芯片价格压力
NVIDIA 正在提高先进 AI 芯片的价格。通常情况下，制造商会转嫁成本上涨，但现在该公司却在提价。这一决定可能会迫使硅谷重新审视其计划。Meta Platforms Inc.、Microsoft Corp. 和 OpenAI 已在 NVIDIA 设备上投入巨额资金，用于训练和运行模型。
- NVIDIA 正在提高先进芯片的价格。
- 硅谷可能会重新审视其计划。
- Meta、Microsoft 和 OpenAI 已在设备上投入巨额资金。
如果芯片成本继续上涨，购买更多设备可能并非最佳应对之策。企业可能不得不寻找方法，从现有芯片中获取更多价值。优先事项正从采购数量转向使用效率。
竞赛逻辑的转变
AI 竞赛主要一直围绕获取更强的算力。更多芯片意味着能够训练更大、更先进的模型。这种方式正变得越来越复杂、越来越昂贵。
| 标准 | 以往的优先事项 | 新的优先事项 |
|---|---|---|
| 核心资源 | 芯片数量 | 每颗芯片的效率 |
| 目标 | 训练更大的模型 | 在现有设备上完成更多工作 |
| 限制 | 算力的获取 | 成本与复杂度的上升 |
谁能从可用设备中榨取更多工作，谁就能胜出。
中国企业的经验
中国 AI 企业一直面临获取 NVIDIA 先进芯片的限制。它们没有简单地放缓脚步，而是寻找其他方式来改进自己的 AI 系统。
- 专注于提升模型效率。
- 谨慎使用可用设备。
- 寻找其他方式来改进 AI 系统。
DeepSeek 尽管获取最先进芯片的渠道较少，仍打造出了强大的 AI 模型。当芯片获取成为问题时，开发者引入了数学上的多头潜在注意力压缩。它将芯片的内存需求减少了约 96%。
DeepSeek 的进展表明，拥有较少的顶级芯片并不总是意味着落后。对硅谷而言，教训很简单：更聪明的 AI 可能与更强大的设备同样重要。
软件作为效率杠杆
Meta Platforms Inc. 和 OpenAI 正在开发新的软件工具和编程系统。它们可以帮助其 AI 模型更高效地运行。
- 更好的软件帮助模型完成更多工作。
- 新工具减少损耗并提升性能。
- 软件正成为选择战略时的独立标准。
对软件和开发工具的投入，正变得与采购硬件同等重要。
实用标准
NVIDIA 芯片对 AI 行业仍将至关重要。然而，企业将不再那么关注自己能购买多少芯片。每颗芯片能处理多少工作将变得更加重要。
- 不要只看算力的获取。
- 考虑模型的效率。
- 评估软件解决方案。
- 比较现有设备的产出。
更聪明的 AI 可能带来与更强大设备相同的成果。
