通用人工智能时代降临：2016-2030科技周期七大揭秘
核心观点
路线的转变：从CPU到GPU的切换
2016年全球的移动互联网渗透率已经超过了50%，这代表的其高速增长的时间已经过去；此时英特尔公司放弃了引以为傲的“Tick-tock”战略，CPU在终于在算力提升的路上严重受阻。这这样的背景下，科技界都在寻找新方向，即能够接过CPU接力棒的技术。凭借早年显卡的积累，以及CUDA架构的提出，英伟达GPU逐渐成为通用计算芯片，它替代CPU成为引领算力进步的新宠儿。
尽管英伟达在人工智能芯片上的单芯片算力从2012年开始用了10年的时间翻了1000倍，但是以提升功率与价格的方式实现的，我们测算最近10年全球每GFLOPS的复合成本降幅大约在25-35%之间，这一降幅略低于摩尔定律的要求。
三大算力应用：比特币、云计算、新能源车
比特币的出现大大拉动了全网算力的提升，在14年的时间里，全网算力增加了3万亿倍（3.2*10^12），相当于每年复合增速6.8倍。目前比特币挖矿的耗电量相当于全球排名第20名左右的国家用电量。
单CPU算力提升受阻，云计算成了继GPU之外的又一解决方案。到了2016年，几乎所有的大公司在云计算的部署都已完成。2024年，云计算市场规模达到了6760亿美元，2016-2024年复合增速达到了25.2%。
从算力角度，新能源汽车的第一特征可能不再是汽车，而是一台“大号的、行走的计算机”，从Model-S开始，新能源车的发展进入到了快车道。中国在新能源车的普及上遥遥领先全球，2023年新能源车占总销量比重高达38%，欧洲为21%，美国仅为9.5%。单车载芯片算力目前达到500-1000T，预计2030年将达到5000T。
大模型的出现：AI翻开了崭新的一页
2017年，有关Transformer架构的论文发布，随后谷歌的BERT模型与OPENAI的GPT模型发布，但初期并未受到广泛关注。2022年GPT3.5成为分界点，它让科技界看到了“大力出奇迹”的千亿参数级别的大模型效果可以如此强大。随后万亿参数级别的GPT4、以及多模态SORA模型的出现，为大模型的发展打开了更广阔的空间。
如果将模型参数与人类的神经突触对标，那么大约到100万亿参数的模型可以实现AGI（通用人工智能），马斯克、黄仁勋、OPENAI前员工大约预测了这个时间在2027-2029年。
鉴于AIAgent的开发门槛越来越低，LLM能力越来越强，它或将成为下一个风口。就如同移动互联网时代的APP，互联网时代的网站，计算机时代的应用软件，AIAgent或将走出下一批大公司。
风险提示：地缘政治的不确定性，美联储降息幅度的不确定性，部分行业竞争格局的不确定性。
