華爾街日報發文解析，為什麼人工智慧領域支出的成長呈現上升趨勢。文章認為，儘管投資人曾短暫猶豫，但現在，大型科技公司、政府和創投正以前所未有的速度將資金注入AI領域。要理解這現象，我們需要深入了解人工智慧技術本身的演進。

從大語言模型到推理模型

傳統的大語言模型需要大量的電力和運算時間來訓練。然而，人們正在迅速找到方法，以減少在使用者運行大語言模型時所需的資源量。推理模型則不同，它們基於大語言模型，但在實際運作中消耗的資源（包括晶片和電力）要多得多。

自OpenAI在9月發布其首個推理模型o1以來，AI公司紛紛推出競爭產品。其中包括今年初震撼AI界，以及許多科技和電力公司估值的DeepSeek R1，還有伊隆馬斯克的xAI剛推出的Grok 3推理模型。

DeepSeek之所以引起恐慌，是因為它展示了一種可能性，即以其他模型成本的一小部分來訓練AI模型。這可能會減少對資料中心和昂貴、先進的晶片的需求。但實際上，DeepSeek推動了AI產業去發展資源需求量更大的推理模型，這意味著計算基礎設施仍然非常必要。

推理模型的資源需求

推理模型及其相關產品（如「Deep research」工具和AI agent）為何需要如此多的資源？答案在於它們的運作方式。

Nvidia的AI產品管理副總裁Kari Briski最近表示，AI推理模型可以輕鬆使用超過傳統大語言模型100倍的運算資源。這種倍增來自於推理模型在長時間「思維鏈」中與自己對話（並非所有對話使用者都能看到）。模型使用的計算資源與產生的單字數量成正比，因此產生100倍單字的推理模型將使用更多的電力和資源。

當推理模型存取互聯網時，資源需求會進一步增加，如Google、OpenAI和Perplexity的Deep research模型。

這個數量的算力需求只是開始。 Google、微軟和Meta計畫在2025年共同支出至少2,150億美元用於資本支出，其中大部分用於AI資料中心。這將比去年​​增加45%的資本支出。

科技巨頭們的季度資本支出

未來AI有多大需求？

為了預測未來AI的需求量，我們可以列出一個簡單的等式。等式中的第一個值，是在像ChatGPT這種大模型的內部，處理單一資訊標記所需的計算資源量。

1月，隨著中國AI模型DeepSeek R1的發布，每個標記的成本（包括算力資源和金錢）似乎會大幅下降。 DeepSeek及其相關論文展示了一種方法，可以比美國AI實驗室先前揭露的方法更有效率的方式訓練和交付AI。

表面上看，這似乎表明AI未來對運算能力的需求將僅為當前的一小部分，例如十分之一甚至更少。但推理模型在回答使用者提問時需求量的增加可能會彌補這一點。簡單來說，如果基於DeepSeek見解的更有效率AI模型，將對運算能力的需求減少到十分之一，但如果推理模型成為標準，並使對這些模型的需求增加100倍，那麼未來AI對算力的需求仍將是現在的10倍。

1000倍成長

這只是起點。隨著企業發現新AI模型更強大，它們越來越多地調用這些模型。這將計算能力的需求從訓練模型轉向使用模型，即AI行業中的「推理」。

Baseten的CEO Tuhin Srivastava表示，這種向推理的轉變已經在進行中。他的客戶包括在應用程式和服務中使用AI的科技公司，如Descript和PicnicHealth。這些客戶發現，隨著對自身產品需求的快速成長，他們需要更多的AI處理能力。

未來幾年，技術創新和更先進AI晶片的出現可能意味著，向客戶提供AI的系統會比今天更有效率一千倍。創投家Tomasz Tunguz表示，投資人和大型科技公司在賭，未來十年中，由於推理模型和AI的迅速普及，對AI模型的需求可能會增加一兆倍或更多。

「你鍵盤上的每一次按鍵，或你對著麥克風說的每一個音素，都將由至少一個AI轉錄或處理，」Tunguz說。如果是這樣，他補充道，AI市場可能很快就會比今天大1000倍。