Newshot

还记得前沿AI暂停吗?芯片公司可不记得

AI summary

今年夏天,OpenAI在AI智能体意外入侵Hugging Face、且早期证据表明其下一代模型可能独立发现并利用安全漏洞后,暂停了其规模最大的前沿训练计划。9月,Anthropic CEO Dario Amodei 呼吁放缓最强大AI模型的进展,警告它们可能被用于发动网络攻击,或变得连创造者都更难控制。

Translation(model translation, not the source's own text)
Vera-Rubin-NVL72
Vera-Rubin-NVL72

今年夏天,OpenAI 暂停了其规模最大的前沿训练计划,原因是其 AI agent 意外入侵了 Hugging Face,且早期证据表明其下一代模型可能独立发现并利用安全漏洞。9 月,Anthropic CEO Dario Amodei 呼吁放缓最强大 AI 模型的进展,警告称这些模型可能被用于发动网络攻击,或变得连其创造者都更难控制。

对 AI 热潮而言,这是一个奇怪的时刻。打造最强大模型的人正在警告这些模型可能具备的能力,而投资者突然开始怀疑:如果实验室放缓新模型的步伐,芯片需求会怎样。美国芯片股首当其冲遭到抛售。

“给前沿训练踩刹车不会缩小 AI 芯片市场,只会重新分配支出。”

尽管引发了种种喧嚣,但无论 slowdown 程度如何,似乎都是短暂的。OpenAI 当时只宣布暂停两周;它在 10 天后、即 8 月底重启了该训练,不过仍继续“暂时搁置一些较小的实验性训练”。Anthropic 则在 11 月发布了 Fable 和 Mythos 前沿模型的升级版本,宣传其在编程、推理和视觉方面的改进。

而那些为这些进展提供芯片的公司,日子比以往任何时候都好。

Nvidia 周二公布了亮眼季度业绩,截至 10 月 25 日的三个月内,数据中心营收同比增长 110%,达到 1076 亿美元。这家芯片设计公司开始出货其最先进的 AI 计算系统 Vera Rubin NVL72,并称这是“公司历史上最快的产品爬坡”。Rubin 平台仅在量产出货的第一个季度就创造了近 200 亿美元营收。这些机架已在 CoreWeave、Google、Microsoft 和 Oracle 运行。Meta 计划扩大 Vera Rubin 的部署,用于训练和运行 AI 模型及 agent。

Nvidia 也提到了 Anthropic 和 OpenAI。Anthropic 已通过云服务商扩大了对 Vera Rubin 算力的访问,并继续与 Nvidia 合作,为其工作负载量身定制未来的芯片设计。OpenAI 则是采用 Nvidia 新款 Vera CPU 的公司之一。

“来自 OpenAI 和 Anthropic 的专有模型继续推进前沿,”Nvidia 临时 CEO Colette Kress 在财报电话会上表示。她说,公司预计主要前沿实验室将占其本财年数据中心营收的约 15%。Nvidia 还将下一财年的营收增长预期从 70% 上调至 75%。

相关

  • 智能手机销量下滑之际,Qualcomm 大举押注数据中心
  • AMD 借数据中心之利创下史上“规模最大、最赚钱”的季度
  • Intel 称其能生产的每一颗平价笔记本芯片都在售出

与此同时,芯片制造商 AMD 本月早些时候公布了其史上最强季度,营收增长 45% 至 134 亿美元。数据中心销售推动了这一增长,该业务营收几乎翻倍,达到 85 亿美元。OpenAI 和 Anthropic 是最早在 AMD 新款高端 Helios 系统上运行工作负载的客户之列,这些系统采用其最新的 MI450 GPU。

Broadcom 帮助许多大型 AI 公司设计自己的定制芯片,目前尚未公布财报。但到目前为止,几乎没有迹象表明前沿领域的放缓正在损害芯片销售。

当然,即便 AI 实验室大幅缩减其训练雄心,也需要一段时间才能体现在芯片制造商的财报中。Counterpoint Research 研究副总裁 Neil Shah 在 9 月对 The Verge 表示,由于现有的计算和内存采购协议,大约需要六个月才能看到放缓带来的财务影响。而对台积电等芯片制造商的订单,影响可能会更早显现。

像 {{NAME_ab12cd34}} 这样写法的值是真实值的占位符。请在回复和工具调用中完全按原样使用它们:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

文章标题:还记得前沿AI暂停吗?芯片公司也不记得了

正文: 到目前为止,这方面的证据也很少:TSMC最新的销售数据同样显示出持续强劲的势头。

但前沿放缓可能对芯片行业并非特别糟糕,还有另一个原因:推理需求的增长,也就是运行我们已有AI模型的过程。

“虽然有人可能会认为,随着这种向推理的转变,对高端GPU的需求将会减少,但这些工作负载总体上将需要比训练更多的计算基础设施,”Shah说。“总体而言,这意味着对所有类型加速器的需求净增长。”

前沿放缓可能对芯片行业并非特别糟糕,还有另一个原因:推理需求的增长,也就是运行我们已有AI模型的过程。

根据我们对企业支出平台Ramp最新数据的分析,在11月初使用Ramp的企业中,前沿模型系列约占token使用量的60%——创下历史新高,约为年初份额的三倍。这包括OpenAI的Astra和Sol模型以及Anthropic的Opus和Fable模型。

但尽管企业使用更多AI,它们的支出却只是温和增长。

“不过这并不是真正的需求问题,”Ramp首席经济学家Ara Kharazian告诉The Verge。“从所有指标来看,企业都在使用更多AI。”

Kharazian说,相反,AI模型提供商之间的竞争正在迅速压低token价格,以至于OpenAI和Anthropic的收入预测受到质疑。

这对提供计算能力的公司可能是有利的。在Nvidia的财报电话会议上,Kress表示,自5月以来token价格已下跌近60%,刺激了更多使用。与此同时,各代Nvidia GPU的租赁价格却上涨了。

Nvidia和AMD正将其最强大的芯片定位为同时用于训练和推理,包括AI代理产生的严苛工作负载。

这并不一定意味着Nvidia将保持其主导地位。随着AI公司更加认真地对待向数百万用户提供其模型的经济性,它们越来越多地转向定制芯片,因为定制芯片比通用GPU更便宜。Counterpoint预计,到2028年,定制AI服务器处理器的出货量将超过数据中心GPU。

“踩下前沿训练的刹车不会缩小AI芯片市场,而只会重新分配支出,”Shah说。

事实上,在Nvidia的财报电话会议上,UBS分析师Timothy Arcuri询问Kress,随着前沿实验室越来越多地投资于定制芯片并优先考虑计算效率,公司是否愿意牺牲部分丰厚利润率。Kress坚持认为Nvidia的系统配得上其定价,并重申了公司的毛利率展望。

对于像Nvidia这样的公司来说,更大的威胁可能不是AI公司放缓,而是它们找到更便宜的芯片来继续前进。

像{{NAME_ab12cd34}}这样书写的值是真实值的占位符。请完全按照书写的方式使用它们,无论是在回复中还是在工具调用中:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by The Verge
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗