【关注】胡延平：智能经济两个超级周期将先后浮现，但机遇并不必然

这对我们整个盘面来讲，就不单单是人工智能这么一件事了，可能也会向所谓的内生智能、自主智能发展。不过模型本身的原理也将从大语言模型向原生的多模态，再向现实物理世界的模型，再向混合模型，再向统一模型和世界模型发展。这个路径是相对清晰的。

本文系盘古智库学术委员、Futurelabs未来实验室首席专家、DCCI互联网数据中心创始人胡延平在专题研讨会上的发言内容整理，文章来源于“苇草智酷”微信公众号 。

本文大约3200字，读完约8分钟。

我大致谈一下我的看法。

去年英伟达市值突破3万亿时，我撰写了一篇文章《长创新：英伟达登顶的底层逻辑，让我们看清什么》，分析其底层逻辑。短短一年多的时间，市值又增长至5万亿。

我觉得这5万亿有点分裂感。一方面，这5万亿背后大家可能看到的是资本现象，其实背后的实质是全球财富为美国科技投票，为人工智能加持。因为人工智能本身的发展已经按下了确认键。这也是今年以来为什么众多科技巨头纷纷投入百亿美元乃至千亿美元级别的资金用于建设AI基础设施。他们已经对这件事高度确定了以后，开始发足狂奔了。

但是这种发足狂奔，也被一些人解读为资本套利，甚至是循环套利，形成各种内循环。当然，我并不这样认为。这的确也有资本的成分，尤其是全球的热钱涌到美国，使得以英伟达、Open AI等为主力的企业的发展获得了全球资本的加持。

这可能是接下来很关键的一个问题，它不仅仅是一个5万亿的问题，实际上全球的数字基础设施，乃至智能基础设施，可能都是基于IT-G8。我们谈论美股七姐妹时，实际上还应加上Open AI。这是一个资本层面的现象，大家看到其热度和高市值。从资本市场角度来看，它的确是有一定的泡沫的成分。

但是我们又看到另外一个问题。从算力的角度来看，目前的算力实际上是稀缺的，甚短缺的。尤其是高质量的算力，总体是供不应求。不管是GB200，还是智能驾驶中用到的Thor，亦或是一些机器人的芯片，包括消费级的芯片，例如RTX5090和RTX PRO 6000，除了供不应求之外，还存在一个问题——它们实质上难以满足用户在端侧的开源模型的部署，以及智能应用，等等。所以从这个角度来看，5万亿的确有点分裂。

若站在用户的角度出发，无论是企业用户还是个人用户，目前的算力并不是很强。即便如此，哪怕不是这么强的算力，当你要去购买的时候，也还比较抢手。站在这个角度来看，就像去年英伟达市值达到3万亿时，我是有一些相对中性的看法。

我认为应该将资本市场的表现与产业市场的表现区分开来。从产业市场的角度来看，它反倒有更为扎实的基础面和更为清晰的中长期需求。这些清晰的中长期需求在业务的营收上有所体现，例如三季度的营收仍然保持了56%的增长。包括占营收比较大的数据中心业务的增长甚至比整体平均水平还略高一些。这说明对算力的需求仍在往上走。这也体现在另外一个指标上，比如预计到2026年底可预期的营收将达到5000亿，比2025年的有显著增长。包括Blackwell架构的芯片出货量预计将达到2000万片，是Hopper架构出货量的五倍。

这些数字的背后说明，除了需求中长期增长之外，还有另一个问题。我之前撰写过一篇文章，名为《亿万卡时代》。目前为止，大家看到的还只是人工智能的训练和推理。在芯片训练方面，英伟达占据了超过90%的市场份额，而在推理领域，除了英伟达以外，也包括AMD、英特尔，大家也都在竞争，甚至包括高通，此外还包括谷歌的TPU、博通的ASIC架构的芯片，以及Meta和亚马逊等也都在推理端通过和博通等的合作来开发自己的芯片。所以，这个市场在放大的同时，有更多的算力供应商进来。

与此同时，在训练和推理之外，算力的应用场景正在快速的扩散，扩散到一些典型的场景，例如汽车是上亿卡的用量，机器人也是上亿卡的用量。如果机器人数量超过人的数量的话，那是几十亿卡的用量。包括AI PC等。包括这次英伟达的GTC的发布，它是面向五六个场景进行了全面化的生态布局。之前的GPC和CSC已经展示过，比如智能驾驶的底座、机器人的SoC等。包括他们面向6G，通信场景的AI-RAM，使得AI的能力走向边缘，走向通信等更大的场景。包括与美国能源部合作，大型超算中心的建设，以及向量子计算领域的拓展。为什么必须要分析这些具体的场景？因为我们除了要去看一些宏大的趋势以外，也要看 AI这一波本身站在基本面的扎实程度。

从现在的基本面来看，目前让大家更有信心的反倒是应用端。因为从去年第四季度起，推理算力的大规模部署就已经开始。推理算力部署的主要原因是用户量的快速放大，然而中国市场相对来说反倒稍微滞后一些，尤其是今年1月份以后的DeepSeek效应，使得企业和用户在推理端对算力的需求激增，原本闲置的算力都被用起来了。

另外还有AI的可用性、AI的多模态能力，因为多模态本身更吃算力。还有黄仁勋讲的几个曲线，比如面向物理现实世界的模型等，也都在起势。所以从金融资本的角度来看，不好说有风险，甚至有泡沫；但是站在市场面来讲，大周期刚开始。而且这个周期初始我们看到的是5万亿美元的英伟达，但不久的将来，我们可能会看到另一个企业，甚至也是万亿美元级别的。

下一个大事就是Open AI的上市。前几天Open AI刚刚完成了重组，是为后面上市做准备。重组后，其实已经达到了5000亿左右的估值。它的基金会是26%的占股，员工和投资人是47%的占股，微软是占股27%。我预计在上市前后，其市值可能接近万亿，甚至突破万亿。而这个“万亿”是什么概念呢？这个数字意味着什么？加上英伟达的5万亿，还有其它几家达到3万亿、4万亿市值的企业，就像前面王飞跃老师讲的，占到了全球财富的相当高比例。除了富可敌国之外，全球财富的比例，可能广义的智能科技产业应该是10%以上了，我们看到的不仅仅是作为人工智能基础设施、基础算力的提供商发展的一个重要节点，更重要的是我们的产业、经济和社会的发展范式由此完成了一个确认，向以智能为方向的大转折的确认。市场里所有的表现都是对这一转折的确认。这个转折是毫无疑问的，在各个领域，无论是个人用户、行业应用，还是AI for science意义上的，智能对科学的赋能。

我最近提出了一个概念——AI驱动的超级周期。超级周期有两个，一个是AI本身的超级周期，这个周期大家都看得到，而且这个周期的确定感越来越强。而且目前为止，其实我们并没有看到它的天花板。尽管有些人认为这种范式是高能耗，但是它的能力天花板我们还没有看到，还有很大的潜力。

另一个更为重要的周期是智能科技驱动的新兴产业和未来产业的周期。因为新兴产业和未来产业的周期可能影响力更为深远。它是涵盖了近30个子领域的庞大的产业群。这个周期走下来，整个经济的基本面、整个经济的产业结构、整个经济的底层逻辑完全变了。

所以第二个超级周期，即AI驱动的新兴产业和科技产业的周期，不仅近在眼前，而且可能在更大的范围内对整个经济社会产生深刻的影响。而且这两个周期会形成飞轮效应。我们有两个飞轮效应，一个是人工智能和其在各个行业产业的应用，另一个是新兴产业、未来产业与智能科技产业之间的飞轮效应。

当然，第二个超级周期可能会来得相对缓慢，不确定性也更多，因为我们看到的重大的变量，可能至少有十几个重要因素可能使得这个超级周期无法起势，甚至中途会有各种各样的因素，包括当前并不乐观的经济环境，等等。尤其第二个周期并不是必然会出现，发展机遇并不必然到来，还需悉心培育，谨慎把握。第一个周期也存在因为资本泡沫破裂而进入产业低谷期的可能。

总体而言，是有一定的基础和可能，会迎来这两个超级周期，而且这两个超级周期将形成一个飞轮效应。这对我们整个盘面来讲，就不单单是人工智能这么一件事了，可能也会向所谓的内生智能、自主智能发展。不过模型本身的原理也将从大语言模型向原生的多模态，再向现实物理世界的模型，再向混合模型，再向统一模型和世界模型发展。这个路径是相对清晰的。无论是智能驾驶还是机器人，大家的技术路线和技术方向都很明确，大家知道下一步要做什么，只不过是能不能做到以及谁先做到的问题。■

文章来源于“苇草智酷”微信公众号

图文编辑：张洵

责任编辑：刘菁波