北京
来源：智通财经网
德意志银行在最新报告中勾勒了一种情景：如果AI模型能够自我改进，且算力持续扩张，人工智能可能在2030年达到“超级智能”。但该行同时警告，科学不确定性、电力约束和成本压力，可能使这一路径偏离轨道。
超级智能2030年可期?电力、数据与成本设下“硬门槛”
德意志银行研究部在报告中表示，上述结果能否实现，将取决于AI规模化技术的进步能否持续，以及系统能否自主改进用于构建未来模型的技术。报告还列出多项约束，包括电力供应、数据可得性，以及建设计算基础设施所需的时间。
报告预计，Alphabet(GOOGL.US)、亚马逊(AMZN.US)、Meta(META.US)、微软(MSFT.US)和甲骨文(ORCL.US)今年资本支出将接近8000亿美元，主要用于数据中心;到2030年及以后，每年资本支出将超过1万亿美元。
德银估算，训练一个假设中的类似通用人工智能(AGI)，需要耗资3000亿至5000亿美元的基础设施，以及约6吉瓦电力。若使用英伟达(NVDA.US)的Vera Rubin芯片，在四个月内完成一次此类训练，需要约780万颗芯片和26吉瓦设施电力，按当前价格计算成本高达9000亿美元。报告称，如果当前计算效率提升趋势延续，到2030年，类似集群的成本可能降至约2000亿美元。
AI投资逻辑与风险：采用加速，警惕“AI气穴”
德银表示，AI的投资逻辑并不完全取决于能否实现超级智能。企业对AI工具的采用速度，约为此前移动、互联网和云计算几波浪潮的三倍。中国以外地区的AI经济收入，2026年可能超过2000亿美元，而2022年还不到10亿美元。
不过，德银警告，AI基础设施的融资仍主要依赖对未来回报的预期，而非当前收入。报告还指出，随着资本支出上升，超大规模云厂商的现金流正面临压力。
报告援引Google DeepMind首席战略官Jasjeet Sekhon的警告称，市场需警惕出现“AI气穴”(air pocket)风险，即支出已经发生，但预期收入未能兑现。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
