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
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。