AI是否有泡沫？下一个发展阶段是什么？

趁着行情风口不在这边，我们正好静下心来讨论一下两个问题： 1、AI（包括海内外）是否在泡沫化阶段？ 2、AI的下一个发展阶段是什么？ 要讨论清楚这两个问题，首先要明确基本的原则： 1、脱离开二级市场表现以及股价来贴近行业发展讨论。 2、讨论时，定性高于定量。 -------分割线------ 首先我们现在讨论的狭义人工智能，其实是指大语言模型。 大语言模型这几年的发展，又可以拆分为硬件方向和模型本身，如果用传统的分类法，模型和周边应用，其实可以概括为软件。在硬件和软件之外，还有派生出来的能源、能源金属、电网等等需求，我们姑且概括为电力。以及之后人工智能落地需要的端侧，尤其是具身智能的发展。所以这些因子可以概括为：AI=硬件+软件+能源+具身。之后如果再引用这个公式，则不重复四个概括性因子的细节。 那么我们要讨论AI是否泡沫，其实就要去讨论，这四个因子是否泡沫，解构的好处在于，我们把一个复杂的讨论范式，变成了一个具体的四因子讨论框架。 那么我们现在再基于两个讨论前置原则来逐步讨论，贴近行业而非二级市场、定性高于定量。 前几天马斯克甚至说货币会消失，关注久的老朋友，应该还记得我们以往也推演过，如果信息产业继续发展，到了某个阶段，货币的基础单位应该是电力的发电功率，所谓太阳元。你拥有的财富，不再是一个固定的物理值，而是一个时刻工作的功率。 为什么？因为这轮生产力跃升核心是智能化水平提高于能源价格下降，达成的核心目标是【人工智能&核聚变】。爱迪生发明灯泡的愿景是【我要让电无比便宜，以至于只有富人才点蜡烛】，这句话套用现在的场景便是【核聚变让机器人服务无比便宜，以至于只有富人才上班】。这个话现在活得憋屈的人一定是要吐槽的，但回顾一下我们之前展望核聚变时：因为电力充沛，合成淀粉很便宜，以至于农田都消失，所有人居住条件大大改善。有人因为相信而看到，有人因为看到而相信，这都可以，逐步验证吧。但四个因子中，我们最容易达成一致的是能源。在前几次人类生产力跃升过程中，能源需求都会出现颠覆性的增长。 当前在美国电力消费中，信息产业占比大概在8%（其中数据中心占一半强），欧洲大概在4%，日本大约3%，我们在2%+，因为制造业耗能很大。这个基数当前还是比较低的，一般而言，低基数就可以匹配高增长率。那么究竟信息产业所需的能源增速是多少呢? 综合美国能源局的数据和巴克莱等等分析，18-23年的复合增长率是18%左右，23-25年由于能源供给短缺，保持在13%。后续到28年，还会以15-20%的复合增速来增长。这里的能源需求还可以拆分为普通数据中心和智能数据中心以及加密货币，我们就不拓展了。总之匡算下来，到30年左右，整个泛信息产业的能源消耗，会占据全社会电力供应的三分之一以上。介时如果还要新增电力，只能靠核聚变来提供。 这个能耗缺口背景下，建设一张大的电网来适配是不大现实的，回顾一下我们的特高压建设过程就知道了，很难。所以，降能耗成为现实的选择，不管是降芯片能耗本身，还是液冷这种辅助技术和，都会有机会。从建设周期来看，燃气发电还能适配，如果机组供应不短缺，建设周期可以卡在两年。核电虽然现在就在重启，但周期偏长。二级市场很愿意从储能尤其是大储的角度来理解，但如果我们用长周期，比如五年来推演的话，大概率是因为用电缺口价格上涨，工业用电和民用电被挤占空间，工业迁出到能源成本低的地方，民用电会采用分布式光伏+户储来解决缺口，也就是特斯拉推崇的方案。 我个人推演了好几次，如果用五年的维度看，美国AI越发展，制造业回流就越难以实现。所以回过头来看，我们就不难理解，为何美国大厂都在投核聚变，这不是基于能源本身来投，而是基于自身产业发展的瓶颈投。共和党背景下还好，不要脸上发电项目就行，如果民主党，还要考虑清洁能源的问题，这方面不和中国合作，也比较难。 对于我们来说，电力供应新增能力还是OK的，主要是制造业基本触顶，且新能源发展，接近碳排放峰值，所以电力增速带来的冗余正好给了AI的发展空间。从更长维度来看，钍基也会在核聚变之前，给一个内陆电力需求的过度方案。退一万步说，中美都搞不出来核聚变，那么我们的钍基就会是大赢家。所以电力方面我们是有优势的。 聊到这里，我们不难达成一个共识：能源需求方面增长强劲，即使二级市场股价有泡沫，产业本身也会因为旺盛的需求而增长，这个是定性的部分。至于定量的部分，更为直观的是逐季度的财报验证。 当然这里必须提醒一点，由于中国光伏企业的集体短视和互相戕害，甚至一年了一个反内卷平台都推不出来，所以无法给他们任何能源需求的溢价。 理清楚能源的问题后，我们接着来聊算力，角度就会很新颖。 先来一个参数：闲置机房是以最低功率来运行的，而满负荷机房，运行功率能是待机功率的5-10倍。那么举例，A\B\C三家公司同时在一个电网框架下设立了智算机房，那么电力首先是保障三个机房都待机，这是基础消耗。但基础消耗部分的，是哪家有训练需求+推理需求，电力才向哪家流动。也就是说，即使A\B的机房都是泡沫，大部分机架都在待机，也不妨碍C家的训练推理满负荷运行。当然，这种分布不会这么极端，我要表达的意思是【紧张的电力供应，不会流向没有实际需求的机架】。所以算力泡沫化是局部，电力的供应也会倾向最优的模型。这便是算力的马太效应——越优秀的模型，会拥有越来越多的用户和token需求，算力闲置水平越低。市场在这个思路上，给出的答案便是交易【现金流最好（可以持续烧钱）+产品力和体系最完整】的公司。 可能电力这一个角度还不够，需要描述一下整体的需求端。 人类在互联网上的时长其实已经到最长了，不能继续提升了。所以流量的需求从图文上升到了短视频。大模型越来越丰富后，首先单个人的token数在增加。比如以往没有大模型，大家看我这个文章是自己手动看，有了大模型后，会喂给大模型看。大模型回答后，还会接着追问，甚至有一小部分人，还会要求大模型进行十几分钟的深度思考。在这个点点屏幕的过程中，机房里的机架就嗡嗡响开始翻抽屉。单个人的需求是这样的，token上升。要是多个人呢，要是有两千个人并行提出这个需求呢，翻抽屉所需的算力就指数级增长。至今各家大模型都没有披露并行高峰是多少人，从现在的日活来看，国内最好的豆包也只有微信日活的十分之一，如果数量达到这个的三分之一，并行峰值所带来的算力峰值，将海量攀升。这还没有算后续从问答模式到生成模式，以及后面基于生成式的视频动态处理。从这个角度来看，即使训练需求减缓，推理的需求也会持续提升，尤其是应用有进步的时候。 至于说如果进入物理AI阶段，算力需求还会指数级增长。这个我放到后半部分再聊。 股价有没有泡沫，很可能有，但行业一定是朝着有多少算力就有多少智能方向来发展的。 至于说海外算力和国产算力，逻辑其实不冲突。国产现在不管外头放开什么类型的卡，都会要求国产卡比例，直接娃自己抱，打了这么久的毛衣战，不止于这个原则还会动摇。尤其是一些国资的、国资参股的算力建设，对这条落实会更为到位，这些都是可以验证的。从中期来看，更多还是看国产大模型和国产算力的适配。至于海外算力，其核心考量点，也不是中国市场，而是这么循环投资后，估值能否逐季消化。实际上这些都是需要逐步定量的问题。 综上，结论是【电力供应的紧张和用户的选择，会使算力建设向领跑者倾斜】。还有一个待论证的点是【物理AI会带来新的算力需求】这个放在第二部分讨论。 前面两部分相对容易取得共识，模型和应用就比较难了，因为本身迭代比较快，所以很难去判断最终哪一家能确定胜出。这种模型应用的竞争，于域外，基本上是降维打击。尤其对传统的计算机板块，壁垒稍微低一些的，被卷得很厉害。大家会说可以降本，固然可以降本，但如果销售端没有壁垒，大家一起降本，就等于没有降本，销售收入同样下降。总营收下降，从业人员下降，这不就是内卷吗？所以在不少领域，大模型首席展现出来的是价值毁灭。这也不奇怪，生产力发展过程，都是旧的坍塌之后新的才产生价值。 目前大模型的精度还不够，生成一个视频，生成一个图片，用可能有毒可能没有毒的语料完成一个推理，这些都没有问题，用于传媒或者其他容错率比较高的产业问题不大。但是用于高精度需求的，比如说精确的生产环节，还有待于进一步的发展，尤其是物理AI的发展。甚至在代码生成的领域，如果真的要生成一个商业应用级别的产品，实际上也有一堆屎山代码要善后。且模型不同程度都有幻觉。所以大语言模型本身要替代高价质量的劳动，或者说在高价质量的领域产生规模效益还需要时间。唯一现在能看到跑出利润来的是金融领域的量化交易，但这个其实和狭义的大模型关联没有那么紧密。 从模型的角度，下一阶段是物理AI，而物理AI强调感知-推理-执行，要感知就要有端。这也就引出了我们的第四个点——具身和端。 不管是tsl路线、Figure路线还是宇树乐聚路线，机器人都可以粗略分为AI部分和本体部分，前者不用说了，是模型能力的延伸，后面会越来越倚重物理ai的发展。后者目前更多是基于汽车产业的升级迭代。从本体打铁的角度来看，我们的产业链并不差，可能会形成短板的是智能部分。从逻辑链上，限制中国光刻机和高端芯片，就会限制中国AI发展，进而限制中国机器人智能化。这个老美知道我们也知道。现在我们也有一些补短板的措施，比如东部好几个省市都在机器人训练中心，实际上就是人，会采用标准动作的人，戴着眼镜来教机器人怎么做每一个动作。生成这种干净的有效的训练数据，来帮助机器人提升。但是这个数据现在是可以出口的，我个人觉得这种数据不应出口，只有我们国家有人力和物质条件进行这种高质量数据生产，如果竞争对手可以以普通商业数据价格买到这种数据集，那么我们亏大发了，他们也不见得会对我们分享数据。 至于说端，除了机器人还可以有手机、带摄像头的耳机、眼镜、胸针等等等等，还可以是汽车、智能家居，这个方面我们的工业基础和设计能力都是全球顶尖的，有更多的端就会有更多的数据，更多的数据有助于更好的物理模型，更多是看贴合场景的设计和功能落地了，这些放在下一部分继续。 从机器人的角度来看，产业投资目前还没有泡沫，还没有哪家真的拉了一个百万台的产线，且产品也还在迭代中。至于股价，更多是看汽配的部分值多少，机器人部分溢价了多少，是一个计量问题。从工业设计来看，迭代到第四代放量是比较合理的预期。 综上，四个部分，最难取得共识的是模型应用的部分，最容易取得共识的是电力方面，算力要把海外和国产区别开，并且根据模型的发展来双向验证，端发力看场景，机器人本体不难，难的还是智能本身。 篇幅比较长了，所以先拆解完这四个因子，明天有空再聊第二部分。 最近也在做年策略的思考，所以把这些梳理一下，抛砖引玉欢迎这四个因子的从业者做前沿的分享和同步，好问题是答案的一半，大家一起探讨。 就这样，错别字不改了。