ASI从云端降临终端 放大新智产业链规模效应

ASI从云端降临终端放大新智产业链规模效应新智元创始人

杨静目录2024全球人工智能产业链洞察ASI放大新智产业链规模效应从云端降临终端，走向ASI新天地2024全球人工智能产业链洞察2024全球人工智能产业链洞察ScalingLaws>Moore'slaw LLM的能力提升大部分来自于算力，而摩尔定律代表着硬件算力的发展MIT的研究报告发现——LLM的性能大约每8个月就会翻一倍，速度远超摩尔定律（两年翻一倍）2024全球人工智能产业链洞察Gemini

Ultra的开发成本估计为1.91亿美元，GPT-4的开发成本估计为7800万美元5年来排名前15的企业（大学）研发了近150个基础大模型，按平均1亿美元的开发训练成本计算，投入已超过150亿美元2024全球人工智能产业链洞察星际之门：微软和OpenAI

将耗资1000亿美元，2028年推出AI超算Stargate马斯克训练Grok-2用了2万块英伟达H100，而Grok-3及其后续版本的AI模型将需要多达10万块的同型号芯片马斯克旗下xAI

2025年将投入近100亿美元购买30万块B200。这个革命性的超算中心算力相当于60万块H100Meta将在2024年购买约35万块H100，届时Meta将拥有近60万GPU储备万亿美元—万卡级登月竞赛大模型大玩家——微软+Meta两大巨头和10家万卡追随者全球2023年军事支出创10多年来最大涨幅，创2.4兆美元空前新高元1.美国 9160亿美元 2.中国2960亿 美3.俄罗斯1090亿美元 4.印度 836亿 美元阿波罗登月计划1961-1972约11年，总成本为250亿美元，换算成现在的金额为1500亿美元美国冲击AGI成本至少超1万亿美元ASI宇宙算力能源大模型即系统生态资金人才投入2029，奇点临近？——ASI登月竞赛的时间线马斯克：xAI目标6年内实现AGI,2029年或2030年，数字智能可能超过所有人类智能的总和黄仁勋：能通过人类测试的计算机，5年内实现。更高则更难奥特曼：4-5年DeepMind创始人Demis

Hassabis一个具有普遍能力的系统，能够完成人类所能做的几乎所有的认知任务，2030年实现扎克伯格：能源将成为瓶颈，AGI最终实现可能需要几十年时间2030年，全球数据中心的用电量将超过全球人口最多的国家印度24年6月20日，排名前6的美国科技公司总市值超15万亿美元，而排名前20的中国大陆科技公司总市值不到1.4万亿美元（Top3市值≈中国A股总市值）从AGI到ASI，指数级加速地球从AGI向ASI进化，所有财富和资源配置将指数级加速流向头部垄断生态群，低维生态将被快速抽干，片甲不留直至清0。自ChatGPT推出以来，英伟达的市值已增长8倍，达到3.2万亿美元，并在6月5日一度超越苹果，成为全球第二大市值公司。ASI——万众臣服

GPU铁王座ASI星球大战的产业链集聚效应Sora横空出世：大模型向多模态横跳，算力和数据需求指数级剧增约需72万块英伟达H100

才能大规模运行类似

Sora

的模型，这意味着人工智能生成的视频已经在TikTok和YouTube等流行视频平台上实现显著的市场渗透中金公司测算：训练侧来看，Sora的算力成本理论计算值约为GPT-4的10倍，推理侧来看，Sora的算力成本理论计算值高达约GPT-4的2000倍GPT-4训练用了2.5万块A100如果平台大规模运行类似Sora的模型，可能需要大约70万块H100。预估费用超过210亿美元天文数字的合成数据将成为未来大模型训练的核动力若基于现实世界数据训练，Sora使用的数据量可能多达每分钟百万token级别微软可能给OpenAI提供了5000亿视频用于Sora训练。Sora的API接口开放后，将有更多海量数据涌入，又有更多视频生成天文数字的合成数据将成为未来大模型训练的核动力根据

Gartner

的预测，2024年用于训练大模型的数据中有60%将是合成数据到

2030

年大模型使用的绝大部分数据将由人工智能合成最优异的大模型能合成最高质量的训练用数据届时超人类智能使用的数据将由AGI自我合成OpenAI的GPT-5面临10万亿到20万亿tokens的数据短缺Epoch研究所的AI研究员Pablo

Villalobos估计，GPT-4训练涉及的数据量高达12万亿tokens，而未来模型，如GPT-5，可能需要60万亿到100万亿tokensOpenAI目前每天能创造出约1000亿字的内容，而全世界的人类每天总共能产生约100万亿字只有合成数据才是未来：AI医疗与AI金融的超级武器Nemotron-4

340B

模型支持4K上下文窗口、50多种自然语言和40多种编程语言，训练数据截止到2023年6月。训练数据方面，英伟达采用了高达9万亿个token。其中，8万亿用于预训练，1万亿用于继续训练以提高质量。指令模型的训练是在98%的合成数据上完成的。Nemotron-4

340B对各行业的潜在影响是巨大的。在医疗领域，如果能生成高质量合成数据，可能会带来药物发现、个性化医疗和医学影像方面的突破。在金融领域，基于合成数据训练的定制大语言模型，则可能会彻底改变欺诈检测、风险评估和客户服务。在制造业和零售业方面，特定领域的LLM可以实现预测性维护、供应链优化和个性化客户体验。。ASI放大 新智产业链规模效应夏语冰小冰擅长中国画。还具备文本创作AYAYI燃麦科技超写实数字人洛天依哔哩哔哩中国内地女虚拟歌手翎次世文化超写实国风虚拟原创IP观君小冰爱加科大讯飞虚拟主持人，担任2021两会虚拟助手小诤腾讯自由滑雪虚拟教

全球首位数字航练、测试赛裁判

天员，数字记者M姐魔珐科技欧莱雅品牌虚拟代言人虚拟IP 虚拟助手 虚拟分身Siren腾讯通过实时捕捉、实时渲染生成动作和语言，用于拍摄或场景仿真。小K直播姬云舶科技全栈式无穿戴虚拟直播产品，虚拟邓丽君数字王国2022年1月1日,南京与周深同台演唱数字新人类涌现：视觉生成，人机交互技术全面提升目前，虚拟人从1.0时代进入了虚拟人3.0

时代，虚拟技术从语音合成、实时动捕发展到机器学习驱动口型、表情、动作等，构建对话库与人进行互动，成本降低，交互能力增强。按照功能划分，数字新人类可分为虚拟IP型、虚拟助手型、虚拟分身型。【2023十大人形机器人】黄仁勋认为，AI将在数据中心、机器人/自动驾驶、生命科学这三个领域带来革命性影响。在不久的将来，人形机器人有望成为大众化设备，制造成本有望大大低于人们的预期，售价可能不会超过1万-2万美元。另外，在一些环境下，机器人可能更敏捷、更多才多艺，且有望提高生产力。2023年中国百模大战谁占鳌头？2023年中国百模大战谁占鳌头？大模型在智能与知识测试中全面超越人类，技术自主创新与用户场景革命同步2017年谷歌的论文「Attentionis

All

You

Need」提出注意力机制，让我们探索到了Transformer这种「万能架构」，加上日益增长的算力，BERT、GPT、DALL·E等更大更强的模型应运而生，能够生成质量上乘的语言和图像。在各种基准测试中，模型达到甚至超越人类水平的速度越来越快。大模型在智能与知识测试中全面超越人类，技术自主创新与用户场景革命同步红杉把生成式AI应用程序看作“小脑”，支撑它运行的底层大型通用AI模型是“大脑”。红杉推测到2030年生成式AI将达到专家级创作者，届时包括程序员、图形设计师、视频直播等岗位将更多被AI取代。AI的iPhone时刻将出现应用的大爆发。未来新天地中领航新人类AI伙伴

从知识到智识的革新埃森哲

2024技术展望报告智能体

AI互联的生态系统埃森哲

2024技术展望报告AI

CITY——

每家公司都可以拥有自己的AI

SpaceAI

原住民——

每个人都可以拥有n个AI智能体从云端降临终端，走向ASI新天地AI创业：三分天下，大局已定大模型与AIGC：新四小龙ASI

宇宙数据算力能源资金人才投入PMF+终端为王0成本ASIASI从云端降临终端——

手搓大模型，智能调用生成式云平台ASI从云端降临终端——未来不可想象！三个哈佛学生手搓Thansformer专用芯片，一张Sohu=20张H100斯坦福天才少女团队手搓Pika，一年缔造5亿美元独角兽马毅教授学生，NYU博士一