什么值得买App下载 App ›
连续签到专享现金活动

黄仁勋讲透算力为什么爆发:从生成式AI到代理式AI,数据中心正在变成AI工厂

英伟达CEO黄仁勋在GTC大会上预测,到2027年,AI相关收入可见度可能超过1万亿美元。这一判断并非单纯的市场预期,而是基于AI技术范式的深刻转变。AI正在经历从“生成答案”到“推理反思”,再到“自主执行任务”的演进。每一次技术跃迁,都直接推动算力需求迈入新的量级,也重塑了数据中心的功能与价值。
01AI发展的三个阶段
  1. 生成式AI(Generative AI)
    主要功能是根据输入提示生成文本、图像等内容。这是AI当前最普及的应用形态,侧重于内容的创造与输出。
  2. 推理式AI(Reasoning AI)
    在生成的基础上,AI开始具备思考与反思的能力。它不仅能回答问题,还能通过逻辑推演处理复杂任务,对算力的要求显著高于单纯的生成阶段。
  3. 代理式AI(Agentic AI)
    这是AI发展的下一阶段,核心在于“自主执行任务”。AI能够理解指令、规划路径并自主调用工具完成目标,将算力需求推向极致。
02核心指标:Tokens per Watt
随着AI从简单的生成向复杂的推理和代理执行进化,算力的消耗呈现指数级增长。传统的性能衡量标准已不足以完全反映AI时代的数据中心效率。黄仁勋提出了一个新的核心指标——“Tokens per Watt”(每瓦特代币数)。
这一指标将算力的产出(Tokens)与能源消耗(Watt)直接挂钩。在“AI工厂”模式下,数据中心的本质发生了变化:它不再是单纯存储和处理数据的设施,而是变成了生产智能的工厂。提升“每瓦特代币数”意味着在同等能耗下生产更多的智能,这成为了衡量数据中心和芯片架构先进程度的关键标尺。
03产业影响与投资逻辑
数据中心向“AI工厂”的转变,正在深刻影响英伟达、半导体板块以及科技股ETF的投资逻辑。算力基础设施的重要性被提升到了前所未有的高度。

产业变革下的核心关注点

基础设施重构

数据中心形态与功能的根本性改变

  • 从传统的数据处理中心转变为生产智能的“AI工厂”
  • 能源效率成为核心制约因素,推动液冷等散热技术发展
  • 对高性能GPU互联网络的需求大幅增加
企业竞争逻辑

算力储备决定未来的市场地位

  • 企业的核心资产转变为算力持有量与利用效率
  • 拥有更强AI推理与执行能力的企业将获得竞争优势
  • 半导体板块的投资重心向具备算力供给能力的头部企业集中
综上所述,AI技术的代际更迭是算力爆发的根本驱动力。从生成式到代理式AI的演进,不仅重新定义了数据中心的运营效率指标,也为算力产业链带来了长期的确定性增长空间。

评论

评论区空态插画

当前文章无评论,是时候发表评论了