产业深度01期：算力产业中期关注当前AI架构上限——算力产业研究系列（二）

核心观点

• 大模型时代加速计算需求增长： 2023年至2028年加速计算复合年增长率约32%，目前处于AGI大基建的早期阶段。
• OpenAI o1模型突破推理能力： 通过强化学习（Reinforcement Learning）和“思维链”技术，o1在推理能力方面取得重大进展，表现更接近人类。
• 中期硬件迭代或进入瓶颈期： 类比智能手机发展规律，AI产业目前处于硬件性能跃迁和软件模式创新阶段，未来硬件迭代可能进入瓶颈，软件龙头公司崛起。
• 2026年或达到AI架构上限： 当前AI架构可支撑15万亿参数量训练，预计2026年达到上限，需要新的算法和技术突破。
• AI架构上限原因： GPU能力、Transformer能力和数据资源限制，内存互连和架构设计、算法“不够聪明”、数据获取和标注等问题制约模型发展。

关键数据

• 加速计算CAGR： 2023年至2028年约32%。
• 模型参数量： GPT-4参数量1.8万亿，GPT-5预计10万亿，Llama3预训练了15T token。
• 模型训练算力： Llama2 7T tokens数据集，6000张A100，一个完整epoch需要约30天，所需算力约1.6T。
• 模型能力评估： AI在图像分类、视觉推理、自然语言推理和基本级阅读理解等基准上超越人类，但在视觉常识推理、中级阅读理解、竞争级数学和多任务语言理解等基准上仍不如人类。

研究结论

• 中期风险： 实用性AI角度，网络、内存等技术上限导致性能提升性价比降低，中型厂商转向推理领域，竞争格局存在不确定性；长期AGI角度，本轮技术爆发增速放缓，竞争格局恶化风险，新一轮技术爆发竞争格局存在不确定性。
• 长期趋势： 算力产业可能走向头部集中格局，2026年算力铺设可能减慢，等待新的算法出现，2030年后作为通用基础设施出现头部集中格局。