17 قضاوت سرمایه‌گذار درباره تجسم، مدل‌ها و قدرت محاسباتی

نویسنده: شیاویان، فناوری تنسنت

ویرایشگر: شو کینگ یانگ

در سال‌های اخیر، داغ‌ترین کلمات کلیدی در دایره سرمایه‌گذاری فناوری چین حول محور هوش مصنوعی، رباتیک و هوش تجسمی می‌چرخند.

در عرصه مدل‌های بزرگ، ژیوی یکی از اولین شرکت‌هایی است که در زمینه "نسخه چینی OpenAI" مورد بحث قرار گرفته است. جی‌یو شینگچن و فناوری شنگشو نیز در مرکز جهت‌گیری‌های محبوبی مانند مدل‌های بنیادی و تولید ویدیو قرار دارند. در بخش رباتیک، اوب‌تک به بازار سرمایه وارد شده است، در حالی که شرکت‌هایی مانند گالکسی یونیورسال رباتیک، یینشی رباتیک و تاشیزی هانگ نماینده کاوش‌های مختلفی از رباتیک از بدن، مدل‌ها تا پیاده‌سازی صحنه هستند.

در پشت این شرکت‌های ستاره‌ای یک نهاد سرمایه‌گذاری مشترک وجود دارد—شرکت سرمایه‌گذاری کیمینگ. این شرکت در سال 2006 تأسیس شد و 11 صندوق دلار آمریکا و 7 صندوق RMB را مدیریت می‌کند، با مجموع دارایی‌های تحت مدیریت به مبلغ 9.5 میلیارد دلار.

پس از سرمایه‌گذاری‌های متعدد در امواج فناوری، روش‌شناسی شرکت سرمایه‌گذاری کیمینگ چیست؟

به تازگی، شریک مدیریتی کیمینگ، ژو ژیفنگ، بینش‌هایی درباره روش‌شناسی سرمایه‌گذاری کیمینگ به اشتراک گذاشت و روندهای توسعه زیرین در زمینه‌های پیشرفته مانند مدل‌های بزرگ، هوش تجسمی و چیپ‌های محاسباتی را مورد بحث قرار داد و استانداردهای اصلی که تفاوت بین هیاهوی مفهومی و پیاده‌سازی واقعی صنعت را مشخص می‌کند، تجزیه و تحلیل کرد.

به عنوان یک سرمایه‌گذار، ژو ژیفنگ یک تجربه عمیق واقعی از هوش مصنوعی دارد. در طول بحث‌ها، او اغلب از دیدگاه‌های روزمره نزدیک می‌شود و تصویری واقعی از عصر پیاده‌سازی فناوری هوش مصنوعی ترسیم می‌کند. او اشاره کرد که بزرگ‌ترهایش در خانه به راحتی از پلتفرم‌های ویدیوهای کوتاه استفاده می‌کنند و می‌توانند به راحتی از هوش مصنوعی برای جستجوی اطلاعات روزمره استفاده کنند؛ در محیط کار خود نیز، هوش مصنوعی به شدت ادغام شده است، زیرا او به ابزارهای هوش مصنوعی برای تجزیه و تحلیل داده‌ها و سازماندهی مواد وابسته است و حتی با یک برنامه فشرده، همچنان به محتوای تکراری ویدیوهای کوتاه تولید شده توسط هوش مصنوعی توجه می‌کند.

این تکه‌های پراکنده و واقعی به طور شهودی یک روند اصلی را تأیید می‌کنند: هوش مصنوعی دیگر فقط یک مفهوم حرفه‌ای نیست که به نظریه‌های آزمایشگاهی یا مقالات علمی محدود شود، و نه تنها یک داستان سرمایه‌ای است که در بیانیه‌های مالی در بازار اولیه باقی مانده است، بلکه واقعاً به ترمینال‌های موبایل مردم عادی نفوذ کرده است و از فناوری پیشرفته به یک ابزار روزمره برای همه تبدیل شده است.

مسئولیت سرمایه‌گذار شناسایی این است که کدام جهت‌های فناوری، اشکال محصول و شرکت‌ها بیشتر احتمال دارد این تغییرات را قبل از وقوع در مقیاس بزرگ به واقعیت تبدیل کنند.

ژو ژیفنگ این تفکر را به عنوان سرمایه‌گذاری "نیم قدم جلوتر" خلاصه می‌کند—نه لزوماً اولین، و نه منتظر اجماع بازار برای ورود، بلکه پس از شکستن فناوری و قبل از نقطه انفجار تجاری وارد می‌شود.

ژو ژیفنگ، شریک مدیریتی شرکت سرمایه‌گذاری کیمینگ

با گرفتن ژیوی به عنوان مثال، در ماه مه 2020، انتشار GPT-3 باعث شد شرکت سرمایه‌گذاری کیمینگ متوجه شود که قانون مقیاس در حال اعتبارسنجی است و مدل‌های بزرگ از یک گره فناوری مهم عبور کرده‌اند. بر اساس این قضاوت، کیمینگ در دسامبر 2021 در ژیوی سرمایه‌گذاری کرد. در آن زمان، ChatGPT هنوز منتشر نشده بود و "All in AI" هنوز یک شعار جمعی در دایره سرمایه‌گذاری نبود. تا نوامبر 2022 بود که ChatGPT به صحنه آمد و هوش مصنوعی تولیدی واقعاً در برابر عموم و بازار سرمایه‌گذاری قرار گرفت.

پس، فرصت "نیم قدم" بعدی در جهت‌های داغ هوش مصنوعی، رباتیک، قدرت محاسباتی و چیپ‌ها کجا خواهد بود؟ در طول بحث‌های حضوری، ژو ژیفنگ پاسخ مستقیمی نداد، بلکه تغییرات در این مسیرها را تجزیه و تحلیل کرد.

در مواجهه با این مسیرهای داغ و ورود پول داغ، ژو ژیفنگ معتقد است که هر چه به چشم طوفان نزدیک‌تر شوید، باید به سوال بنیادی‌ترین برگردید: آیا ارزش واقعی ایجاد می‌شود و آیا می‌تواند تأیید منطق تجاری را تحمل کند؟ او بارها اشاره کرد که بازار احتمالاً وارد یک مرحله "پول را به من نشان بده" خواهد شد. هر چه چیز جدیدتر باشد، باید بیشتر مراقب شکاف بین توجه کوتاه‌مدت و ارزش بلندمدت بود؛ هر چه بازار پر سر و صدا‌تر باشد، شرکت‌ها باید ثابت کنند که می‌توانند فناوری را به درآمد و تخیل را به واقعیت تبدیل کنند.

در مرحله بعد، برای کارایی خواندن، فناوری تنسنت قضاوت‌های اصلی ژو ژیفنگ را در یک روایت اول شخص سازماندهی کرده است.

01 "هوش تجسمی زمینه‌ای است که بیشترین سلول‌های مغزی من را می‌کشد، بدون استثنا"

1. پس از ارتباط با بسیاری از شرکت‌های هوش تجسمی، من عمدتاً سه احساس دارم.

نخست، هم بازار اولیه و هم بازار ثانویه به شدت نسبت به این مسیر خوشبین هستند. دلیل اصلی این است که این ممکن است اولین صنعتی در تاریخ باشد که "مقیاس حمل و نقل گوشی‌های هوشمند" و "قیمت واحد خودروهای مسافری" را ترکیب می‌کند. اگر این صنعت به بلوغ برسد، سالانه 1 میلیارد واحد حمل و نقل خواهد داشت، با قیمت متوسط حدود 30,000 دلار، معادل 200,000 RMB. این یک مسیر برتر در تاریخ توسعه تجاری بشر در دو تا سه قرن گذشته است، بدون استثنا.

دوم، همه اکنون برای IPOها رقابت می‌کنند و اساساً در حال رقابت برای سودهای کمیاب هستند. خود بازار ثانویه این ویژگی را دارد: وقتی اولین یا دومین شرکت در یک مسیر بزرگ عمومی می‌شود، به دلیل کمیابی اهداف، می‌توانند از سودهای فوق‌العاده سرمایه‌ای بهره‌مند شوند، که به طور شهودی در قیمت‌های سهام و ارزش‌های بازار که فراتر از منطق معمول افزایش می‌یابند، منعکس می‌شود، بنابراین همه می‌خواهند اولین کسی باشند که عمومی می‌شود.

سوم، بسیاری از شرکت‌ها به طور فزاینده‌ای دشوار است که تمایز قائل شوند. ما نظارت کرده‌ایم که بیش از 370 شرکت مرتبط با هوش تجسمی در چین وجود دارد و ما به طور کلی هر هفته دو یا سه پروژه جدید دریافت می‌کنیم. پس‌زمینه‌های تیم، مسیرهای فنی و سناریوهای پیاده‌سازی آن‌ها به طور فزاینده‌ای مشابه می‌شوند: آن‌ها عمدتاً استادان، نبوغ‌های کوچک، مدیران از غول‌های رانندگی خودکار یا زمینه‌های مدل‌های هوش مصنوعی هستند؛ همه درباره VLA و مدل‌های جهانی صحبت می‌کنند؛ و پیاده‌سازی‌های آن‌ها عمدتاً حول تولید صنعتی، لجستیک و خدمات تجاری می‌چرخد، با ظهور اخیر سناریوهای ربات‌های بیونیک. اما مشکل این است که در حال حاضر هیچ استاندارد عینی برای ارزیابی سطوح فنی یا قابلیت‌های مدل وجود ندارد که بتواند به طور واقعی تعیین کند که چه کسی فناوری و قابلیت‌های پیاده‌سازی قوی‌تری دارد.

بنابراین، پس از اینکه اولین یا دومین شرکت عمومی می‌شود، ممکن است به دلیل کمیابی به ارزش بازار بالایی برسد. با این حال، شش ماه تا یک سال بعد، بازار احتمالاً وارد یک مرحله "پول را به من نشان بده" خواهد شد و تنها بر این تمرکز خواهد کرد که آیا می‌تواند پیاده‌سازی شود و آیا می‌تواند به درآمد فروش و حاشیه سود تبدیل شود.

اگر تا پایان امسال یا میانه سال آینده، پیاده‌سازی به انتظارات نرسد، حتی اگر به طور موفقیت‌آمیز عمومی شود، ارزش بازار ممکن است به چند صد میلیارد کاهش یابد و بازارهای اولیه و ثانویه نیز دچار وارونگی ارزش خواهند شد. حمایت ارزش‌گذاری اصلی در بازار اولیه حفظ نخواهد شد و دشواری تأمین مالی‌های بعدی برای شرکت‌ها به طور قابل توجهی افزایش خواهد یافت.

کلید هنوز فناوری است. اگر در مسیر رباتیک هیچ پیشرفت کلیدی وجود نداشته باشد، به ویژه اگر مسیر فنی نتواند همگرا شود، صنعت در پیاده‌سازی در مقیاس بزرگ با مشکل مواجه خواهد شد. در حال حاضر، بسیاری از شرکت‌های کاوشگر رباتیک هنوز از مدل‌های سناریویی اختصاصی استفاده می‌کنند، نه مدل‌های عمومی که به شدت تبلیغ شده‌اند. اگر همگرایی فنی حاصل نشود، سناریوهای پیاده‌سازی در مقیاس بزرگ نمی‌توانند باز شوند و در نهایت تنها می‌توانند برخی پروژه‌های نمایشی اختیاری انجام دهند و دستیابی به مقیاس تجاری دشوار خواهد بود.

بنابراین، آنچه که من اکنون می‌توانم انجام دهم این است که به طور مداوم و فعال به همه پروژه‌های جدیدی که به وجود می‌آیند نگاه کنم و اطمینان حاصل کنم که جمع‌آوری اطلاعات جامع و پیگیری مداوم چشم‌انداز صنعت انجام می‌شود.

در حال حاضر، بازار اولیه هنوز به شدت در حال جمع‌آوری سرمایه است و شرکت‌هایی با مقیاس‌های نسبتاً پایدار به شدت در حال آماده‌سازی برای IPOها هستند. اما در نهایت، صرف‌نظر از اینکه آیا عمومی می‌شوند یا نه، بازار هنوز به تجاری‌سازی نگاه می‌کند. اگر صنعت نتواند نتایج واقعی پیاده‌سازی تولید کند، بازار احتمالاً با یک تنظیم عمیق مواجه خواهد شد.

2. من هرگز باور نداشتم که مدل‌های جهانی یک مسیر کاملاً جدید هستند؛ احتمال ادغام VLA و مدل‌های جهانی در آینده بیش از 50٪ است.

این بیشتر شبیه یک مسیر فنی است که به یک مفهوم محبوب در بازار اولیه تبدیل شده است. به تازگی، حدود 30 استارتاپ جدید در مدل‌های جهانی ظهور کرده‌اند و در مقایسه با شرکت‌های قبلی با مسیرهای فنی VLA، هیچ تفاوت اساسی در پیاده‌سازی تجاری وجود ندارد.

3. در حال حاضر، هوش تجسمی فاقد استانداردهای ارزیابی عینی است.

مدل‌های زبانی دارای بسیاری از معیارها هستند، اما هوش تجسمی با نیروی کار دنیای فیزیکی مواجه است که ارزیابی را بسیار دشوار می‌کند. در حال حاضر، حدود سه تا پنج معیار هوش تجسمی در بازار جهانی وجود دارد، اما این فهرست‌ها اخیراً با شک و تردید زیادی مواجه شده‌اند. برخی از شرکت‌ها با بازی کردن در رتبه‌بندی‌ها، ارزش‌های بالایی را به دست می‌آورند که افراد درون صنعت می‌توانند به راحتی آن‌ها را بی‌معنی ببینند.

قبل از همگرایی استانداردها، ما در حال حاضر بیشتر بر روی منطق از پایین به بالا تمرکز می‌کنیم: اول، آیا الگوریتم و معماری مدل با استنتاج‌های ما همخوانی دارد؛ دوم، آیا تیم تجربه مهندسی غنی دارد؛ سوم، استراتژی داده. داده ممکن است مهم‌ترین متغیر در پیشرفت باشد. مدل‌های زبانی با 10 میلیارد توکن به قانون مقیاس دست یافتند؛ مدل‌های ویدیویی با ده‌ها میلیون کلیپ به آن دست یافتند. در حال حاضر، بهترین شرکت‌های مدل تجسمی در چین و ایالات متحده تنها حدود صدها هزار ساعت داده دارند که یک مرتبه از مقیاس کافی فاصله دارد. با این حال، احتمالاً شرکت‌های پیشرو هوش تجسمی در چین و ایالات متحده امسال به این مقیاس داده خواهند رسید، بنابراین ممکن است پیشرفت‌هایی رخ دهد.

به محض اینکه پیشرفت‌های فناوری اتفاق بیفتد، ارزیابی ساده‌تر خواهد شد. به عنوان مثال، در یک سناریوی صنعتی، اگر یک کارخانه بزرگ 25 فرآیند داشته باشد، بدون هیچ آموزشی پس از آموزش یا تنها با آموزش بسیار ساده، می‌توانیم به نرخ موفقیت ربات‌ها در انجام این وظایف نگاه کنیم. اگر نرخ موفقیت بیش از 50٪ باشد، کارخانه بزرگ واقعاً حاضر به خرید ربات‌ها خواهد بود؛ اگر تنها 5٪ باشد، این نشان می‌دهد که هنوز قابل اجرا نیست.

4. داده یک گلوگاه فنی است که مدل‌های تجسمی باید بر آن غلبه کنند، اما ممکن است در سال یا دو سال آینده به سرعت تغییر کند.

برای ایجاد مدل‌های تجسمی، ممکن است به 1 تا 2 میلیون ساعت داده آموزشی نیاز باشد و در این مرحله، کمیت داده‌ها مهم‌تر از کیفیت نقاط داده فردی است. در مورد طرح‌های مختلف جفت‌سازی داده، اصطلاح حرفه‌ای صنعت استراتژی داده است و این حوزه در ماه‌های اخیر به توافقی رسیده است. قبلاً، صنعت به چندین مسیر داده تقسیم شده بود، مانند داده‌هایی که توسط ماشین‌های واقعی خود توسعه‌یافته تسلا جمع‌آوری شده است که بالاترین اصالت را دارد و یادگیری و سازگاری مدل‌ها را آسان‌تر می‌کند. وقتی مدل‌ها برای اجرا به سخت‌افزار منتقل می‌شوند، تطابق با داده‌های آموزشی کاملاً سازگار است.

با این حال، آستانه جمع‌آوری این نوع داده‌های ماشین واقعی بسیار بالا است. حتی شرکت‌های پیشرو مانند تسلا نیز در پیشرفت با چالش‌هایی مواجه هستند و تولید سالانه بسیار محدودی دارند؛ این نیاز به استقرار 1,000 ربات دارد، با پرسنل اختصاصی، و هر دستگاه تنها می‌تواند به طور مؤثر داده‌ها را برای یک یا دو ساعت در روز جمع‌آوری کند که بسیار ناکارآمد است. ممکن است ده سال طول بکشد تا 1 میلیون ساعت داده جمع‌آوری شود و اگر تسلا با مشکل مواجه است، سایر شرکت‌ها با مشکل بیشتری مواجه خواهند شد. این نوع داده‌ها از کیفیت بالایی برخوردار است اما در کل کمیاب است. قبلاً، گوگل و OpenAI تمایل داشتند از داده‌های ویدیویی استفاده کنند؛ خود گوگل در مدل‌های ویدیویی تخصص عمیقی دارد، اما مقادیر زیادی از داده‌های ویدیویی عمومی از سناریوهای رباتیک عملی جدا شده‌اند. به عنوان مثال، ویدیوهای صحنه‌های اتاق کنفرانس به احتمال زیاد نمی‌توانند مهارت‌های عملی را به ربات‌ها آموزش دهند و در عوض مقدار زیادی داده‌های نویز با کیفیت پایین را به مدل‌ها وارد می‌کنند.

بین این دو افراط، داده‌های UMI است که در سال گذشته ظهور کرده است، جایی که عملیات کارگران در سناریوهای عملی واقعی با استفاده از دستگاه‌های پوشیدنی ضبط می‌شود و تطابق با نیازهای آموزش مدل را آسان‌تر می‌کند. در حال حاضر، شرکت‌های پیشرو در چین و ایالات متحده برنامه‌ریزی می‌کنند که در سال جاری مجموعاً 1 میلیون ساعت داده آموزشی تأمین کنند، که داده‌های ماشین واقعی تنها 1٪ تا 3٪، داده‌های UMI حدود 70٪ و داده‌های ویدیویی حدود 20٪ را تشکیل می‌دهد. نوا ییتنگ کسب‌وکار ضبط حرکت خود را جدا کرده تا به طور مستقل توسعه یابد و فناوری ضبط حرکت می‌تواند داده‌های UMI و جمع‌آوری داده‌های ماشین واقعی را بهینه‌سازی کند و اکنون قادر به تأمین داده‌های آموزشی مختلف در تمام دسته‌ها است.

علاوه بر مقیاس، داده‌های لمسی نیز مهم خواهند شد. به عنوان مثال، وقتی یک ربات مایعی به ظاهر عادی اما در واقع سنگین را برمی‌دارد، انسان‌ها بلافاصله تغییر وزن را درک کرده و دست خود را تنظیم می‌کنند؛ با این حال، داده‌های ماشین واقعی، داده‌های بافت و داده‌های ویدیویی عمدتاً فاقد این اطلاعات لمسی هستند.

بنابراین، اکنون تعدادی از شرکت‌ها در تلاشند تا راه‌حل‌های پارچه لمسی ایجاد کنند تا ماشین‌هایی با درک لمسی توسعه دهند و داده‌های لمسی جمع‌آوری کنند. این جهت برای سرمایه‌گذاری داغ است، اما در حال حاضر هیچ شرکتی در جهان وجود ندارد که فناوری آن به بلوغ کامل رسیده باشد.

5. از نظر مدل‌های هوش تجسمی، مزایای چین عمدتاً در سه حوزه قرار دارد: داده، سناریوهای پیاده‌سازی و پشتیبانی سخت‌افزاری.

در حال حاضر، دشوار است که تفاوت‌های فنی بین مدل‌ها در چین و ایالات متحده را کمی‌سازی کنیم زیرا شکاف اساساً در قدرت محاسباتی نهفته است. فناوری هنوز به طور کامل همگرا نشده است و کاوش و تحقیق فناوری به ویژه شبیه به قایقرانی در دریاهای تاریک در شب برای جستجوی جزیره گنج است.

ایالات متحده محدودیت‌های قدرت محاسباتی ندارد و شرکت‌های پیشرو می‌توانند هر شب 30 کشتی را به طور همزمان ارسال کنند. هر دور بازخورد اکتشاف برای یافتن جهت بسیار حیاتی است و هر تیم در مورد مسیرهای خود گزارش می‌دهد. به عنوان مثال، اگر امروز 5 مایل دریایی را در زاویه 30 درجه بدون یافتن هدف بگذرانند، نیازی به تکرار آن مسیر در آینده نخواهد بود.

چین در حال حاضر به دلیل محدودیت‌های چیپ، تنها می‌تواند یک کشتی را در هر شب مستقر کند که یک شکاف اصلی را برجسته می‌کند. مسیر کلی مدل‌های زبانی بزرگ قبلاً روشن است، بنابراین شکاف درک شده به نظر نمی‌رسد که قابل توجه باشد. با این حال، اگر صنعت تجربه جهش فناوری بعدی را داشته باشد، به طور آماری، اکتشاف 30 مسیر به طور همزمان در مقایسه با تنها یک مسیر به طور قابل توجهی احتمال دستیابی ایالات متحده به یک پیشرفت فناوری را افزایش می‌دهد. در حالی که تفاوت‌های فعلی مدل‌ها کوچک به نظر می‌رسد، شکاف کلی بلندمدت قابل چشم‌پوشی نیست.

با این حال، چین در داده، سناریوهای کاربرد صنعتی و پشتیبانی سخت‌افزاری مزایای روشنی دارد.

چندین شرکت پیشرو در ایالات متحده در حال تأمین داده از شرکت‌های چینی هستند که نشان‌دهنده این است که ذخایر داده‌های خودشان کافی نیست.

دوم، از نظر سناریوهای کاربرد صنعتی، چین دارای شرکت‌های تولیدی عظیمی مانند CATL و BYD است که کارخانه‌های فیزیکی کافی برای تحقیق و توسعه مشترک دارند.

سوم، در مورد پشتیبانی سخت‌افزاری، ربات‌های انسان‌نما از حدود 1,200 قطعه تشکیل شده‌اند که بیش از 90٪ زنجیره تأمین در دلتاهای رودخانه یانگ‌تسه و مروارید چین متمرکز است. شرکت‌های چینی می‌توانند به سرعت هم بدنه و هم مدل را تکرار کنند. به محض اینکه عدم تطابق بین الگوریتم مدل و اجرای سخت‌افزاری شناسایی شود، تأمین‌کنندگان می‌توانند در عرض دو هفته تنظیم و بهینه‌سازی شوند.

به طور خلاصه، چین در سخت‌افزار و داده مزایای قابل توجهی دارد، در حالی که ایالات متحده در توسعه مدل قوی است، اما شکاف بین این دو چندان وسیع نیست.

در مورد بحث درباره اینکه آیا ربات‌های انسان‌نما برای "نمایش" یا "استفاده عملی" هستند، بسیاری از بحث‌ها نتوانسته‌اند مفاهیم را روشن کنند.

الگوریتم‌های مرتبط با هوش تجسمی به طور کلی می‌توانند به سه جهت اصلی تقسیم شوند: دستکاری، ناوبری و حرکت.

نخست، دستکاری شامل کنترل وظایف فیزیکی است و هم هوش تجسمی و هم مدل‌های جهانی در این جهت قرار می‌گیرند. در حال حاضر، صنعت هنوز یک مسیر واحد و بالغ تشکیل نداده است. دوم، فناوری ناوبری به بلوغ رسیده و در رانندگی خودکار به کار رفته است. سوم، حرکت به عملکردهایی مانند دویدن و هنرهای رزمی اشاره دارد که بیشتر به نمایش مربوط می‌شود.

هر سه به حوزه الگوریتم‌های هوش مصنوعی رباتیک تعلق دارند، اما هسته‌ای که تعیین می‌کند آیا ربات‌ها می‌توانند ارزش تجاری بزرگ‌مقیاس ایجاد کنند، هنوز فناوری کنترل است. حرکت به طور بالغ‌تری توسعه یافته است، با یوشون که در این زمینه پیشرو جهانی است و UBTECH نیز پایه محکمی دارد. بنابراین، طبیعی است که مردم فکر کنند که آن‌ها فقط در حال نمایش توانایی‌های خود هستند، زیرا این واقعاً نقطه قوت آن‌هاست. به تازگی، بیش از 360 شرکت رباتیک جدید تأسیس شده‌اند که همه بر روی کنترل تمرکز دارند؛ یوشون و UBTECH تأمین مالی خوبی دارند و تیم‌های تحقیق و توسعه مرتبط را ساخته‌اند، بنابراین توانایی‌های آن‌ها در این زمینه نیز قوی است.

نگاه کردن صرف به سناریوهای کنترل عملکرد، سقف بازار جهانی تنها حدود 1 میلیارد دلار است. در مقابل، مقیاس جهانی سناریوهای کاربرد رباتیک مرتبط با تولید صنعتی بسیار بزرگ‌تر است و این دو در یک سطح نیستند. به طور ساده، فناوری کنترل زودتر به بلوغ رسید؛ در گذشته، ربات‌ها تنها می‌توانستند عملکردهایی مانند رقصیدن و نمایش را انجام دهند. تا امسال یا سال آینده، فناوری‌های مرتبط با کنترل همگرا خواهند شد و به ربات‌ها اجازه می‌دهد تا در سناریوهای واقعی بزرگ‌مقیاس به زمین بنشینند.

02 "دو تغییر در زمینه هوش مصنوعی فراتر از انتظارات، یک تغییر کمتر از انتظارات"

در سال یا دو سال آینده، ارزش‌گذاری شرکت‌های هوش مصنوعی در نهایت به توانایی‌های درآمد و تحویل بازخواهد گشت. شرکت‌های نرم‌افزاری سنتی ممکن است نسبت قیمت به فروش (P/S) 5-15 برابر داشته باشند، در حالی که آن‌هایی که در بخش‌های داغ با فناوری‌های پیشرو هستند می‌توانند به 20 تا 100 برابر برسند. برای شرکت‌هایی مانند ژیپو، اینکه آیا می‌توانند ارزش‌گذاری خود را حفظ کنند بستگی به این دارد که آیا می‌توانند رشد درآمد قابل توجهی را به دست آورند. اگر آن‌ها بتوانند به مقیاس درآمد 10 میلیارد برسند، نسبت 100 برابر P/S به ارزش بازار 1 تریلیون خواهد رسید؛ با این حال، اگر درآمد تنها 1.5 میلیارد باشد، ارزش‌گذاری بازار با اصلاح مواجه خواهد شد و همین منطق برای بخش رباتیک نیز صدق می‌کند.

ARR (درآمد سالانه تکراری) یک شرکت نمایانگر پتانسیل رشد آن است، در حالی که درآمد شناخته‌شده منعکس‌کننده جریان نقدی است. صنعت رباتیک نیز متفاوت نیست؛ در نهایت، هنوز به درآمد کلی بستگی دارد و این شاخص‌های مالی عادلانه‌ترین معیار هستند.

بنابراین، مهم‌ترین چیزها برای شرکت‌های هوش مصنوعی دو مورد است: آیا قابلیت‌های مدل می‌توانند بهبود یابند و آیا استفاده واقعی و درآمدی از طرف مشتریان تولید می‌شود. این دو عامل تعیین می‌کنند که آیا یک شرکت ارزش بلندمدت دارد.

در سال گذشته، دو تغییر در زمینه هوش مصنوعی وجود داشته است که فراتر از انتظارات بوده‌اند، در حالی که یک تغییر کمتر از انتظارات بوده است.

اولین تغییر فراتر از انتظارات، قدرت محاسباتی هوش مصنوعی است. قدرت محاسباتی کل و سرعت انتقال از آموزش به استنتاج، همچنین تغییر در پارادایم‌های محاسباتی یا پارادایم‌های تقاضا، همه فراتر از انتظارات بوده‌اند. به عنوان مثال، یک شرکت بزرگ فناوری داخلی بودجه قدرت محاسباتی حدود 50 میلیارد یوان در سال گذشته داشت و بودجه امسال بیش از شش برابر سال گذشته است.

بنابراین، چه ظهور تعداد زیادی از شرکت‌های جدید نسل هوش مصنوعی در بازار اولیه و چه حدس و گمان در بازار ثانویه در اطراف حافظه HBM و بخش‌های ارتباطات نوری، روندهای داغ مختلف در صنعت اساساً توسط تقاضای عظیم قدرت محاسباتی هدایت می‌شوند و منطق زیرین همخوان است. در مورد اینکه آیا افزایش کوتاه‌مدت در سهام فردی معقول است، نمی‌توانم قضاوت کنم، اما گرما و رشد کلی بازار قدرت محاسباتی واقعاً فراتر از انتظارات من بوده است.

دومین تغییر فراتر از انتظارات، سرعت توسعه فناوری مدل خود و تشکیل سریع اجماع در بازار حول مدل‌ها است. به عنوان مثال، در ژانویه امسال، با ظهور عوامل هوشمند که توسط میگوها نمایندگی می‌شوند، قابلیت‌های کدنویسی به یک مزیت رقابتی اصلی مدل‌های زبانی بزرگ تبدیل شد، که من هنگام بحث درباره ده پیش‌بینی در WAIC سال گذشته پیش‌بینی نکرده بودم، جایی که فقط اشاره کردیم که قابلیت کدنویسی مهم است.

زیرا قابلیت کدنویسی قابلیت‌های عوامل هوشمند را به ارمغان آورده است، من معتقدم که ارزش صنعتی عوامل هوشمند به طور تصاعدی بالاتر از محصولات هوش مصنوعی است که در دو تا سه سال گذشته تحت سلطه چت‌بات‌ها بوده‌اند. علاوه بر این، یک حلقه بازخورد مثبت شکل گرفته است: مصرف قدرت محاسباتی تولید شده توسط عوامل هوشمند هزاران برابر بیشتر از محصولات صرفاً گفتگویی است که این نیز توضیح می‌دهد چرا رشد در بخش قدرت محاسباتی فراتر از انتظارات بوده است؛ این دو به هم مرتبط هستند.

توسعه فناوری مدل و اشتیاق بازار سرمایه برای شرکت‌های مدل نیز فراتر از انتظارات بوده است. سرعتی که بازار اجماع حول شرکت‌های مدل با کیفیت بالا را تشکیل داده است، بسیار سریع است، به طوری که ارزش بازار شرکت‌های پیشرو می‌تواند به تریلیون‌ها برسد؛ تعداد زیادی از آزمایشگاه‌های نو و استارتاپ‌های مدل جدید ظهور کرده‌اند، که بنیان‌گذاران آن‌ها عمدتاً از نسل‌های 95 و 00 هستند و این پروژه‌ها می‌توانند ارزش‌گذاری‌های دور فرشته 2 میلیارد تا 3 میلیارد را به دست آورند، که من هرگز در چنین بازاری داغ در تمام سال‌های تجربه‌ام ندیده‌ام.

کاهش کمتر از انتظارات، کاربردهای هوش مصنوعی، به ویژه کاربردهای 2C است. سال گذشته، من قضاوت کردم که 2025 سال آغاز عصر کاربرد هوش مصنوعی خواهد بود. اکنون که به آن نگاه می‌کنم، بازار کلی برای کاربردهای هوش مصنوعی هنوز فراتر از انتظارات است، اما نحوه باز شدن آن کمی متفاوت از آنچه من سال گذشته فکر می‌کردم است. امروز، کاربردهای هوش مصنوعی عمدتاً به کدنویسی هوش مصنوعی مربوط می‌شود، از جمله توسعه عوامل هوشمند، که من پیش‌بینی نکرده بودم. من فکر می‌کردم که ممکن است امسال هوش مصنوعی واقعاً به صنایع مختلف قدرت ببخشد و شاید چند کاربرد 2C تولید کند که کمی امید به تبدیل شدن به Tencent، ByteDance یا Alibaba بعدی داشته باشد، اما به نظر می‌رسد که نسل جدیدی از کاربردهای 2C ظهور نکرده است که به ویژه تمام بازار را هیجان‌زده کند.

نسل اول کاربردهای هوش مصنوعی که در سال‌های 2022 و 2023 تأسیس شده‌اند، عمدتاً با ابزارهای گفتگویی و محصولات همدم احساسی مانند CharacterAI نمایندگی می‌شوند، اکنون به طور عمده متوقف شده‌اند و صنعت در رقابت همگنی محصول گرفتار شده است. رشد کاربران نیز نسبت به رشد سریع دو سال گذشته کند شده است. بررسی داخلی ما نتیجه‌گیری کرد که مشکل اصلی در این است که منطق رشد کاربران و ترافیک اینترنت و اینترنت موبایل برای محصولات 2C در عصر هوش مصنوعی کار نمی‌کند.

اسباب‌بازی‌های هوش مصنوعی و درام‌های کوتاه هوش مصنوعی نمونه‌هایی هستند. برخی از شرکت‌های اسباب‌بازی هوش مصنوعی صدها هزار واحد فروخته‌اند، اما 90٪ کاربران به طور بلندمدت عملکرد تعامل هوش مصنوعی را فعال نمی‌کنند. شرکت‌ها اعتراف می‌کنند که این واقعاً یک چیز خوب است زیرا اگر صدها هزار کاربر همه گفت‌وگوهای پر تکرار داشته باشند و به طور مداوم توکن‌ها را مصرف کنند، شرکت نمی‌تواند هزینه‌ها را تحمل کند. در درام‌های کوتاه هوش مصنوعی، نسبت محتوای تولید شده توسط هوش مصنوعی به سرعت افزایش یافته است، اما تولید بلوک‌باسترهای واقعی دشوار است.

این نشان می‌دهد که صنعت درام کوتاه به یک پایه بزرگ‌مقیاس وابسته است، اما درآمدزایی اصلی به شدت به آثار بلوک‌باستر وابسته است و در این مرحله، هوش مصنوعی هنوز قادر به تولید بسیاری از بلوک‌باسترها نیست. این همچنین نشان می‌دهد که در خلق هنری، بیان هنری و مفهوم انسانی نقش مهمی ایفا می‌کند؛ نمی‌توان به سادگی به هوش مصنوعی اعتماد کرد تا تصاویر شخصیت‌های زیبا را تولید کند تا محتوای با کیفیت بالا را پشتیبانی کند.

در سال گذشته، فناوری مدل ویدیویی رشد جهشی را تجربه کرده است.

نسل جدید مدل‌های ویدیویی، مانند Seedance 2.0 که به طور جهانی انفجار کرده است، معماری MoE را اتخاذ کرده و قابلیت‌های هوشمند را به طور قابل توجهی افزایش داده است. اکنون از وضوح 4K پشتیبانی می‌کند. به همین دلیل، بسیاری از فیلم‌های هالیوود و تبلیغات برندهای بزرگ مانند کوکاکولا و مک‌دونالد دارای بخش‌هایی هستند که به طور کامل یا جزئی توسط هوش مصنوعی تولید شده‌اند و به قابلیت‌های تولید با وضوح بالا مدل وابسته‌اند.

در این دور از مدل‌های جهانی، آن‌ها می‌توانند تولید ویدیو را توانمند کنند، اثرات حرکت و برخورد اشیاء را به دست آورند و قوانین فیزیکی واقعی را بازسازی کنند، که یک سال پیش کاملاً غیرقابل پیش‌بینی بود. در سال گذشته، شرکت‌های مرتبط شاهد رشد سریع کسب‌وکار بوده‌اند، با بازیگران پیشرو که به دو دسته تقسیم می‌شوند: سه شرکت بزرگ جهانی، Seedance متعلق به ByteDance، Kuaishou's Keling و Veo گوگل؛ و استارتاپ‌هایی مانند فناوری شنگشو، فناوری آیشی و ویدیو رستاخیز که همه آن‌ها رشد ده برابری در کسب‌وکار و درآمد داشته‌اند.

اکنون، هالیوود، صنعت تبلیغات، شرکت‌های عروسی و کنفرانس‌ها همه از این فناوری‌ها استفاده می‌کنند. سناریوهای کاربردی مختلف به طور ناگهانی باز شده‌اند و من پیش‌بینی می‌کنم که مقیاس تجاری کلی صنعت امسال افزایش قابل توجهی خواهد داشت.

Seedance، Keling و Veo گوگل دارای مزایای اصلی در قدرت محاسباتی و داده هستند.

Seedance، Keling و گوگل را می‌توان نوعی در نظر گرفت و حتی اگر Keling تقسیم شود، می‌تواند همچنان به قدرت محاسباتی و حمایت داده‌های Kuaishou تکیه کند؛ مزیت اصلی این سه شرکت مقیاس قدرت محاسباتی خودشان است که به آن‌ها برتری نسبت به استارتاپ‌هایی مانند فناوری شنگشو می‌دهد. پس از ارتقاء مدل ویدیویی، هر دو مقیاس‌های آموزش و استنتاج باید همگام شوند و این شرکت‌ها دارای ده‌ها هزار تا صدها هزار کارت هستند که به آن‌ها برتری واضحی می‌دهد.

با این حال، من معتقدم که هنوز فرصت‌هایی برای استارتاپ‌ها وجود دارد: فناوری هنوز به طور کامل همگرا نشده است و استارتاپ‌ها از نظر استعداد و سرعت تکرار کاوش فناوری از شرکت‌های بزرگ عقب نیستند. من معتقدم که تصمیم Keling به تقسیم نیز به حفظ استعدادهای برتر کمک خواهد کرد. منطق زیرین رابطه بین سرمایه‌گذاران و استارتاپ‌ها این است که اگرچه استارتاپ‌ها کوچکتر هستند، اما مکانیزم‌های انگیزشی سهام آن‌ها و توانایی تمرکز تمام منابع برای تلاش، به آن‌ها برتری نسبت به شرکت‌های بزرگ می‌دهد.

مقیاس بازار به سرعت در حال گسترش است و پس از مقیاس‌پذیری، تقسیم کار به طور دقیق‌تر خواهد شد و تلاش‌های تجاری شرکت‌های مختلف به وضوح متمایز خواهد شد. اول، در مورد مدل‌های زبانی، سه شرکت پیشرو در ایالات متحده دارای تجربیات کاربری متفاوتی هستند؛ برخی احساس می‌کنند که Gemini تجربه چت بهتری را ارائه می‌دهد، اما از نظر فنی و اجماع صنعتی، ChatGPT OpenAI دارای بزرگ‌ترین پایگاه کاربری است و اولین چت‌بات گفتگویی را راه‌اندازی کرده است، با بسیاری از بهینه‌سازی‌ها که بر روی سناریوهای گفتگویی متمرکز است.

برای سناریوهای گفتگویی انگلیسی، ChatGPT به طور جهانی در روانی پیشرو است؛ Gemini، که توسط گوگل پشتیبانی می‌شود، به داده‌های آنلاین وسیعی دسترسی دارد و در بازیابی و سازماندهی اطلاعات مزایایی دارد؛ Anthropic، که از اصول اولیه شروع می‌کند، از ابتدا در کدنویسی و قابلیت‌های عوامل هوشمند مزایایی دارد و این سه به وضوح تمایز یافته‌اند.

هر شرکت تولید ویدیویی نیز مسیرهای متفاوتی را دنبال می‌کند: ByteDance بر روی بخش C تمرکز دارد، Keling به سمت کسب‌وکار B می‌رود و فناوری شنگشو که ما در آن سرمایه‌گذاری کرده‌ایم نیز بر روی برخی سناریوهای B تمرکز دارد، با یک روند بسیار واضح از تمایز صنعتی. الزامات ویژگی‌های مدل در سناریوهای B و C نیز به طور قابل توجهی متفاوت است.

اکنون یک خطر پنهان وجود دارد: پس از تشکیل اجماع هوش مصنوعی، مقدار زیادی پول داغ در حال ورود است.

پس از تشکیل اجماع، مقدار زیادی پول داغ ابتدا به بازار ثانویه وارد می‌شود. در حال حاضر، تعداد کمی از شرکت‌های لیست شده هوش مصنوعی خالص وجود دارند و استخر سرمایه‌ای که می‌تواند در بازار ثانویه جذب شود، زیاد نیست. اکنون واضح است که پول داغ در بازار ثانویه در حال شروع به بازگشت به بازارهای اولیه و نیمه‌اول است. بسیاری از شرکت‌ها تازه تأمین مالی را تکمیل کرده‌اند و از کمبود سرمایه رنج نمی‌برند، اما مؤسسات هنوز مایل به افزایش ارزش‌گذاری‌ها به میزان 50٪ تا 100٪ هستند و بلافاصله دور دیگری از سرمایه‌گذاری را اضافه می‌کنند. این ورود پول داغ تأثیر قابل توجهی بر صنعت دارد؛ شرکت‌هایی که سرمایه بیشتری از نیاز خود دریافت می‌کنند ممکن است قضاوت‌های استراتژیک و عملیات روزانه خود را مختل کنند. با این حال، من همچنین کارآفرینان را درک می‌کنم؛ وقتی کسی به طور فعال یک ارزش‌گذاری بالاتر و مقدار زیادی تأمین مالی ارائه می‌دهد، انتخاب برای رد کردن به طور ذاتی غیر منطقی و دشوار است.

در کوتاه‌مدت، این بیشتر به نفع ما است، اما در بلندمدت، بازار بسیار آشفته خواهد شد. همانطور که قبلاً ذکر کردم، اکنون نزدیک به ده شرکت هوش تجسمی با ارزش‌گذاری‌های بالای 20 میلیارد وجود دارد و بیش از ده شرکت با ارزش‌گذاری‌های بالای 10 میلیارد، که همه تنها دو یا سه سال پیش تأسیس شده‌اند، که خود این موضوع غیرعادی است.

بسیاری از شرکت‌ها مقادیر زیادی سرمایه به بخش هوش مصنوعی سرازیر می‌کنند که احتمالاً منجر به رقابت آشفته خواهد شد: اول، هزینه قدرت محاسباتی به شدت افزایش یافته است؛ یک سرور از NVIDIA که قبلاً 3 میلیون یوان قیمت داشت، اکنون به بیش از 10 میلیون یوان معامله می‌شود و هزینه کلی قدرت محاسباتی در صنعت را افزایش می‌دهد. دوم، رقابت برای استعداد به شدت افزایش یافته و منجر به افزایش حقوق‌ها در صنعت شده است. سوم، در سمت مشتری، رقابت بی‌نظم وجود دارد، زیرا شرکت‌ها فاقد سناریوهای تجاری بالغ هستند و تنها می‌توانند برای مشتریان بزرگ رقابت کنند و صرفاً مقیاس درآمد را مقایسه کنند.

این پدیده‌ها در درازمدت به توسعه صنعت آسیب خواهد زد و بازار فعلی پر از شور و شوق غیر منطقی است.

12. در حال حاضر، بازار سرمایه نوعی "عشق مرموز" به کارآفرینان جوان هوش مصنوعی دارد.

اول، بیشتر مؤسسات فرصت‌های سرمایه‌گذاری در شرکت‌های مدل بزرگ را در دو تا سه سال پیش از دست دادند. بسیاری از مؤسسات در آن زمان به دلیل عدم اطمینان و عزم در مورد هوش مصنوعی سرمایه‌گذاری نکردند. تا اوایل امسال، اجماعی در مورد مدل‌های بزرگ شکل گرفت که باعث شد بسیاری از مؤسسات به سرعت به دنبال جبران باشند و این قطعاً به شرکت‌های مدل جدیدی که در حال ظهور هستند، سودهای ویژه‌ای از سرمایه را ارائه خواهد داد.

دوم، پس از ظهور DeepSeek، بسیاری شگفت‌زده شدند. گزارش‌های رسانه‌ای متعدد بیان کردند که تیم اصلی شامل دانشجویان دکتری از دانشگاه پکن و دانشگاه تسینگ‌هوا است، نه کهنه‌کاران در زمینه هوش مصنوعی. این باعث شده است که تصور شود هر چه تیم جوان‌تر باشد، باهوش‌تر است و بار تاریخی کمتری دارد، احتمال موفقیت آن‌ها بیشتر است. بسیاری از سرمایه‌گذاران در بازار اکنون تمایل دارند به تیم‌های جوان اعتماد کنند. این به این معنا نیست که تیم‌های جوان بد هستند؛ ما نیز در تیم‌های بسیار جوان سرمایه‌گذاری کرده‌ایم و پروژه‌های زیادی را دیده‌ایم. من فقط معتقدم که استفاده از جوانی کارآفرینان به عنوان معیار اصلی سرمایه‌گذاری بسیار ذهنی و غیرقابل دوام است.

سوم، برخی از آزمایشگاه‌های مدل پیشرفته جدید در ایالات متحده ظهور کرده‌اند. پرسنل اصلی سه شرکت برتر خارجی اکنون سالانه بیش از ده میلیون دلار درآمد دارند. برخی از محققان جوان برجسته، به دلیل درآمدهای سخاوتمندانه و عدم نگرانی مالی، تصمیم می‌گیرند شرکت‌های مدل جدیدی را به طور مستقل تأسیس کنند که همچنین بسیاری از جوانان در چین را تشویق می‌کند تا به این کار بپردازند.

منطق پشت این موج قابل درک است، اما وقتی ما پروژه‌های فردی را ارزیابی می‌کنیم، به سادگی به دلیل جوان بودن بنیان‌گذار سرمایه‌گذاری نخواهیم کرد. ما باید بر این تمرکز کنیم که آیا مسیر فنی آن‌ها انقلابی است یا قادر به دستیابی به بهبود ده برابری است. حتی اگر بنیان‌گذار فقط یک دانشجوی دکتری یا فارغ‌التحصیل جدید بدون تجربه صنعتی مرتبط باشد، ما اطلاعات تأییدکننده را از منابع متعدد جمع‌آوری خواهیم کرد تا قدرت واقعی تیم و انتخاب‌های آن‌ها در جهت تحقیق و توسعه را به طور جامع بررسی کنیم و ارزیابی و تحلیل کاملی انجام دهیم.

13. در زمان‌های جنون، باید به درس‌های تاریخ توجه کنیم. در زمان‌های پر سر و صدا، تفکر فلسفی ممکن است مهم‌تر شود؛ ما باید این مسائل را بررسی و درک کنیم.

برای شرکت‌های جوانی که تنها دو یا سه سال تأسیس شده‌اند، توصیه من این است که بیشتر به تاریخ نگاه کنند. هر چه موج بزرگ‌تر باشد، باید بیشتر از درس‌های تاریخی بیاموزیم.

در واقع، وضعیت‌های مشابهی در گذشته در طول موج‌های بزرگ رخ داده است—مانند دوران اینترنت و اینترنت موبایل—فقط مقیاس به طور فزاینده‌ای بزرگ‌تر شده است. در اواخر دهه 1990، بسیاری از افراد می‌توانستند در عرض دو سال سرمایه‌گذاری جمع‌آوری کنند و IPO کنند. اما در نهایت، گرد و غبار به گرد و غبار برمی‌گردد؛ بدون ایجاد ارزش واقعی، حتی اگر مورد توجه بازار سرمایه قرار گیرند، ممکن است هنوز شکست بخورند.

بنابراین، در زمان‌های جنون، باید به درس‌های تاریخ توجه کنیم. در زمان‌های پر سر و صدا، تفکر فلسفی ممکن است مهم‌تر شود؛ ما باید این مسائل را بررسی و درک کنیم.

ماهیت سرمایه‌گذاری این است که ما در شرکتی سرمایه‌گذاری می‌کنیم که می‌تواند در آینده مقیاس‌پذیری را به دست آورد و به ما اجازه دهد از طریق IPOها و سایر روش‌ها بازدهی را تحقق بخشیم. به عنوان مثال، ما در مک‌دونالد سرمایه‌گذاری خواهیم کرد اما هرگز در یک رستوران سه ستاره میشلین سرمایه‌گذاری نخواهیم کرد. مهم نیست که یک رستوران میشلین چقدر سودآور باشد، اگر نتواند به سرمایه‌گذاری برسد و فاقد تقویت IPO باشد، نمی‌تواند خروجی فراهم کند.

03 "اگر عوامل هوشمند در یک سال ظهور نکنند، تقاضا برای قدرت محاسباتی دوباره ارزیابی خواهد شد"

14. امسال، چند غول فناوری بزرگ در ایالات متحده بودجه سالانه قدرت محاسباتی هوش مصنوعی خود را از بیش از 700 میلیارد به بیش از 800 میلیارد افزایش داده‌اند؛ بودجه چین حدود 100 میلیارد است.

این داده‌های آماری ممکن است کاملاً دقیق نباشند، اما جهت‌گیری واضح است: این در حال حاضر بزرگ‌ترین تقاضا در جامعه تجاری انسانی است که از نظر اطمینان بیشتر از حوزه رباتیک است و دوره فرود کوتاه‌تری دارد، با تقاضای بسیار واضح.

برای ارائه برخی مثال‌های خاص، چند سال پیش، همه بر روی آموزش مدل تمرکز داشتند، اما از امسال، ما می‌دانیم که تقاضای ByteDance برای قدرت محاسباتی و استنتاج به تدریج از نسبت 1:1 به سمت بیشتر استنتاج تغییر کرده است. از جمله ژیپو، استفاده از توکن‌ها افزایش یافته است؛ اگر بتواند رشد چند ماه گذشته را حفظ کند، قدرت محاسباتی استنتاج آن به طور قطع به سرعت افزایش خواهد یافت. اساساً، شرکت‌های بزرگ فناوری مانند ByteDance خواهند دید که تقاضای سالانه قدرت محاسباتی استنتاج آن‌ها به سطح میلیون‌ها کارت در دو تا سه سال آینده خواهد رسید. بنابراین این یک تقاضای بزرگ، بسیار واقعی و واقعی است.

بنابراین، تقاضای بازار برای شرکت‌های GPU بسیار بزرگ است. حتی اگر شرکت‌های GPU تنها 1٪ از این بازار وسیع را به دست آورند، به این معنی است که آن‌ها می‌توانند درآمد سالانه ده‌ها میلیاردی را به دست آورند و ارزش بازار مربوطه آن‌ها به راحتی می‌تواند به صدها میلیارد برسد. با این حال، بازار ابتدا پراکنده خواهد شد و سپس همگرا خواهد شد. چین در حال حاضر می‌تواند میزبان بسیاری از شرکت‌های GPU باشد، اما در پنج یا ده سال آینده چندتا از آن‌ها باقی خواهند ماند؟ من معتقدم که قطعاً همگرا خواهد شد.

15. در حال حاضر، به طور تقریبی سه نوع مسیر GPU داخلی وجود دارد:

شرکت‌های چیپ هوش مصنوعی در بازار به سه مسیر فنی مختلف مربوط می‌شوند که دو مورد اخیر تنها در سال گذشته ظهور کرده و در بازار اولیه کنونی به ویژه فعال هستند. نوع اول تولیدکنندگان GPU داخلی هستند، با شرکت‌هایی مانند فناوری بی‌رن، موکسی، مور تردز، هسته کونلون، کامبرکون و هوآوی به عنوان معیار. عامل اصلی فعلی این است که چه کسی از زنجیره تأمین داخلی ظرفیت تولید را تأمین کرده است. در حال حاضر، تنها چند شرکت چشم‌انداز امیدوارکننده‌ای برای تأمین پایدار و مداوم دارند.

به دلیل مشکلات زنجیره تأمین، تأمین ظرفیت فرآیند پیشرفته محدود است و منجر به ظهور دو مسیر جدید شده است که می‌توانند بهتر به تقاضای آینده استنتاج هوش مصنوعی پاسخ دهند و از مشکلات زنجیره تأمین جلوگیری کنند. این دو مسیر DRAM سه‌بعدی و DDR هستند. در حال حاضر، نزدیک به ده شرکت در حال پیگیری مسیر سه‌بعدی و مسیر DDR هستند که بسیاری از آن‌ها شرکت‌های پیشرو هستند و ارزش‌گذاری‌های فعلی آن‌ها به طور کلی در محدوده 10 میلیارد تا 20 میلیارد یوان است و مقیاس‌های تأمین مالی آن‌ها نیز بسیار بزرگ است.

منطق پشت خوش‌بینی بازار برای این شرکت‌ها ساده است: به محض اینکه محصولات بتوانند به صورت انبوه تولید شوند، می‌توانند بلافاصله مشکل ظرفیت تأمین را حل کنند؛ علاوه بر این، فضای افزایشی آینده در بازار استنتاج بسیار بزرگ است و این شرکت‌ها همیشه سهم‌های مربوطه بازار را به دست خواهند آورد.

16. انتظارات بازار برای تقاضای قدرت محاسباتی هنوز در حال نوسان است که باید در مورد آن احتیاط کرد.

آنچه که کل بازار باید بیشتر مراقب آن باشد این است که فقط چند روز پیش، زمانی که گزارش‌هایی منتشر شد که متا قصد دارد برخی از قدرت محاسباتی اضافی خود را بفروشد، یک شوک وجود داشت. این خبر به طور رسمی توسط متا منتشر نشد و بازار بلافاصله شروع به شک در تمام پیش‌بینی‌های قبلی صنعت کرد. آن شب، بازار سهام کره جنوبی به طور مستقیم یک قطع‌کننده مدار را فعال کرد و سهام سامسونگ و SK Hynix به شدت کاهش یافت، در حالی که سهام مرتبط در بازارهای هنگ کنگ و A نیز به طور همزمان کاهش یافتند.

اگر برنامه‌های کاربردی هوش مصنوعی بعدی نتوانند رشد انفجاری مداوم را حفظ کنند، به عنوان مثال، اگر توسعه عوامل در یک سال آینده بهبود نشان ندهد، یا اگر تجاری‌سازی به جلو نرود، یا اگر قابلیت‌های مدل‌ها بهبود نیابد و تنها بتوانند در سطح فعلی باقی بمانند، مقیاس کلی کاربرد نخواهد توانست افزایش یابد و انتظارات برای رشد قدرت محاسباتی شکسته خواهد شد و منجر به خطرات متمرکز در بازارهای اولیه و ثانویه خواهد شد.

17. شکاف بین چیپ‌های هوش مصنوعی پیشرفته داخلی و NVIDIA عمدتاً در اکوسیستم نرم‌افزاری نهفته است.

در حال حاضر، چیپ‌های مورد استفاده برای آموزش مدل‌ها اساساً متعلق به NVIDIA هستند و تمام سیستم‌های آموزش مدل بر روی اکوسیستم CUDA ساخته شده‌اند. برای دستیابی به کارایی بالا و هزینه پایین در استنتاج، سازگاری با CUDA ضروری است. این تنها یک چالش برای شرکت‌های چینی نیست؛ AMD نیز برای بیش از یک دهه با این مشکل دست و پنجه نرم کرده است.

برخی تغییرات اکنون در حال ظهور است. اول، در مقایسه با عصر AI 1.0، همگرایی الگوریتم‌های مدل بزرگ‌تر است و بهینه‌سازی اپراتور نسبتاً آسان‌تر شده و موانع سازگاری ناشی از CUDA کاهش یافته است. دوم، در شش ماه گذشته، توانایی نوشتن کد مدل بزرگ بهبود یافته است؛ اکنون تمام تولیدکنندگان چیپ غیر NVIDIA از مدل‌های بزرگ برای خودکارسازی تطبیق اپراتورها استفاده می‌کنند. با این حال، صرف‌نظر از تحولات، اکوسیستم CUDA بزرگ‌ترین مانع رقابتی NVIDIA باقی می‌ماند.

از نظر سخت‌افزاری، سال‌هاست که گفته می‌شود فرآیندهای تأمین قدرت پیشرفته ما یک نسل از TSMC عقب‌تر هستند و تعداد ترانزیستورهای چیپ‌ها کمتر است. برای دستیابی به همان قدرت محاسباتی، باید مساحت چیپ را افزایش دهیم که هزینه‌ها را بالا می‌برد و فشار دفع حرارت را افزایش می‌دهد و منجر به یک سری مشکلات زنجیره‌ای می‌شود. به زبان ساده، چیپ‌های پیشرفته ما حداقل یک نسل از NVIDIA عقب‌تر هستند.

سلب مسئولیت: این محتوا صرفاً برای اطلاع‌رسانی عمومی و برندینگ ارائه شده و به‌ منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌گردد. هیچ‌یک از رویدادها، جوایز، رویدادهای آنلاین یا اطلاعات مرتبط ذکرشده در اینجا نباید به‌عنوان توصیه، درخواست یا دعوت برای خرید، فروش، معامله یا هرگونه اقدام دیگر در رابطه با دارایی‌های رمزارزی یا استفاده از خدمات تلقی شوند. دارایی‌های رمزارزی با نوسانات بالایی همراه بوده و ممکن است منجر به زیان شوند. خدمات WEEX و رویدادهای آنلاین ممکن است در تمام مناطق در دسترس نبوده و مشمول قوانین، مقررات و شرایط احراز صلاحیت مربوطه هستند. شما مسئول رعایت قوانین محلی در استفاده از خدمات WEEX هستید و باید پیش از انجام هرگونه فعالیت مرتبط با ارزهای دیجیتال، ریسک‌های آن را به‌دقت بررسی کنید.