当前位置：首页 > web >正文

技术 — 资本双螺旋：AI 时代的投资浪潮与技术突破

web 2025/7/27 14:32:13

2025 年，全球“抢 GPU”热潮席卷科技界。据 Tom's Hardware 报道，OpenAI 首席执行官 Sam Altman 宣布，公司计划到年底拥有超过 100 万张 GPU，这一目标可能耗资 3 万亿美元。这一惊人数字不仅彰显了 AI 技术的飞速发展，也揭示了资本在推动技术进步中的关键作用。技术与资本如同 DNA 的双螺旋，相互缠绕、相互促进，驱动着 AI 产业的每一次跃迁。

第一幕：基因突变——技术链条的历次关键节点

2012 年：AlexNet 与 GPU 的崛起

2012 年，AlexNet 在 ImageNet 大规模视觉识别挑战赛中以 15.3% 的 top-5 错误率大幅领先，标志着深度学习的突破。据 Wikipedia，AlexNet 由多伦多大学的 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 开发，包含 8 层神经网络（5 层卷积层和 3 层全连接层），拥有 6000 万个参数。这一模型利用两块 NVIDIA GTX 580 GPU 的并行计算能力，显著加速了训练过程。

在 AlexNet 之前，图像分类依赖手工设计的特征。AlexNet 的成功证明了深度神经网络在大数据和高算力支持下可以超越传统方法，开启了深度学习热潮。GPU 成为 AI 训练的标配硬件，吸引了大量资本投入到硬件研发和云服务中。

2017 年：Transformer 与 TPU 的普及

2017 年，Google 研究团队在论文《Attention is All You Need》中提出了 Transformer 模型，彻底改变了自然语言处理（NLP）领域。据 Wikipedia，Transformer 摒弃了传统的循环神经网络（RNN），采用注意力机制，显著提高了模型对长距离依赖关系的捕捉能力。这一创新催生了 BERT、GPT 等模型，成为现代大语言模型的基础。

与此同时，Google 推出的张量处理单元（TPU）为 Transformer 的训练提供了高效硬件支持。据 Hugging Face 的文档，TPU 专为张量运算优化，相较于 GPU 在某些任务中速度更快、能耗更低。云服务商如 Google Cloud 开始提供 TPU 实例，使开发者能够以较低成本训练复杂模型，推动了 AI 的商业化应用。

2025 年：具身智能与多模态 ASIC

2025 年，具身智能（Embodied AI）成为 AI 发展的新前沿。据 MarketsandMarkets，全球具身智能市场预计从 2025 年的 44.4 亿美元增长到 2030 年的 230.6 亿美元，年复合增长率达 39.0%。具身智能赋予机器人、无人机等物理实体感知、学习和与环境交互的能力，广泛应用于制造业、医疗和物流。

多模态 ASIC（专用集成电路）是支持具身智能的关键硬件。这些芯片专为处理视觉、音频和传感器数据等多样化输入设计，相较于通用 GPU 更高效。据 IEEE Journal of Selected Topics in Quantum Electronics，基于光子集成电路（PIC）的 ASIC 平台在能效和速度上超越传统 GPU，为具身智能的规模化部署提供了可能。

第二幕：能量供给——资本链条的周期脉搏

投资高峰与低谷

AI 投资在过去十余年经历了显著增长。据 Our World in Data，全球 AI 私人投资从 2012 年的不到 30 亿美元激增至 2020 年的 750 亿美元。2021 年，投资额达到 935 亿美元的高峰，但 2022 年因经济波动下降至 1896 亿美元。尽管如此，2025 年全球 AI 投资预计将接近 2000 亿美元（Goldman Sachs）。

并购狂潮与芯片投资

科技巨头通过并购加速 AI 布局。例如，2012 年 Amazon 收购了 AI 初创公司 Evi，为其 Echo 产品奠定了基础。2017 年，Microsoft 收购 SwiftKey，增强了其 NLP 能力。芯片领域投资同样火热，NVIDIA 在 2023 年因 H100 GPU 的需求暴涨，市值突破 1 万亿美元（Forbes）。

产业政策与泡沫

各国政府通过政策支持 AI 发展。2024 年，美国联邦机构出台了 59 项 AI 相关法规，加拿大承诺投资 24 亿美元，中国则推出 475 亿美元的半导体基金（Stanford AI Index）。然而，投资热潮也带来了泡沫风险。2023 年的 AIGC 热潮导致估值过高，部分 AI 初创公司因缺乏产品市场契合而失败（NerdWallet）。

第三幕：扭结时刻——双链交汇的典型场景

2012：深度学习与云 GPU 租赁

AlexNet 的成功催生了云 GPU 租赁市场。AWS、Google Cloud 和 Microsoft Azure 推出 GPU 实例，使初创公司无需购买昂贵硬件即可开展 AI 研究。例如，DeepMind 利用云 GPU 开发了 AlphaGo，吸引了 Google 的收购。

2017：Transformer 与云厂商 AI 战略

Transformer 模型推动了云厂商的 AI 战略升级。Google Cloud 提供基于 BERT 的 API，Microsoft Azure 推出 Azure Cognitive Services。这些服务降低了企业采用 AI 的门槛，促进了 AI 在客服、翻译等领域的应用。

2023：AIGC 泡沫与 H100 断供

2023 年，AI 生成内容（AIGC）热潮席卷全球。据 New York Times，OpenAI 使用超过 1 万张 NVIDIA GPU 训练 ChatGPT，导致 H100 GPU 供不应求，价格飙升。初创公司为获取算力不惜重金，催生了 GPU 租赁市场（Observer）。

2024：ASIC 飞升与硅光资本赛道

为应对 GPU 短缺，2024 年企业转向 ASIC 和硅光技术投资。据 TrendForce，TSMC 与 Broadcom 和 NVIDIA 合作，开发基于光子集成电路的 CPO 技术，预计 2025 年实现 1.6T 光传输。Lightmatter 公司融资 4 亿美元，估值达 44 亿美元，专注于光子计算（Lightmatter）。