导语
06
关键争论：扩大还是缩小规模？
不同参与者将根据地缘政治趋势，选择扩大或缩小生成式人工智能的采用规模。这影响着对AI系统访问、控制的辩论，包括开源与闭源AI的讨论，以及AI安全、内容审核和半导体出口管制等议题。
1. 扩大规模的理由
在这种情况下，大型通用AI模型将主导大多数应用，需要大量计算资源，导致市场结构类似于半导体制造，只有少数参与者能构建尖端系统，具有重大经济和地缘政治影响。过去十年，机器学习模型的扩展带来性能提升，这应是默认趋势，但非必然。
2. 缩减的案例
如果趋势持续，特定任务微调的小型AI模型可能会使市场就绪的AI用例民主化和商品化，允许广泛实体开发和部署定制AI解决方案。
支持缩小规模的理由包括：现有小模型足以满足多数用例；小模型迭代更易，提供定制化性能；扩大规模方法可能产生递减回报；获取新数据越来越难，开放网络数据已接近枯竭，且对数据使用的担忧上升。
07
人工智能治理的未来
生成式人工智能技术的发展将反过来塑造人工智能治理的未来。虽然这些人工智能系统的确切方向仍然未知，但我们开始看到不同的课程如何带来巨大的机遇和风险。
1. 扩大规模下的治理（闭源）
在扩大规模的情况下，生成式人工智能的创建和使用将需要巨大的数据中心，这些数据中心充满了强大而昂贵的GPU，提供了明确的瓶颈。这将影响人工智能发展的治理和规范的执行。进入壁垒，包括资本、人才和在监管框架内工作的能力，将更容易界定，并将有利于现有企业。
2. 缩减下的治理（开源）
去中心化AI开发将促进多样化创新，让更多参与者在具备基础设施条件下部署强大模型，尽管这可能增加滥用风险但减少权力集中。小型专用模型的可预测性和可审计性将提高AI安全性。多国和非国家行为者使用尖端AI工具，预示着行业结构在扩散时将带来希望与风险。
08
绘制芯片大战的图表
扩大与缩小规模的辩论影响半导体技术发展，如美中经济与安全审查委员会报告指出，逻辑芯片（执行计算机计算以为数字设备供电的半导体设备）和系统存储芯片（在计算过程中快速存储数据的高性能半导体设备）的复杂性取决于硅晶圆上晶体管的宽度，晶体管更密集通常意味着更高的计算能力。
到目前为止，人工智能进步的主要驱动力是由每个芯片计算能力的快速增长实现的。当今最先进的逻辑芯片的晶体管宽度小至三纳米（nm），每个芯片上可产生数百亿个晶体管。
摩尔定律表明，现代芯片性能大幅提升，但物理限制可能使未来进步放缓或递减，影响消费者和地缘政治应用。
目前美国与盟友协调半导体供应链战略，通过出口管制限制中国获取16纳米以下先进半导体技术，这在美国2014年已实现，显示硬件在技术发展和地缘政治竞争中的关键作用。
总体而言，半导体出口管制的重要性因AI对高计算能力的需求而上升，美国和盟友通过合作控制关键技术，可能引入新规则如“云计算最终使用规则”，以加强地位。强大的计算能力是数字世界发展的关键，拥有此能力的国家将维持其地缘政治影响力。
09
人工智能与商业
图4 人工智能堆栈
1. 能源
虽然能源是运行任何计算系统的先决条件，但它在训练和运行人工智能系统时尤为重要。
现代计算生态系统及其能源消耗集中在大型云数据中心，尽管规模庞大，但这些数据中心的能源效率非常高。
随着大型语言模型（LLM）的兴起，数据中心的核心标准正在改变。GPU的能耗远高于CPU，且随着GPU复杂度的增加，能耗差距不断增大。每一代更强大的LLM都需要更大规模的高性能GPU集群来训练，导致功率需求不断上升。
数据中心能源需求的增长将促使运营商寻找能源成本低廉且供应可靠的地理位置。资源丰富的地区，甚至是偏远地区，将因其能源优势成为主要的AI数据中心市场，为市场参与者带来能源层面的巨大价值。
2. 计算
目前，尖端GPU的市场需求远远超过供应，导致数据中心业务同比增长显著，市场估值提升。供需失衡促使公司和国家开始过度储备GPU，反映出技术的地缘经济重要性和全球供应链的不确定性。
面对未来GPU需求，公司和国家采取了多种策略，包括在没有明确用例的情况下收购或租赁AI芯片。这可能是由于对出口管制的预期或对技术重大影响的假设，导致囤积成为经济或商业上的优先事项，加剧了GPU供需的脱节。
AI工作负载正从训练转向推理，其中训练是构建AI模型的过程，而推理是应用这些模型的过程。推理相比训练，计算要求低，技术复杂度小，可以在较低端硬件上执行，减少了对尖端硬件的依赖。
推理的普及可能改变商业竞争格局，影响依赖软件生态系统的芯片供应商，并推动计算去中心化。这可能导致新的数据中心规划，优先考虑新芯片和新的市场机会，对现有出口管制的效率产生地缘政治影响。
3. 数据
如今，数据已成为创造和改进智能行为的关键能量来源，其重要性在人工智能领域尤为显著。数据源正受到更密切的研究和交易，尽管开放网络提供的原始数据接近极限，新的专有数据源仍在扩展。
在训练和运行人工智能系统方面，数据是必不可少的。随着LLM的规模每代增长约10倍，所需的训练数据量也相应增加。目前，开放网络数据足以满足需求，但未来几代尖端LLM可能面临数据短缺问题。
知识产权所有者对将他们的内容用于AI训练表示担忧，他们有动机保护其知识产权，并可能推动建立新的规范和市场，类似于互联网从"Napster时代"到"Spotify时代"的转变。
随着公开数据接近极限，私人数据的重要性日益增加。尽管存在隐私和许可等问题，公司将寻求解决方案以扩大数据池，预计会出现新的商业途径，如通过新型许可协议购买和销售可信数据。同时，“数据丰富，收入匮乏”的平台可能通过数据许可解锁新的收入来源，特别是那些拥有大量、高质量或特定领域数据的平台。
4. 模型
过去一年，商业焦点主要集中在大型闭源基础模型如GPT-4和Bard上，但同时，小型开源模型如Llama 2和Falcon也迅速增长，它们在特定领域任务中表现出色，并有望嵌入更多边缘设备，实现更分布式的应用。
小型模型的快速发展可能导致基础模型AI公司面临商品化压力，应用层价值增加，以及垂直特定模型的兴起，这些模型以高度相关数据为关键护城河，可能会改变传统的应用程序概念。
技术进步将改变模型的结构和用途，使模型能够通过API、插件等连接到其他资源，访问更多信息和功能，增加智能和精度，同时提高与现实世界的交互能力，为开发高能力、个性化、永远在线的AI助手提供潜力。
生成代理的崛起将对模型公司和互联网公司产生深远影响。对于模型公司，规模将成为独特护城河，开发者将为用户最多的生态系统构建子模型和工具，形成正循环，带来更多功能和更好的用户体验。
结语
人工智能的快速发展正在重塑技术、商业和地缘政治，其未来影响深远且不可预测。我们正处在一个可以塑造由人工智能驱动的未来的时代，将见证关键里程碑，标志着一个新兴的生成性世界秩序的形成。
2024年，全球41%的人口将前往投票站，包括三个人口最多的民主国家，印度、美国和印度尼西亚。随着民主国家在多个方面面临挑战，包括乌克兰和中东正在进行的战争。我们还将更好地了解人工智能如何改变战争的性质以及自由社会如何自卫。
图5 2024全球选举
从中期来看，人工智能将重塑科学发现并重新设计全球化。人工智能已经在加强科学突破，包括加快 Covid-19疫苗研发的数据驱动战略。人工智能将全面加速科学方法的发展，在医疗领域将为药物发现、疾病检测和临床试验促进提供新的方法。
人工智能虽然可能引发新的挑战，如生物武器等，但其潜在的历史性好处不容忽视。技术创新历史上促进了经济发展、社会福利提升、工资增长和需求增强，创造了前所未有的就业机会和产业。我们应该平衡对AI的担忧，同时关注它将释放的新机遇。
人工智能的时代已经不能回转。最重要的问题是，我们将如何生活在一个新的技术时代，届时类似人类的智能，将成为我们世界的一部分。今天，我们有能力选择未来会是什么样子，这取决于人类明智地选择。
参考资料
高盛研究所 |《
生成式世界秩序：人工智能、地缘政治和权力》（The generative world order: AI, geopolitics, and power
）索要报告原文及译文，请扫码添加小编联系！
