當下，如何破解AI"泡沫"？-安全可靠加密數字貨幣交易所平台

最近AI相關的公司股票都因為美國各種循環融資，

看不到回報的高額投入和全球市場流動性的缺失遭受重創。

CSP大廠改折舊，

現金流，

資本開支營收占比已經比較高了這點我去年中就提過了，

但當時市場無視了，

繼續猛衝AI，

現在又被拿出來熱議，

核心原因和當時完全一樣，

還是沒有看到與資本開支相匹配的盈利和爆款應用，

說白了市場認為的泡沫就是投入成本太高。

但當下大家也是不可能真不投入AI了，

與其去虛無縹緲的預測資本開支破裂和爆款應用的出現時間，

還不如去研究當前行業的發展趨勢去破解AI的“泡沫”問題。

怎麼破解呢，

答案就是降本，

任何一項技術的發展趨勢必定是其單位成本的不斷降低，

不然他就不可能普及。

從大哥大到小靈通再到智能手機，

從互聯網到移動互聯網都是這樣走過來的。

那麼當下AI最大的困境在哪裡：資本開支高和缺電，

對應起來就是GPU太貴，

電力消耗過大，

那麼怎麼解決這個問題，

就下面兩個路徑：

一、

降算卡的系統成本

（1）自研芯片，

典型代表就是谷歌嘛，

並且谷歌和蘋果一樣屬於現金充裕，

生態閉環，

軟硬兼修的六邊形戰士，

理所當然地成為巴老爺子人生最後一筆投資。

從下面這張表也能看出來谷歌TPU7配置還是相當可以的，

兩塊能力基本對標B300，

但是從價格算，

買塊B300估計能做四張TPU7。

因此26年TPU出貨指引已經來到了四百萬張，

都快趕上預測的26年Rubin出貨量了。

對產業影響就在於，

如果通用GPU和自研卡長期總市場達到1:1，

意味著同樣的資本開支，

能實現大約原來1.5倍以上的算力和存儲使用量。

對光模組這些配套產品同樣是這個道理，

更多的卡意味著配套需求增加了。

（這段是我9月7號寫的，

剛好這波存儲爆發前，

詳情可以翻一下當時的內容）

（2）將傳統一款GPU拆分成推理+深層訓練兩種不同配置卡的形式，

採用高低搭配的內存方案，

英偉達的rubin+CPX組合以及昇騰系列芯片的950pr+950dr都是這個例子，

邏輯部分可以採用同樣的芯片，

但是通過在內存上採用不同的配置降低成本。

像288G HBM4成本已經到了驚人的3萬+人民幣，

但是我用288G的GDDR7可能才1萬5左右，

文本預處理輕量化可以顯著降低我的推理卡成本，

部署更多的卡用於推理。

昇騰950pr這個自研的HI BL1.0是個國內創新出的非傳統HBM的高帶寬推理卡方案，

人家還沒正式發布不適合公開討論，

不過行業內的話估計應該猜到是啥了。

二、

降低伺服器耗電

這周新聞已經提到了，

為了降低AI伺服器的耗電量，

英偉達近期決定將伺服器使用的內存從通常用於伺服器的DDR5（第5代雙倍數據速率同步動態隨機存取記憶體），

改為LPDDR5X——也是許多旗艦手機採用的內存。

至於國內的AI芯片節電，

和高通一樣，

搞得比英偉達還要激進很多，

人家還在CPU的存儲上用lpddr節電，

咱們直接把算盤打到了GPU上的存儲上，

不能再劇透了，

只能說你懂的。

此外就是伺服器風冷換液冷，

這個自然不用說了，

散熱嘛，

也是能耗重點。

總之，

產業內會發生很多結構性的轉變這些環節依然是後續大機會所在。

存儲，

這邊這周也幹得很慘，

一個是流動性問題，

一個是所謂的內存大規模擴產。

首先海力士和三星真正新建的產能分別只有M15X和平澤 P4，

其他都是自家原有的老制程DDR4/LPDDR5產能轉產的，

實際上不算啥新增產能，

標題一個大大的XX擴產8倍更多是文字遊戲，

一是先進1C制程原來基數小，

二是你5成以上都是存量產能升級了一下制程，

實際總量增加值還比較有限。

而且這擴產起碼26年下半年以後才能落地，

有的甚至是27-28年的期貨，

裝機完全可以跟著市場需求調整。

將DRAM價格維持在一個相對高位波動，

擴大銷售滿足需求，

才是存儲原廠想幹也是需要去做的的，

獲得一個類似於hbm的長期的高毛利，

量價齊增，

由於DRAM一共就三星、

美光、

海力士三家主導，

據說韓廠兩家桌面下是有些勾兌的。

此外，

需要注意的是，

大家看到的現貨價，

原廠供貨的是合約價，

遠沒有現貨價這麼高，

哪怕現貨價格腰斬原廠價格依然要比現貨價低50%。

從HBM擴展到通用存儲，

使得Ai業務占比大幅提高，

存儲原廠量價齊增的“光模組時刻”已經到來。

美國銀行也發了個報告描述當下的尷尬，

買方內部的分歧很大，

買方研究員都看好存儲，

但是基金經理怕成接盤俠，

通俗地講就是懂行的都覺得沒問題，

但是管錢的擔心，

只能等二級市場見底後再沖了