生成式AI推理運算需求將達到何種規模？瑞銀分析

Investing.com — 儘管投資者擔憂關稅問題和AI基礎設施過度支出，瑞銀認為生成式AI（genAI）推理運算需求將在各個板塊大幅擴張。

據該銀行表示，AI仍然對宏觀經濟不確定性具有韌性，主要美國科技公司重申了資本支出（capex）計劃，並強調運算需求繼續超過供應。

瑞銀認為，推理——運行AI模型以生成答案的過程——將成為未來AI運算需求的主要驅動力，超過訓練。

「由於智能代理AI和推理能力的發展，我們現在需要的運算量輕鬆達到去年同期預期的100倍，」英偉達（NASDAQ:NVDA）首席執行官黃仁勳在瑞銀的一份報告中表示。

該銀行呼應了這一觀點，指出思維鏈（Chain of Thought，CoT）推理等更複雜方法的出現是計算強度增長的關鍵來源。

在其預測中，瑞銀列出了四類生成式AI使用案例：聊天機器人、企業AI、智能代理AI和實體AI。

像ChatGPT這樣的聊天機器人的運算需求預計將從2024年的10 exaFLOP/s增加到2030年的200 exaFLOP/s。

對於企業應用，如欺詐檢測和合同摘要，推理需求預計在同期增長更快——從15增加到440 exaFLOP/s。

最顯著的增長預計來自智能代理AI，包括自主客戶支持和工作流程自動化。瑞銀估計，到2030年，這一領域的需求可能攀升至14 zettaFLOP/s，這將是「相較於今天的需求的巨大飛躍，我們估計目前需求在數百exaFLOP/s範圍內，」該公司在報告中表示。

實體AI，包括機器人和自動駕駛車輛，隨著其發展到模擬人類認知的某些方面，最終可能需要yottaFLOP/s範圍的運算能力。

目前安裝的GPU運算能力估計約為4,000 exaFLOP/s（加上Google（NASDAQ:GOOGL）的張量處理單元（TPUs）後達到5,000），但瑞銀指出，其中大部分仍未被充分利用。

GPU記憶體瓶頸等限制意味著實際使用率通常低於名義潛力，這使得目前的基礎設施不太可能滿足未來需求，特別是對於智能代理和實體AI。

「推理通常受到GPU記憶體的限制，這意味著芯片實際能夠提供的FLOP/s遠低於其理論最大值——記憶體限制導致芯片運行效率僅為其名義FLOP/s的25%，」該報告解釋道。

「即使有這些限制，可用容量可能足以滿足當前聊天機器人的需求，但遠低於智能代理和實體AI所需的水平，後者將需要不同數量級的運算能力，」報告補充道。

總體而言，瑞銀認為，推理在AI採用中的擴大角色，加上不斷增長的硬件需求，支持繼續投資AI基礎設施。

對於投資者而言，該銀行認為「與我們的『AI』和『電力和資源』選擇相關的股票出現任何回調都是具吸引力的入場點。」

此文章由人工智能協助翻譯。更多資訊，請參閱我們的使用條款。