在可预见的未来，大模型训练的需求不仅不会消退，而且会强劲增长，预训练的scaling law将会持续，目前的大模型需要新的芯片提升算力和准确性，所以GPT5迟迟没有发布；后训练的scaling law将逐渐普及，也就是基于AI自我学习的训练模型会逐渐展开；推理的scaling law已经在GPT-o1模型上开始启动，国内的大模型厂商也在跟进，这将是一个全球性的趋势。所以如果预训练一个scaling law的需求扩张到3个scaling law上，没有理由担心这个趋势会停止。
至于大模型的商业化变现问题，目前所有的初创公司都是亏损的，但无论是openAI这样的通用大模型、还是专业领域的模型，如Runway（数字艺术智能）、Writer（数字营销智能），都展示出不错的商业变现潜能，而且AI原生企业的数量和质量正在指数级增长，看看openAI、Anthropic、Kimi们的估值就知道了。
数字化转型已经从CPU转码进入GPU机器学习时刻，推理训练会加剧这个进程。我们可以从自身的互联网体验出发来思考这个问题，传统的互联网，本质上是将上游供给和下游需求撮合起来，比如电商连接卖家和消费者，内容平台连接创作者和用户，打车APP连接司机和乘客，本地生活连接本地商家和普罗大众，搜索实际上也是连接的供给端（站长和APP开发者）和需求端（普通用户），供给是某个个体或组织提供的，平台只是通过网络将他们汇集起来，分发给用户，整体上它们仍然是点对点式的供需匹配。而AI的供给会越来越趋向机器学习和创造转变，比如你向ChatGPT寻求答案，它会创造一个唯一的结果给你，当然这个内容也是它不停地训练学习来的；比如你向robotaxi出租车打车，实际上就是AI在为你提供服务，而不是具体的某个人类司机；你向Runway、Midjourney提出需求，背后的AI真的会给你创造出一张图片或视频，而不是过去那样，某个远方的用户拍摄或创作的内容。
无论是哪个领域，这种供给的效率提升——相对于传统的人类供给——都是指数级的增长。
在这样的背景下，从AI原生初创公司开始，到互联网巨头，再到传统行业的数千万家公司，在IT部署过程中，都将逐渐把原先的CPU切换到GPU，而英伟达会是最大的受益者。
AI不仅在渗透数字世界，也在切切实实改变物理世界，从无人驾驶、智能配送到智能机器人、AI改造过的工厂流水线，我们将看到越来越多的设备是基于GPU为内核，而不是CPU。
