世界直接交流迭代，而导致的同质化缺乏创新。但在理解文本上，是显而易见的进步巨大的。它可能代替不了修理工，但代替大部分中低端码农是没有问题。
LLM模型主导的AI需要的是手艺人，它能够淘汰大部分知识阶层的中低端从业者是显而易见的技术趋势。
其实除了算力，还有电力，能源才是高科技的基础，高科技只不过是把可以被利用的各种能源转化为宇宙中的废热而已。
zhouxinjie
新注册用户
本质不是泡沫或价值，而是算力供给跟不上需求，这个失衡才是现在最大的变量。