#普通人搞钱系列之2#英伟达算力大爆发:数字经济之算力层量子跳跃 Quantum Leap

#普通人搞钱系列之2#英伟达算力大爆发:数字经济之算力层

51分钟 ·
播放数1455
·
评论数9

好久不见,甚是想念!本期是#数字经济系列#之2:关于算力层你所需要知道的一切,这集稍微有点硬核和dry, 不过我们认为这一层的解析对于我们未来的应用层的理解十分重要。目前这个系列我们计划做如下几期,如有感兴趣的其他话题请随时反馈我们,我们会十分荣幸与你们沟通。

废话不多说,上正片Shownotes:

首先先来听听皮衣黄最近又说了啥,宇宙第一大“妖”股英伟达(真的很美的妖)开始降维打击模式。

00:02:31:算力层:支持人工智能算法训练和推理的核心环节,算力为什么重要

00:04:31:“加速一切”的英伟达GPU又一次推动算力实现巨大突破,算力已经难不住老黄了

00:08:28:中国AI算力市场有望实现三到五十的增长,咱市场需求实打实这个不吹

00:12:47:英伟达是又双叒如何成为宇宙第一大股

00:21:24:地缘政治环境下市场上到底表现如何:中国制造商是在全球产业环节中吗,我们有什么竞争力

00:25:41:如何在大A中低吸埋伏,投资机会在哪里

00:34:17:AI的未来:算力到底决定着什么,如何影响未来AI行业

00:38:35:芯片量产难题:高成本、复杂设计与先进工艺的需求,我们到底差在哪里

00:42:52:炒概念还是真实价值?普通人如何在这波算力大潮中学会游泳

Appendix附文:

1. 关于摩尔定律:

英伟达创始人兼CEO黄仁勋表示,“摩尔定律结束了”。他解释道,以类似成本实现两倍业绩预期对于该行业来说“已成为过去”摩尔定律是英特尔联合创始人戈登·摩尔对半导体行业创新的预测,即芯片中集成的晶体管数量大约每24个月翻一番,同时价格下降为之前的一半

摩尔定律是由英特尔创始人之一戈登·摩尔于1965年提出的。其内容也并不复杂:集成电路上可容纳的晶体管数目,约每隔两年便会增加一倍。简单来说就是处理器的性能大约每两年翻一倍,同时价格下降为之前的一半。

自从提出到现在50多年以来,摩尔定律一直都是半导体行业的金科玉律,指导着行业的发展。不过在28nm节点之后随着芯片工艺的迭代难度变得越来越大,外界也逐渐出现了不少“摩尔定律已死”或者是“摩尔定律就要到达极限了”的声音。

2.关于算力的衡量标准:

算力既然是一个“能力”,当然就会有对它进行强弱衡量的指标和基准单位。大家比较熟悉的单位,应该是FLOPS、TFLOPS等。

其实,衡量算力大小的指标还有很多,例如MIPS、DMIPS、OPS等。

MFLOPS、GFLOPS、TFLOPS、PFLOPS等,都是FLOPS的不同量级。具体关系如下:

浮点数有FP16、FP32、FP64不同的规格

不同的算力载体之间,算力差异是非常巨大的。算力对比表格:

前面我们提到了通用计算、智算和超算。 从趋势上来看,智算和超算的算力增长速度远远超过了通用算力。

根据GIV的数据统计,到2030年,通用计算算力(FP32)将增长10倍,达到3.3 ZFLOPS。而AI智算算力(FP16),将增长500倍,达到105 ZFLOPS。

3 关于未来算力需求

根据罗兰贝格的预测,从2018年到2030年,自动驾驶对算力的需求将增加390倍,智慧工厂需求将增长110倍,主要国家人均算力需求将从今天的不足500 GFLOPS,增加20倍,变成2035年的10000 GFLOPS。

根据浪潮人工智能研究院的预测,到2025年,全球算力规模将达6.8 ZFLOPS,与2020年相比提升30倍。新一轮的算力革命,正在加速启动。

4关于算力产业政策:

全国一体化算力体系建设:国家推动全国范围内算力资源的有效整合和优化布局,通过统筹规划,加强算力资源的衔接和调度,建设高效、绿色、经济的算力基础设施。这包括提升数据中心的建设标准和能效比,以及推进云计算、边缘计算、高性能计算等异构算力中心的共性标准研究。

绿色电力支持:为了支持数字经济的发展,特别是对算力中心的供电,政策鼓励使用绿色电力,如在山西省大同市阳高县的中联绿色大数据产业基地,当地政府依托资源优势和能源产业基础,推动以IDC为重点的算力产业发展,实现数字经济的绿色可持续发展。

标准研制:中央网信办、市场监管总局、工业和信息化部联合印发《信息化标准建设行动计划(2024—2027年)》,其中提到推进算力基础设施标准研制,建设“存、运、算”一体化的算力基础设施标准体系,推进相关标准的研制和实施,保障算力资源的质量和效率。

算力资源的高效利用:政策还鼓励通过技术创新提高算力资源的利用率,比如在贵安新区,当地政府利用气候凉爽、能源丰富、地质条件稳定等优势,吸引互联网头部公司入驻,推进数据中心由单纯存储中心向存算一体转变,加快培育以智能算力为代表的新质生产力。

算力产业集聚发展:如河南全省一体化算力体系布局,中原算力谷与各地边缘算力中心形成互联互通,实现全省算力的统一规划、建设、调度、运营,促进人工智能产业的跨越式发展。同时,南京、河北等地也通过政策引导,推动算力基础设施的优化布局,提升算力赋能应用水平。

人工智能产业创新发展:河北省出台政策,明确到2025年全省算力规模达到35百亿亿次/秒(EFLOPS)以上,智能算力占比达到35%,新增算力基础软硬件设施自主可控比例60%以上,强化多元优质算力普惠供给,支持人工智能产业创新发展。

东数西算:“东数西算”工程是中国国家发展和改革委员会等部门联合推动的重大战略项目。这一项目的核心目标是在全国范围内优化数据中心的一体化布局,实现资源的优化配置和绿色集约化使用,以及促进东西部地区的协调发展。

具体来说,“东数西算”工程计划在京津冀、长三角、粤港澳大湾区、成渝地区等八个地区建设国家算力枢纽节点,并规划了十个国家数据中心集群。这一布局旨在利用中国西部地区的资源优势,特别是丰富的可再生能源,来承接东部地区的算力需求。这样的布局不仅有利于提升国家整体的算力水平,而且有助于促进绿色发展,扩大有效投资,并推动区域协调发展。

此外,该项目还强调了数据中心由东向西的梯次布局和统筹发展,以及实现“东数西算”循序渐进、快速迭代的目标。为了确保项目的顺利进行,还制定了一系列政策和措施,包括加强网络设施的联通,强化能源布局的联动,支持技术创新的融合,以及推进产业生态的壮大等。

“东数西算”工程是中国响应新一轮科技革命和产业变革的重要举措,旨在通过优化数据中心的布局,推动数字经济和产业数字化的发展,进而支撑经济的高质量发展。

展开Show Notes
HD451618z
HD451618z
2024.6.27
感觉叫普通人搞钱是不是深了一点😂
KK壳壳
:
犀利啦🤣,在这波革命中找到自己的定位确实是每个人的功课😊
AI在哪个领域落地,是比较看好的?
isa-Bellala
:
AI在多个领域都有广泛的应用潜力,比如医疗健康,AI在医疗影像诊断、疾病预测、药物研发、个性化治疗等方面展现出巨大潜力。例如,利用深度学习技术进行癌症早期筛查,或者通过AI辅助进行新药的研发。再比如智能制造,AI技术可以提高制造业的智能化水平,实现生产过程的自动化、个性化定制和智能优化。在机器人、自动化设备中的应用尤为突出。等等。
流浪治部少辅猫:我从事互联网产品经理的,最近在学习LLM相关知识,就想着从哪个领域或切入点入行
4条回复
MichaelLai
MichaelLai
2024.7.18
映射是一种多次被证明有效的投资策略。从过去经验看,美国领头测试赛道,中国跟进是普遍思路和做法,因此跟随美国领头羊企业做研发的中国企业,有更大可能在美国市场爆发后成为中国市场的成功复制者,例如当年的百度携程甚至阿里京东等等。另外,中国AI产业整体落后美国两年是比较客观的看法,最近几年AI技术突飞猛进,两年是非常大的差距。当然,中国能仅次于美国,从纵向历史角度看,已经是相当了不得的成就。AI不是突然从石头里蹦出来的新玩意,上世纪八十年代已经开始基础理论研究,长达四十年的过程中,中国大部分时间远远落后于一大堆国家,现在追到了第二。
isa-Bellala
:
您说的从一定程度上反映了我国科技和产业发展的一种现象,即在某些领域通过跟随和创新,实现跨越式发展。映射策略确实是一种有效的投资和研发策略。通过观察和学习行业领头羊的经验,可以降低研发风险,加快产品上市时间。中国企业在很多领域确实是这样做的,并取得了成功。此外,跟随美国领头羊企业的中国企业在一定程度上有可能在中国市场复制成功。这是因为中国市场庞大,需求多样,很多商业模式和产品在中国有广阔的发展空间。但同时,也要注意中美市场的差异,简单复制可能不会完全成功,需要结合中国市场特点进行本土化创新。您提出中国AI产业整体落后美国两年,这个观点具有一定的现实基础。美国在AI基础研究、技术创新、人才培养等方面确实具有领先优势。但这个差距并非不可逾越,近年来中国在AI领域的发展速度非常快,政策支持、资本投入、研发力量都在不断增强。对追赶速度来说,从长期的历史角度看,中国能在AI领域追赶到世界第二的位置,确实是一个了不起的成就。这体现了我国科技发展的韧性和潜力,也展示了我国在关键领域持续投入和追赶的决心。量子观点认为,虽然目前中国在AI领域取得了显著进展,但也要看到,科技发展是一个长期、持续的过程。中国需要继续在基础研究、原创性技术、人才培养等方面下功夫,以实现从跟随到引领的转变。