本周早些时候，在比弗利山庄举办的Milken全球会议上，五位横跨AI供应链各环节的关键人物与TechCrunch编辑展开对话，话题围绕芯片短缺、轨道数据中心的可行性以及AI底层架构缺陷等核心议题展开。参与嘉宾包括主导全球极端紫外光刻（EUV）设备市场的荷兰ASML CEO Christophe Fouquet、Google Cloud COO Francis deSouza、估值150亿美元的物理AI公司Applied Intuition CEO Qasar Younis、AI原生搜索企业Perplexity CBO Dimitry Shevelenko，以及挑战传统架构的Logical Intelligence创始人Eve Bodnia——Meta前首席AI科学家Yan LeCun今年加入其技术委员会任创始主席。
ASML的Fouquet提到，EUV设备的产能瓶颈是先进芯片供应紧张的核心所在：每台EUV机器售价1.5亿美元，生产周期长达18个月，2023年全球仅交付60台，台积电、三星等主要客户的订单已排至2026年，这直接制约了AI芯片的产能。Google Cloud的deSouza则表示，公司2023年300亿美元资本支出中，有60%投向了AI基础设施；液冷数据中心的算力密度比传统数据中心提升30%，此外他们还在探索轨道数据中心，以应对能耗和空间的双重限制。
Applied Intuition的Younis介绍，他们的模拟技术能将自动驾驶物理测试次数减少70%，研发周期缩短40%，目前已与美国国防部合作开展无人系统训练；Perplexity的Shevelenko透露，旗下AI代理功能的用户留存率比传统搜索高出40%，2024年第一季度月活跃用户已突破1000万。Logical Intelligence的Bodnia则指出，Transformer架构依赖大量数据和算力的模式难以持续，他们开发的逻辑推理模型在数学任务上的准确率比GPT-4高15%，且训练数据量减少了50%。
这些讨论也暴露了AI经济面临的多重挑战：芯片短缺制约着算力增长，基础设施投入巨大却仍难满足需求，底层架构的争议则可能改变行业发展方向。要解决这些问题，需要供应链各环节协同发力，从芯片制造到技术研发，每个环节都不可或缺。
行业近期动态中，NVIDIA于2024年5月宣布H200芯片量产，其内存带宽比H100提升30%；AMD的MI300X在云服务商中的部署量增长25%，IDC数据显示，该芯片在AI训练芯片市场的份额已达18%。在竞争层面，OpenAI 5月发布GPT-4o，多模态响应速度提升50%；Meta 4月推出拥有4000亿参数的Llama 3模型，持续主导开源市场。AI行业正处于快速迭代阶段，技术竞争也日趋激烈。
快报