文章核心观点 传奇风险投资家玛丽·米克尔发布《AI趋势报告》，核心观点认为人工智能革命已进入不可逆的爆发期，人类正站在技术奇点的临界点[1] 报告通过大量图表展示了AI在开发速度、应用广度、资金投入和使用规模方面的爆炸性增长，并质疑了OpenAI等巨头的“烧钱模式”的可持续性[1] AI技术的采用与普及速度 - 人工智能用户群的激增是AI时代来临的标志，ChatGPT在全球大部分地区同时增长，这与互联网1.0从美国稳步扩散的模式不同[1] - ChatGPT在17个月内达到8亿用户，增长速度超越了人类历史上任何一项技术[4] - ChatGPT的年度搜索量已达到3650亿次，是谷歌的5.5倍，ChatGPT达到这一数字仅用了两年，而谷歌用了11年[7] - 技术生态系统的AI采用速度令人印象深刻[10] 企业级AI应用的现状与目标 - 标普500指数公司中，有50%已在财报电话会议中提及“AI”并持续布局[19] 提及AI的公司比例从2015年的低水平增长至2024年第四季度的60%[20] - 全球企业针对生成式AI的改进目标主要聚焦于收入增长，而非成本削减[21] 例如，75%的企业目标与提升生产力、客户服务、销售收入和投资回报率(ROIC)相关，而专注于削减管理、制造、营销及人力成本的企业目标仅占25%[22] AI智能体的演进 - 一种全新的AI类型正在崛起，从基础的“聊天回复”向能够“执行任务”的功能强大服务提供者演变[25] - AI智能体具备推理和行动能力，能够代表用户完成复杂的多步骤任务，其重点在于实现目标而不仅仅是回应[26] - 尽管处于发展初期，但AI智能体有潜力彻底改变用户与数字系统的互动方式，应用领域包括客户支持、员工培训、研究、日程安排及内部运营等[26] - 企业正积极引领这一变革，进行试验、广泛部署、投资框架并构建生态系统[26] AI驱动的资本支出与基础设施投资 - 数据中心是AI资本支出的主要受益者[29] - 2014年至2024年，美国六大科技公司的资本支出年均增长率为21%[30][31] 同期，全球数据生成量年均增长28%[31] - 全球超大规模云计算公司（如亚马逊AWS、微软智能云、谷歌云等）的收入在2014年至2024年间年均增长37%[32][33] - AI模型的训练数据集大小在过去十五年间年均增长250%[34][35] - 美国数据中心的年度私人建设投资在过去两年里呈现加速增长，年均增长率达到49%[36][37] AI模型的经济学与成本变化 - 训练最强大的大语言模型已成为人类历史上最昂贵且资本密集的工作之一，成本已飙升至数十亿美元[40] - 打造最强大通用模型的竞争可能加速其商品化，并导致收益递减[40] - AI推理成本正在迅速下降，硬件进步是重要因素[40] 英伟达2024年发布的Blackwell GPU，处理一个token所消耗的能量仅为2014年Kepler GPU的十万分之一（即下降了105,000倍）[44][45] - 从2022年11月到2024年12月，AI推理的服务成本大幅下降，每百万个Token的推理价格已经降低了99.7%[46][47] - 对用户和开发者而言，强大AI的单次使用成本大幅降低，推动了新产品、服务的创生以及用户量的攀升[41] - 对于模型提供商而言，高昂的训练成本与低廉的服务成本并存，定价权下滑，商业模式面临挑战[41] 通用LLM的经济学在短期内看起来更像一个资本密集型的商品化业务[43] 技术资本支出的演进阶段 - 过去二十年技术资本支出经历了几个关键增长阶段[48] - 最早的资本支出集中在互联网基础设施的建设上，为云计算奠定了基础[48] - 第二波资本支出聚焦于为数据密集型的AI工作负载提供强劲的计算能力，这是云计算的自然进化[51] 超大规模公司的资本支出预算逐渐偏向于专业化芯片、液冷技术及前沿的数据中心设计[51] - 到2023年，AI已成为资本支出的重点项目，全球最大科技公司每年花费数百亿美元用于训练数据、推理并实现货币化[54]