在给定两个端点和特定时间段内的复合年增长率时,预测中间各时间点的具体情况并不如表面看起来那么简单。这正是复合年增长率(CAGR)的局限性所在。
数学上,连接两个端点的曲线有无数种可能性,但在实际计算引擎、服务器或资金统计的物理世界中,两个端点之间数值的概率分布相对有限。例如,收入通常不会在五年内先增长10倍然后再回落。
过去几年,我们一直在与AMD首席执行官苏姿丰就数据中心AI计算引擎收入预测进行深入交流。她不断修正和完善AMD对未来几年的市场预期。与英伟达不公开此类预测不同,AMD至少告诉了我们它对2023年至2028年AI计算引擎市场的看法。
让我们回顾一下苏姿丰自2023年6月首次提及这一话题以来的市场预测变化。
在2023年6月的数据中心和AI技术发布会上,苏姿丰做出了首次预测:数据中心AI加速器市场将从2023年的300亿美元增长到2027年的超过1500亿美元,复合年增长率超过50%。这个预测涵盖了GPU、FPGA等加速器产品。
仅仅六个月后,随着生成式AI热潮的兴起,预测发生了显著变化。2023年底,苏姿丰将2023年的市场规模预测上调至450亿美元,2027年预测上调至超过4000亿美元,复合年增长率超过70%。
到2024年10月,预测再次调整:2023年AI加速器销售额确实达到450亿美元,但2028年的预测调整为超过5000亿美元,复合年增长率回调至60%以上。
在最近的Advancing AI活动中,苏姿丰提供了更详细的市场细分数据,将AI训练和AI推理市场分开预测。她特别强调,AI推理将成为未来的主要驱动力,预计年增长率超过80%,2026年推理加速器支出将超过训练加速器支出。
根据新数据,2028年AI加速器市场规模接近6000亿美元,2023年至2028年的复合年增长率为67.5%。
将这些数字放在更大的背景下考虑:如果按照2.1倍的系统倍数计算AI训练系统,1.8倍计算AI推理系统,那么2025年1800亿美元的AI加速器销售将带动3510亿美元的AI系统销售。
这与Gartner预测的2025年数据中心系统总支出4055亿美元形成了有趣的对比。要么AMD的预测过于乐观,要么市场研究机构低估了AI投资的规模。
对于AMD的市场份额前景,假设采用相对保守的预测:2025年AMD可能获得61亿美元的收入,对应1800亿美元的市场机会。如果AMD能够在未来几年逐步提升市场份额——2026年达到7.5%,2027年达到10%,2028年达到15%——那么到2028年,AMD的数据中心GPU销售额可能接近900亿美元。
这将是AMD 2024年整个公司规模的近四倍。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。