迈向更复杂人工智能的过程
处理海量数据的智能体人工智能普及
中央处理器、内存及网络设备需求上升
近期，ChatGPT、Grok等人工智能模型在实现相同性能的同时，正强调以更低成本运行的效率。从投资者角度看，若人工智能能以更低成本运转，或许会产生基础设施需求也将减少的疑问。NH投资证券对此判断称，这种担忧“多虑了”。报告认为，这只是迈向更复杂人工智能应用的过程，随着图形处理器和网络基础设施等的重要性提升，相关生态系统将进一步扩展。
NH投资证券近日在报告中强调，令牌使用量与人工智能性能仍呈正比。效率提升并不意味着令牌需求会减少，而是意味着可用相同成本尝试完成更多任务。
报告尤其将“智能体人工智能”列为核心。智能体人工智能接收用户指令后，可自行将任务拆分为多个步骤执行，并从外部调取所需数据，随后还能同时运行多个下级智能体。与简单问答相比，这需要更多的计算能力和网络连接。
在这一过程中，图形处理器和中央处理器都很重要，因为部分任务将在人工智能模型之外的中央处理器环境中处理。人工智能无需直接读取全部外部数据，而是由中央处理器先行计算，仅将解析结果传递给人工智能。分析认为，这将不仅扩大图形处理器需求，也会带动中央处理器和传统内存需求增长。
报告还预计，网络基础设施的重要性也将提高。智能体人工智能会让多个智能体并行运作，并利用“提示词缓存”，即保存此前的提示词并重复使用。此时，除图形处理器内部内存外，还需要本地存储设备及服务器之间的网络支持。
NH投资证券研究员Kim Gwijin认为，这一趋势可能带动计算快速链接控制器、非易失性内存主机控制器接口固态硬盘、InfiniBand和以太网交换机等产品的需求。这意味着人工智能投资的受益范围不会仅停留在图形处理器和高带宽内存，还可能扩展至中央处理器、内存、存储和网络领域。
Kim研究员表示：“人工智能企业通常会在软件优化彻底完成后才宣布下调令牌价格，而且旗舰模型的价格完全没有下调。”他认为，“降低成本更接近于扩大使用量的基础，而非亏损式竞争。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
