AI算力光速革命

（来源：尺度商业）

来源：尚雅投资

作者：石波

一、杰文斯悖论：效率提高10X资源消耗100X，算力10年1000X空间

杰文斯悖论（Jevons Paradox）是指：技术进步提高了某资源的利用效率，反而可能导致该资源的总消耗量增加，而非减少。

这一理论由英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）在1865年提出，最初用于分析“蒸汽机效率提升后，英国煤炭消耗量反而激增”的现象，核心逻辑可拆解为两点：

1. 效率提升降低了资源的“单位使用成本”（比如煤炭发电成本下降），会刺激更多行业（如工厂、铁路）扩大对该资源的需求，形成“需求扩张效应”。比如大模型价格降低1/10需求会增加20X反而算力增长2X。

2. 算力需求Tokens扩张的速度正以1年10倍十年十万倍增长，超过效率提升带来的“单位消耗减少效应”，最终导致算力总消耗量上升1000倍。

二、黄氏定律：GPU性能每年提升1X以上超越摩尔定律（12-18个月）：算力翻倍速度跟不上需求（tokens3.4个月翻倍）增长速度导致算力通涨GPU一直涨价

黄氏定律是以英伟达首席执行官黄仁勋的名字命名的定律，其预测GPU将推动AI性能实现逐年翻倍。

IEEE Spectrum最先以黄仁勋的名字将这一惊人的性能提升命名为“黄氏定律”，后来《华尔街日报》的一篇专栏文章又让该定律广为流传。英伟达首席科学家兼研究高级副总裁Bill Dally表示，从2012年11月到2020年5月，英伟达芯片在重要的AI计算领域的性能提升了317倍，平均每年提升一倍以上。

黄氏定律的提出源于黄仁勋对摩尔定律的否定，他认为GPU受益于架构、互连、存储技术、算法等多方面的同步进步，架构升级优于单卡算力提升。

1、GPU加速度是从堆集成电路到堆GPU:第一代DGX-1集成8块GPU到现在GB300最多集成576块GPU，把机柜做成一个大的GPU集群和超级计算机。

2、ASIC单卡效率不如GPU就要堆更多XPU，卡效率不足架构补，谷歌用OCS堆嵌9000多卡光网联结。

3、中国卡效率更不足光通讯补，华为集成384卡超节点服务器要用6912个光模块。

三、算力就是生产力：算力需求指数性上升，Token数3.4月翻倍，一年十倍十年100万倍

每投1元钱增加GDP3-4元

OpenAI CEO奥特曼认为AGI将是一个巨大的生产力驱动因素，可能会使全球GDP翻倍，这一过程大概需要10年时间。

• AI智能体可成为虚拟同事：AI智能体可以取代顶级公司的软件工程师，能够在1-2天内完成他们的大部分工作。未来会有1000个，甚至100万个智能体遍布工作的各个领域，成为人们的虚拟同事。

• 智能增长带来超指数级社会经济价值：奥特曼指出人工智能模型的智能大致等于用于训练和运行该模型的资源的对数，使用一定水平的人工智能的成本每12个月就会下降约10倍，而线性增长的智能的社会经济价值具有超指数性质，这意味着AGI有望为社会带来巨大的经济收益。

• AGI能解放人类劳动力：AGI将提升生产效率，让人们从重复性工作中解放出来，并组建个人AI团队，从而有更多时间去从事其他更有价值的活动。

木头姐凯瑟琳·伍德（Catherine Wood）对AGI生产力的进步持有非常乐观的态度，她认为AGI将带来指数级的增长，并极大地推动全球经济发展。以下是其主要观点：

• AGI将推动全球经济增速大幅提升：木头姐认为当前技术创新处于“棋局的后半段”，AI算力已经完成了前48次翻倍，接下来的16次翻倍将在2030年之前完成，会引发爆炸性增长。她预测，五大技术平台（AI、区块链、能源存储、机器人、基因测序）的交叉融合，将推动全球经济增速从3%跃升至7.3%。

• AGI将使AI算力大幅提升且成本降低：到2030年每花费一美元买来的AI算力，会比现在高出1000倍，同时训练最先进的AI大模型的成本将暴跌到现在的1%。这将使得AI的应用广泛普及，从而极大地提高生产力。

• AGI在各领域的应用将显著提高效率：在自动驾驶领域，特斯拉自动驾驶技术的算力水平不断提升，机器人出租车将以低成本大规模取代人类。在新药研发领域，算力水平的提高使研究员的研发效率大幅提升，新药研发时间将从过去的平均10年缩短到2 - 3年，甚至几个月，研发成本将从数十亿美元降至百万美元。在AI软件工程领域，AI解决任务的正确率大幅提高，将替代绝大部分码农编写代码，并能自动纠错，大大提高软件的交付效率。

四、算力即国力

scalinglaw大力出奇迹

Scaling Law通常指缩放定律或规模定律，是描述系统性能或特性随规模变化呈现规律性关系的理论模型，在人工智能领域被广泛研究和应用。

在机器学习和人工智能领域，Scaling Law的核心是模型性能与模型规模、数据集大小和计算资源之间的幂律关系。具体而言，当模型参数数量增加、训练数据集扩大以及计算资源增多时，模型性能会提升，但边际收益递减。例如OpenAI的研究表明，模型的损失函数与模型规模的负幂次方成正比，即模型规模增大时，损失函数会以幂律下降，大模型只能靠大算力，GPT3是千卡集群，GPT4是万卡集群，GroK模型是十万卡集群，随着模型从训练阶段迭代到agent推理阶段算力消耗将增加100X

军备竞赛

AGI是一场生死时速

AGI 即通用人工智能（Artificial General Intelligence），其核心定义是：具备与人类相当甚至超越人类的综合认知能力，能够在任意领域自主学习、理解、推理，并灵活解决各类未知复杂问题，AGI相当于人类的大脑，谁训练出了人类社会的大脑谁就控制人类社会的生产力，没有算力就没有大模型，没有大模型就没有智能驾驶，就没有智能机器人、汽车、手机、无人机等智能终端，抢占AGI对国家来说是生死之战，对头部企业是生死时速：

1、星际之门：OpenAI联手Orocle投5000亿美金建10GW数据中心。

2、Meta众神之门：6000亿美金建15GW数据中心，第一个就是20万卡集群，第二个50万卡集群。

3、谷歌和Anthropic建9GW集群数据中心。

4、马斯克要建15GW数据中心，己建好10万卡集群基础上往20万卡跃进。

5、微软维斯康辛要建成几十万卡最大数据中心，光光纤的用量就可以绕地球4.5圈。

现在一个GPU的价格超过汽车，一台AI服务器的价格超过房子，算力投资即将超过房地产业投资成为国家基础设施投资和最大产业，各国为了数据安全也要建立主权AI，美国未来五年要投3-4万亿美金建67GW数据中心，准备用上亿块GPU保障AGI时代的到来。

中国在用算力中心标准机架达1085万架，算力总规模位居全球第二。随着自主可控芯片的推出，加上中国在5G和光通讯组网的优势，华为超节点服务器的推出，阿里未来3年投资3000亿人民币于AI算力中心，我国即将迎来主权AI算力投资的光速时期。

五、算力即货币：1、算力具有稀缺性；2、算力成为价值尺度：能耗决定智能成本；3、算力平权：人手一个agent 个人算力将上升万倍

六、算力通胀：供给跟不上需求增长

GPT推出以来，GPU芯片价格一直在上涨，从第一台8卡服务器DGX-1价格13万美元，到GB-300价格300万美元，到明年Rubin架构服务器450万美元。

由于系统架构升级，附加在芯片上面的零部件价格也进入通胀模式：PCB价格从375美元/GPU提升至1521美元/GPU,上游电子布和CCL也开始涨价，光模块价格从800G500美金涨到1.6T1000美元，上游FAU价格也从400G7美元800G15美元涨到1.6T20美元。

七、超级计算机：指数型扩张的产业链

1、从芯片（2万美元）到机架（450万美元）到数据中心（万卡4亿美元）主权AI(1GW300亿美元）投资强度，数据中心将超越房地产业成为人类历史最大基础设施（10万亿美元市场）。

2、AI服务器架构越来越复杂：从DGX3.5万到现在120万个零部件

scaleup相当于柜内提高容积率：PCB增加5倍

光模块增加50倍

scaleout相当于建数字小区（光模块增加3-18X）

scaleacross相当于建数字城市（光纤环绕地球）

八、中国供应链再次伟大

由于组网架构越来越复杂，GPU卡只是一个个砖头，要建成算力机柜房子，PCB水泥要从10层堆到到100层（5-10x空间），砖头要联结光模块有3-18倍的空间，房子建好要后要有电源和液冷空调，机柜房子到小区数据中心要靠交换机（OCS），数据中心再联网要靠光通讯（相干光模块和空心光纤），英伟达用的零部件己经从DGX-1的3.5万个零部件上升到现在的120万个零部件，请问全世界还有谁有这么大配套能力？中国占全世界1/3的电子行业产业链，PCB占60%，光模块占70%，特别是中国在5G通迅技术和组网能力上领先全球，未来十年数据中心基础设施的投资总量超过房地产，Agent的总量超过手机，机器人的数量超过汽车，所以只要美国头部企业有了1，中国零组件企业就会加个零乘以10，整个供应链体系就有34倍空间，如果过去5年是纳斯达克的春天，未来五年就是中国供应链的秋天！

数据中心价值链重构

1、GPU占50%未来五年14X空间（今年销量700万片到2030年1亿片）

2、CPU占10%

3、存储芯片占18%

4、服务器占45%

5、交换机占20%

6、网络占12%

7、光模块占15%未来5年至少42X空间（比芯片数多3-18X）

8、PCB5%取代铜缆价值量增长4X-5X

9、电源10-15%

10、液冷占3%

11、光通信

九、光速革命：只有光能追上光速

1、光进铜退：光比铜具有更高的带宽更低的时延。

2、光模块（英伟达1:3到华为1:18）：光电转换的高速公路和神经网络，比芯片数有3-18倍的弹性，scaleup柜内光模块增加48X倍空间。

3、OCS光路交换机：比电交换机效率提升30%功耗降40%，2018年有20亿美元空间。

4、硅光子技术：采用Comos工艺将光电器件集成到硅基上，减少50%光器件和EML芯片，降低成本30%，硅光800G超50%渗透率，1.6T开始全用硅光芯片。

5、LPO去DSP线性驱动方案比硅光还便宜20%，功耗降低40%。

6、CPO光电共封装：3.2T性能提高3.5倍。

7、OIO全光网：光芯片光互联效率提升百倍。

8、数据中心联网：市场堪比5G投资规模，光通讯、相干光模块和空心光纤有巨大空间。

9、光耦合设备堪比ASML。

十、商业模式和壁垒问题

1、黄氏定律开创了一个新的商业模式：以快打慢（集成速度超摩尔定律）、效率革命（比同业速度快3X），永不降价（算力提升10X价格只涨1倍），扶持供应链（有钱大家赚）、系统制胜三大壁垒：GPU垄断、Cuda软件生态（20年）、UVLink组网协议（10年）。

2、供应链公司：效率第一（只有中国公司24小时生产6个月产能翻番才能追上AI光速发展）、工程师队伍（超过全世界之和）、产业链优势和配套能力（120万个零组件）、供应链认证壁垒（3年）、技术良率材料和设备壁垒。

3、从内卷商业模式到供应链生态建设：从苹果到英伟达开创了供应链生态建设，通过技术进步产业升级提高产品价值，而不是压榨供应链，在AI时代光速发展时代供应链的地位不断得到提升，他们看重的是供应链的保供能力和交货品质，一般一个零部件只选两家供应商，供应链的集中度是在提高的，由于光速发展快速响应使供应链进入加速淘汰赛，在指数型增长时期差6个月就会有十倍的差距，黄氏定律决定企业一旦进入AI供应链体系产品升级速度比同行快3X，同时产品价格进入价升量增通涨模式。

十一、AI算力产业链具备乘数效应：从GPUscale

到机柜逐次放大供应链企业价值

按照1:3和1:5芯片附着比，供应链公司的涨幅和市场空间具备乘数效应，美国公司负责0-1，中国公司负责1-10

1、英伟达23年开启3X业绩成长。

市值超过苹果：GPU单价2万美金高于苹果手机1000美元的价格，而且产品迭代速度快于苹果，全球80亿人口己经接近74亿手机，而对算力和Agent的需求没有上限。

2、光模块企业24年开启3X业绩增长。

3、PCB龙头企业25年开始3X业绩增长。

未来将有更多的企业开始加速增长期，电子行业的市值己经超越金融行业，这场由AI带动的算力革命正以前所未有的速度带动中国产业升级和技术突破，试看将来的环球，必是AI的世界。