中文翻译
答案很微妙。 主要看两个因素： 1. GPU 变得更节能。 2. 大语言模型(LLM) 在容量/能效上更高效。 在 LLM 方面，我们看到像 DeepSeek 这类模型在处理不需要高精度的任务（如回答烹饪食谱或知识库查询）时极其高效。 然而……随着计算力的增加，准确率（尤其是复杂研究问题）也在提升。Elon 和 Magnificent Seven 意识到了这一点，所以他们正在扫货市场上的所有 GPU 以创造超级智能。这也是为什么 Anthropic 和 Google 正在建设耗资 400 多亿美元的数据中心，用于运行需要更多算力进行批判性思维（如 Genesis 任务）的更高级 Opus 和 Gemini 模型。 在 GPU 方面，每一代新 GPU（例如 H100 -> B200）在能效和每美元性能上都有显著提升。例如，Blackwell B200 是 Hopper H100 的 30 倍。 如果基于这个假设，那么到 2027/2028 年，市场上将出现大量过时的低效 H100 和 B200，导致二手 GPU 市场崩盘。 但是：这是假设我们没有看到对新 AI 能力的指数级需求（我们很可能会看到，且正在发生）。正因为这种指数级需求，今天旧模型（如 7 年前的 TPU 和 2020 年的 GPU）仍被用于低优先级的推理任务。 $NVDA 的订单已积压数年，人们正在购买 $AMD 的 GPU 和 $GOOGL 的 TPU 来构建任何新增产能。 至于思科类比，思科的客户是互联网泡沫时期无盈利能力的公司。$NVDA 的客户是 $META、$AMZN、$GOOGL、$MSFT，这些是世界上最盈利的公司。所以最坏的情况我们可能看到回调，而不是互联网泡沫式的崩盘。