長(zhǎng)按即可參與

作者：門捷列夫?qū)W徒

來源：雪球

自DS出現(xiàn)以后，我看網(wǎng)上沒有很好的一篇文章去總結(jié)目前中美ai敘事的差異以及背后的算力需求。簡(jiǎn)單來說：

Ch-i-na Ai敘事：DS開源帶來的LLM平權(quán)以及由此延伸的各種ds蒸餾小模型端側(cè)（包括一體機(jī)）、邊緣側(cè)的ai應(yīng)用落地，大有全面開花之勢(shì)。

Ch-i-na算力：H20和國(guó)產(chǎn)As-ic就行，甚至端側(cè)還有更簡(jiǎn)單的方案。當(dāng)然杰文森悖論還是適用的，大廠加大數(shù)據(jù)中心投入。

北美Ai敘事：繼續(xù)大力出奇跡通往AGI，各種多模態(tài)高階模型推出，萬億參數(shù)大模型繼續(xù)走起。

北美算力：高端NV卡仍然供不應(yīng)求，GP-Us are me-l-t-i-ng。。。

現(xiàn)在的gap在于：顯然北美這條路出成果沒這么快，而國(guó)內(nèi)ai敘事（還有考慮到我們的文化和商業(yè)環(huán)境）出成果很快，畢竟國(guó)人比較務(wù)實(shí)，成本要算得過來，朱xh不是說了嘛，ai會(huì)議紀(jì)要就能一個(gè)月賺幾千萬，這種ai應(yīng)用需要毛線NV Ru-b-in。

所以在這種微妙的北美空檔期，對(duì)NV的質(zhì)疑就比較多了，再疊加DS和Qw-en這種百億參數(shù)LLM模型達(dá)到了和gpt4一樣的效果。。。不得不贊嘆國(guó)人Ai in-f-ra能力。

另外DS的Ai in-f-ra能力可能是一個(gè)變數(shù)

另外還有一些關(guān)鍵問題：那就是隨著DS的出現(xiàn)和國(guó)產(chǎn)芯片的崛起，我們究竟還需不需要高端NV芯片（比如GB300），是不是以后H20和國(guó)產(chǎn)芯片就夠用了？DS究竟改變了算力什么又沒有改變什么。以及像zj、ali這種只能大規(guī)模部署H20的將來和北美csp大規(guī)模部署GB300和A100的究竟有什么差距？

先說結(jié)論：1、如果ai應(yīng)用只是LLM ch-a-t-b-ot（比如De-e-p-s-e-ek）這種形式。或，2、幾乎所有的端側(cè)ai推理（自動(dòng)駕駛除外）。那么無論是H20或910c其實(shí)真的夠用了，甚至一些異構(gòu)芯片比如fp-ga+ri-sc-v都能跑一些簡(jiǎn)單的例如ai端側(cè)（包含一體機(jī)）的推理。這也是為什么前段時(shí)間有聲音說中國(guó)的ai敘事和北美不一樣，或我們?cè)跊]有高端芯片的前提下依然實(shí)現(xiàn)了ai大規(guī)模應(yīng)用。這也是投資人在詬病NV股價(jià)預(yù)期的一個(gè)關(guān)鍵背景。

那么什么情況下H20和910c不太行呢？

1、像GPT-4o這種文生圖以及大部分多模態(tài)應(yīng)用。尤其是4o這種需要高并發(fā)并實(shí)時(shí)生成的應(yīng)用，用H20卡不說（需要3-5秒而H100只需要1秒），且需要高顯存+大寬帶，這時(shí)候就得用GB300這種芯片來跑。

所以各位小伙伴期待的國(guó)內(nèi)版文生圖可能就要等等了，哪怕推出了估計(jì)也會(huì)卡得要死。主要是還是卡不行。

其實(shí)你看tx的微信就是聊天，所以llm對(duì)于他們暫時(shí)就夠用。而zj因?yàn)槭且曨l起家，肯定對(duì)于高端卡的需求是更大的。前面沒說的是Ai視頻生成更需要500+tf-l-o-ps和48G顯存，更需要NV的高端卡。

這也是為什么我們直到現(xiàn)在都沒看到國(guó)內(nèi)的csp推出多模態(tài)的Ai應(yīng)用。

有一個(gè)變數(shù)是DS的Ai in-f-ra的能力，如果V4是多模態(tài)而又不耗卡（很難想象是否能做到），這也是對(duì)NV的致命一擊。

2、千億乃至萬億參數(shù)大模型的訓(xùn)練（比如GPT5）。這個(gè)很好理解了，for AGI需要繼續(xù)加大算力投入，NV高階芯片主要是互聯(lián)厲害，非常有利于訓(xùn)練百萬卡集群的大模型。

3、Ai for Sc-i-e-n-ce。比如Ai醫(yī)療生物科技里面我非常看好的Al-p-h-a-F-o-ld3，可以預(yù)測(cè)大分子相互作用的Ai算法對(duì)于創(chuàng)新藥研發(fā)和合成生物學(xué)的選品可能是革命性的影響（順便吐槽一下晶泰這種小分子還屬于上一代ai敘事幾乎沒法用于實(shí)戰(zhàn)）。另外一些手術(shù)機(jī)器人或者多模態(tài)的Ai診斷因?yàn)槠涞脱訒r(shí)的需求（畢竟做手術(shù)嘛，1秒都寶貴）。

4、高階Ag-e-nt應(yīng)用。主打一個(gè)高并發(fā)（例如Ai游戲可能1秒鐘內(nèi)有數(shù)百萬個(gè)Ai NPC交互）、超長(zhǎng)上下文記憶（例如Ai醫(yī)療診斷，法律判決、超復(fù)雜辦公場(chǎng)景解決輸出，ai可能一下子需要記住數(shù)萬個(gè)to-k-en）、多模態(tài)（比如有視頻介入的ag-e-nt）。反之就是一些簡(jiǎn)單的ag-e-nt，比如朱xh舉例的會(huì)議紀(jì)要ag-e-nt、簡(jiǎn)單的做題ag-e-nt等等，用國(guó)產(chǎn)芯片足矣。

所以總結(jié)一下：當(dāng)出現(xiàn)高并發(fā)、多模態(tài)、超低延時(shí)需求的場(chǎng)景的時(shí)候，NV的高端卡是很吃香的，尤其是多模態(tài)，單次交互可能就需要500 TF-l-o-ps（H20也就750 TF-L-o-ps，可能一次就用光了。。。）

可以看到1、2、3、4也就1剛剛有些苗頭，234出成果都沒那么快。如果只是基于ch-a-t-b-ot這種llm模型那無疑是DS（還有我們特色的Ai）就完勝了：成本比你低、落地比你快、賺錢比你有路子，比如tx的元寶一接入DS就有2000萬DAU日活，這就使得無論是投資人甚至是北美csp自己都在懷疑自己的路線是否值得（太正常了，都是人嘛），所以最近北美算力鬼故事很多，而國(guó)產(chǎn)算力一開始就是瞄著落地去的，所以ca-p-ex反而更扎實(shí)。

但一旦上面的1234有了突破，我相信情況馬上就會(huì)反轉(zhuǎn)，這也是為什么像國(guó)內(nèi)csp大廠一直不敢大規(guī)模部署國(guó)產(chǎn)算力而要搶NV卡的原因（這跟三大運(yùn)營(yíng)商不一樣，運(yùn)營(yíng)商幾乎都配國(guó)產(chǎn)），我們假設(shè)GPT-4o文生圖是一個(gè)巨大的賺錢利器，很難想象國(guó)內(nèi)不去fo-l-l-ow還停留在ch-a-t-b-ot模式，而這必然會(huì)帶來高階NV卡的供不應(yīng)求而動(dòng)搖國(guó)內(nèi)各種端側(cè)的ds敘事。此外再次強(qiáng)調(diào)DS V4可能的Ai in-f-ra能力看看能否繼續(xù)撼動(dòng)NV卡的邏輯，這確實(shí)是一個(gè)很大的變數(shù)。

雪球三分法是雪球基于“長(zhǎng)期投資+資產(chǎn)配置”推出的基金配置理念，通過資產(chǎn)分散、市場(chǎng)分散、時(shí)機(jī)分散這三大分散進(jìn)行基金長(zhǎng)期投資，從而實(shí)現(xiàn)投資收益來源多元化和風(fēng)險(xiǎn)分散化。