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
NVIDIA团队开发的SANA-Sprint技术实现了AI图像生成的重大突破,将传统需要20步的生成过程压缩至1步,在H100上仅需0.1秒即可生成1024×1024高清图像,速度比现有最快模型提升10倍以上。该技术通过创新的混合蒸馏策略,在大幅提升速度的同时保持了图像质量,并支持实时交互应用,为AI绘画从专业工具向大众应用的转变奠定了基础。
初创公司Positron获得5160万美元A轮融资,推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍,并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计,无需液体冷却,可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯,解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集,设计了双模块协作的AI架构,让机器学会像人类一样通过标记重点区域来保持专注力,为更自然的人机视觉交流奠定了基础。