作者｜赵赛坡
头图｜视觉中国
本期焦点议题：
万亿美元市值的英伟达，面临哪三大下行风险？
中美芯片对抗持续，日本企业、ARM、中东地区成为新前沿阵地？
不缺钱的 OpenAI 最缺什么？
2023 AI 现状报告解读；
接下来，欢迎和我一起复盘围绕数据与智能的产业关键事件。
计算·英伟达
2023 年，谈论 AI（特别是大模型）、云计算产业时无法避开的就是英伟达公司。关于英伟达如何成功的分析、故事已经很多，站在 AI 发展的角度去看，以下几个方面，构成了英伟达目前的优势地位：
大语言模型还处于在早期阶段，除了几个较大科技公司之外，其他行业甚至科技行业的小公司，并没有真正踏入到这个领域；或者我们可以说，当前大语言模型集中在科技巨头们使用英伟达 GPU 进行训练的阶段，谁能买到最新的 GPU，谁的训练效率就高，谁就能获得更多融资或关注度，这让英伟达 GPU 供不应求；
英伟达的平替还没有完全出现——至少现阶段还没有，从 AMD 到 Cerebras 以及 Google/AWS 的自研芯片，这些可替代英伟达 GPU 的产品要么表现不稳定，要么没有良好的软件生态，现阶段一个能打的也没有；
但产业永远处于动态发展之中，我们也应该使用发展的视角重新梳理英伟达所面临的市场环境，下面是几个潜在的趋势，或将影响英伟达的市值以及产品统治力：
其一，当大模型训练进入平稳期后，“推理”将成为产业发展的主流，这意味着，整个 AI 产业的计算需求会转向对“推理”芯片的需求；
其二，在面向“推理”的场景里，CPU 在成本、生态方面的优势不容忽视，无论是 x86、ARM 还是 RISC-V，都有可能成为大模型推理层面的算力提供者；
其三，大模型从“训练”到“应用”的转换，不仅将使得“研究”让位于“工程”（或者是从“论文”变成“产品”），还会影响大公司——包括科技巨头——对于大模型投资的决策，现阶段不惜一切代价买卡的历史终会终结。
当然，正如我在上面所谈到的动态视角，我们也不能假设英伟达没有注意到上述趋势，只是在现阶段巨大的利益面前，一家大公司能有多大勇气投入一个还未明朗的未来，我们无从知晓。但接下来一段时间，透过上述趋势来观察英伟达以及算力供应商的布局调整，会变得格外有趣。
计算·地缘政治
路透社援引消息人士的话称，白宫或将出台一项新措施，禁止中国公司从其海外公司那里买到禁售清单里的高端芯片。
此举意味着两点：短期内，美国政府对中国高端芯片的禁售还将持续，也将进一步影响中国大模型产业的发展；其二，过去一年，白宫多次发布“补丁更新”，充分展现出半导体产业的复杂性，仅靠一纸禁令，并不能完全切断产业链的流动。
值得玩味的是，台积电上周宣布，该公司已经获得美国商务部许可，可无限期向中国工厂提供来自美国的芯片制造设备；同时获得许可的，还包括三星和 SK 海力士两家韩国公司。
佳能上周表示，旗下芯片制造工具在纳米压印光刻技术方面取得突破，该技术可直接在晶圆上制造电路图案，无需光刻技术。既可成为 ASML 公司昂贵产品的低成本替代品，又避开了现阶段美国政府的对华芯片限售令，或将成为中美新一轮技术对抗的新阵地。
另一个新阵地则是 ARM。该公司不久前在美国完成 IPO，但 ARM 在中国市场面临中国公司控制权争议的难题，另外部分 ARM 中国员工在华成立新半导体公司的事件也在引发 ARM 股东的担忧。
第三个阵地出现在海湾地区。沙特阿卜杜拉国王科技大学与中国高校、科技公司合作，利用英伟达 GPU 研发大模型的举措，正在引发美国政府的关注，过去几年，该学校和中国学术较为密切。
巨头·市场
OpenAI 的收入的确在大幅增长。付费媒体 Information 援引消息人士的话称，OpenAI CEO Sam Altman 告诉员工，该公司的年收入按照年化速度计算将达到 13 亿美元。
这意味着 OpenAI 每月可获得至少 1 亿美元的收入，而在一年前的 2022 年，这家公司全年的营收仅为 2800 万美元。
但这不意味着 OpenAI 已经盈利，作为一家私人公司，OpenAI 没有披露成本——特别是研发成本（或者说大模型训练、运维成本）——的义务。根据此前分析机构的测算，OpenAI 一天运营的成本高达 70 万美元，以此折算，每个月的运维成本达到 2100 万美元。
对于 OpenAI 而言，钱并不是真正的问题。一方面它的背后站着微软这样的巨头，两家公司尽管有各种理念不合的传闻，但双方的深度绑定，是现阶段唯一而且正确的决定；另一方面，OpenAI 自然也不必担心其在一级市场的融资能力，它有足够耐心去挑选自己欣赏的投资机构。
OpenAI 最大的挑战如何从越发拥挤的基础大模型赛道上的突围。随着包括 Anthropic、Infection 等公司获得巨额融资，这些基础模型服务商所提供的产品并无本质的区别。即便 OpenAI 现在提供公开或企业私有版产品，但核心还是大模型的 API 能力，个人开发者或企业，还是要花费时间和精力，将这些 API 接入到自己的产品里。
这也使得三周后的 OpenAI 首次开发者大会具有众多看点。路透社援引消息人士的话称，此次大会旨在吸引更多开发者加入到 OpenAI 的生态圈，目前可知的一些更新：
在开发者工具添加内存存储功能，该功能将大幅降低模型使用成本；
提供视觉 API 的能力，该功能已经在 ChatGPT Plus 产品里发布，效果惊人；
如果你仔细去看一些海外大模型应用的价格，可以发现一个有趣的现象，绝大多数产品的价格都是 20 美元/月，比如：
ChatGPT Plus
Poe
Claude
Perplexity
除此之外，GitHub Copilot、Notion AI 为每月 10 美元，WSJ 的一篇报道指出，这些看似不菲的价格远不能覆盖大模型的成本。原因很简单，大模型应用无法像真正意义的软件产品那样实现规模效应，相反，付费用户越多，成本越高，反而困损的越多。
文章里的一个数据称，微软推出 GitHub Copilot 的付费产品后，每名订阅者每月还会导致微软损失 10 美元，甚至有的订阅者让这家公司承担每月 80 美元的额外损失。
这个数字真实程度如何还有待验证，但却也从一个侧面展现出现阶段大模型应用到底有烧钱了，而科技公司的开源节流之道也很多：
降低免费额度，比如 Claude 对免费用户进行限流；
将大模型集成到更多产品里，通过提高其他产品的销量平摊成本，比如微软现在各种“Copilot”产品；
AI 现状报告
投资人 Nathan Benaich 每年 10 月份都会发布一份“State of AI Report”，上周，2023 的报告如约而至。
和往年类似，今年的报告依然分为基础研究、产业、政策、安全四大类别进行盘点和总结，内容非常丰富，基本覆盖了过去十二个月全球 AI 领域的产业事件和关键趋势。
鉴于篇幅限制，我仅仅对这份报告的几个要点做一些延伸思考，更多内容，建议各位通过我分享的这个链接获取该报告的 PDF 版本。
首先，GPT-4 是目前毫无疑问的“王者”，这一点不需要过多质疑，甚至可以说，当你看到诸如“某某模型可媲美 GPT-4”的说法时，直接忽略就可以了，基本不可能。
其次，算力和数据的竞争越发激烈，二者在物理层面又存在天然的限制，想象一下英伟达 GPU 计算能力的边界在哪里？以及，大模型的优秀训练数据——特别是人类产生的数据——没有了怎么办？
其三，如果你关注大语言模型的应用场景，生命科学领域是一个非常关键的切入点。这个领域的职业道德与行业特点，决定了其研发进程更谨慎小心，而一旦能够实现大规模应用，对人类社会的影响非常大。
其四，AI 安全是一个极其广泛的政治议题，从国家到地区，从不同政党到各大企业，短期内——甚至在几年之内——都不可能达成一致。
值得一提的是，每年“State of AI Report”的最后都会有十个预测，今年的预测分为以下几类：
应用：一部利用生成式 AI 制作的好莱坞级别的大片、AI 生成的歌曲进入 billboard 100 或 Spotify Top Hit 榜单；
安全与监管：一家大模型公司因选举遭到调查、美英两国启动对微软和 OpenAI 合作的垄断调查；
资本市场：至少一家 AI 公司上市、GPU 债务基金取代风险投资；
训练与推理：大模型训练领域继续烧钱，用 10 亿美元训练一个模型，而在“推理”领域，大模型公司收购推理芯片公司；
结果如何，我们明年再看。
应用·政策
两家大公司上周发布面向医疗领域的大模型产品：
生成式 AI 领域的落地应用如何会成为该技术发展的关键，在很多大公司的 CIO 看来，该技术仍在发展阶段，企业正寻求早期概念验证来证明其价值。
如果说 CIO 们侧重于成本管理，那么 CSO——首席安全官——都需要考虑大模型应用应用来到的潜在法律问题，比如版权纠纷，上周，Google 宣布，如果企业客户使用该公司 Duet AI、Vertex AI Search 出现版权问题，Google 会为其辩护。
这些承诺反映出当下生成式 AI 市场的潜在问题，大量企业因为版权等法律问题而不敢或不愿意大规模部署相关技术，但大公司的承诺并不可能完全解决这个问题，它更像是一种市场营销行为，或者说，是一系列面向政府游说行为的组成部分。
除此之外，保险公司也盯上了这个领域。北美一些保险公司计划推出一系列面向大模型失败场景的保险业务，WSJ 的报道指出，这些保险参考了网络安全保险的做法，能够一定程度帮助 IT 决策者进行风险管理。
最后看两项监管政策：
评论