今年夏天,OpenAI暂停了其规模最大的前沿训练计划在其 AI 智能体意外入侵 Hugging Face 之后而且早期证据表明,其下一代模型可能独立发现并利用安全漏洞。9 月,Anthropic CEO Dario Amodei呼吁放缓最强大 AI 模型的进展,警告称这些模型可能被用于发动网络攻击,或变得连其创造者都更难控制。

这对 AI 热潮来说是个奇怪的时刻。打造最强大模型的人正在警告这些模型可能具备的能力,而投资者突然开始琢磨:如果实验室放缓推出新模型,芯片需求会怎样。美国芯片股承受了这轮抛售的主要冲击。

“踩下前沿训练的刹车不会缩小 AI 芯片市场,只会重新分配支出。”

尽管引发了种种喧嚣,但无论出现了怎样的放缓,似乎都是短暂的。OpenAI 当时只宣布暂停两周;它重启了该训练计划,10 天后,也就是 8 月底,不过它继续“暂时搁置一些较小的实验性训练计划”。Anthropic发布了其 Fable 和 Mythos 前沿模型的升级版本,在 11 月,宣传其在编程、推理和视觉方面的改进。

而那些销售推动这些进展的芯片的公司,日子比以往任何时候都好过。

英伟达周二公布了亮眼的季度业绩,截至 10 月 25 日的三个月里,数据中心收入同比增长 110%,达到 1076 亿美元。这家芯片设计公司开始出货其最先进的 AI 计算系统 Vera Rubin NVL72,称其为“公司历史上最快的产品爬坡”。仅在生产出货的首个季度,Rubin 平台就创造了近 200 亿美元的收入。这些机架已在 CoreWeave、Google、Microsoft 和 Oracle 运行。Meta 计划扩大 Vera Rubin 的部署,用于训练和运行 AI 模型与智能体。

Nvidia 也点名提到了 Anthropic 和 OpenAI。Anthropic 已通过云服务提供商扩大了获取 Vera Rubin 算力的渠道,并继续与 Nvidia 合作,为其工作负载量身定制未来的芯片设计。OpenAI 是采用 Nvidia 新款 Vera CPU 的公司之一。

“来自 OpenAI 和 Anthropic 的专有模型继续推进前沿,”Nvidia临时 CEO Colette Kress在财报电话会议上表示。她说,公司预计主要前沿实验室将占其本财年数据中心收入的约 15%。Nvidia 还将下一财年的收入增长预期从 70% 上调至 75%。

与此同时,芯片制造商 AMD 本月早些时候公布了其有史以来最好的一个季度,收入增长 45% 至 134 亿美元。数据中心销售推动了这一增长,几乎翻倍至 85 亿美元。OpenAI 和 Anthropic 是最早在 AMD 新款高端 Helios 系统上运行工作负载的客户之一,该系统采用其最新的 MI450 GPU。

博通帮助许多大型 AI 公司设计自己的定制芯片,目前尚未公布财报。但到目前为止,几乎没有迹象表明前沿领域的放缓正在损害芯片销售。

当然,即使 AI 实验室大幅缩减其训练雄心,也需要一段时间才能在芯片制造商的财报中体现出来。Counterpoint Research 研究副总裁 Neil Shah 在 9 月告诉The Verge,由于现有的计算和内存采购协议,大约需要六个月才能看到放缓带来的财务影响。这一影响可能会更早地体现在向台积电等芯片制造商下的订单中。

到目前为止,也几乎没有这方面的证据:台积电最新的销售数据同样显示出持续的强劲势头。

但前沿领域放缓可能不会对芯片行业特别不利,还有另一个原因:对推理的需求正在增长,即运行我们已有的 AI 模型的过程。

“虽然有人可能会认为,随着这种向推理的转变,对高端 GPU 的需求将会减少,但这些工作负载总体上将需要比训练更多的计算基础设施,”Shah 说。“总体而言,这意味着对所有类型加速器的需求净增长。”

前沿进展放缓对芯片行业来说未必特别糟糕,还有另一个原因:对我们已有的 AI 模型进行推理的需求正在增长。

根据我们对最新数据的分析,来自企业支出平台 Ramp 的数据显示,在 11 月初使用 Ramp 的企业中,前沿模型系列约占 token 使用量的 60%——创下历史新高,约为年初份额的三倍。这包括 OpenAI 的 Astra 和 Sol 模型,以及 Anthropic 的 Opus 和 Fable 模型。

但即便企业使用更多 AI,它们的支出也只是在温和增长。

“不过这其实不是需求问题,”Ramp 首席经济学家 Ara Kharazian 告诉The Verge。“从各项指标来看,企业都在使用更多 AI。”

Kharazian 表示,真正的原因是 AI 模型提供商之间的竞争正迅速压低 token 价格,以至于 OpenAI 和 Anthropic 的收入预测受到质疑。

这对提供算力的公司可能是有利的。在 Nvidia 的财报电话会上,Kress 表示自 5 月以来 token 价格已下跌近 60%,刺激了更多使用量。与此同时,各代 Nvidia GPU 的租赁价格却在上涨。

Nvidia 和 AMD 正将其最强大的芯片定位为同时用于训练和推理,包括 AI 智能体带来的高负载工作。

这并不一定意味着 Nvidia 会保持其主导地位。随着 AI 公司越来越重视向数百万人提供模型服务的经济性,它们正越来越多地转向定制芯片,因为定制芯片能以比通用 GPU 更低的成本完成这一任务。Counterpoint预计到 2028 年,定制 AI 服务器处理器的出货量将超过数据中心 GPU。

“给前沿训练踩刹车不会缩小 AI 芯片市场,而只会重新分配支出,”Shah 说。

事实上,在 Nvidia 的财报电话会上,瑞银分析师 Timothy Arcuri 询问 Kress,随着前沿实验室越来越多地投资定制芯片并优先考虑计算效率,公司是否愿意牺牲部分高额利润率。Kress 坚持认为 Nvidia 的系统配得上其定价,并重申了公司的毛利率展望。

对于像 Nvidia 这样的公司来说,更大的威胁可能不是 AI 公司放缓脚步,而是它们找到了更便宜的芯片来继续推进。

关注话题和作者从这篇报道出发,在你的个性化主页信息流中看到更多类似内容,并接收邮件更新。

  • Rani Molla