EETimes：英偉達AI帝國2026遇考，45%投資者預警泡沫

  ICC訊  GPU最初并非為智能而生。這些芯片是像素處理器，專為快速浮點計算而設計，旨在渲染視頻游戲和3D圖形的炫目視覺效果。但這條路徑正出現裂痕，投資者和技術專家都在質疑，GPU能否持續(xù)滿足其設計初衷之外的智能需求。英偉達AI驅動的增長是充滿風險的，尤其考慮到這已遠超出該公司最初的設計目的。

  這就是為什么即使在近期業(yè)績井噴的情況下，像Michael Burry、Peter Thiel和軟銀這樣的“聰明錢”（smart money）投資者也在悄然退場。在機構投資者中，美國銀行最近的一項調查顯示，45%的受訪者指出AI泡沫是首要風險。并且，20年來首次，多數受訪者認為公司投資過度，這一激增“源于對AI資本支出熱潮的規(guī)模及融資方式的擔憂”。

  GPU的成功與根本局限

  盡管GPU取得了巨大成功，我們仍已抵達一個危機點。在自動駕駛領域，GPU存在實際局限，無法滿足車載AI系統(tǒng)的散熱和能耗限制，這促使特斯拉等公司開發(fā)自己的定制解決方案以替代GPU。而大語言模型持續(xù)產生“幻覺”，即使有龐大的GPU集群運行這些模型，因為計算雖然加速了，卻沒有產生更可信的結果。

  近70年來，科技經濟的流動符合邏輯。硬件構建軟件，軟件轉變?yōu)槠脚_，平臺承載應用，應用到達用戶手中。資金從物理世界流向數字世界。隨著數據中心增長、AI和GPU的發(fā)展，情況發(fā)生了逆轉。價值向下轉移到土地、冷卻、電力、物理基礎設施和熱物理學。技術棧底層的基礎設施，比構建在其上的各層更有價值。

  當這種逆轉發(fā)生時，頂層的風險就會暴露。GPU在這種逆轉中并非天生有缺陷，但轉向GPU部署會將價值轉移到昂貴的基礎設施上。這給投資者和合作伙伴提出了一個問題：英偉達的AI相關產品能否保持其發(fā)展步伐？英偉達的GPU對其利潤表而言是一個絕無僅有的“幸運意外”，但公司設計它們的初衷是用于圖形可視化和游戲。

  “雙重陷阱”問題即是此類挑戰(zhàn)之一。首先是“精確但不真實”，即傳統(tǒng)AI在數值上是精確的，但你無法總是信任或可靠地復現結果。另一個陷阱是“有推理無記憶”，即大語言模型并不理解它們輸出某個答案的“過程”和原因。沒有內在邏輯或對推理路徑的理解，這意味著AI只是在產生模仿，而非真正的理解。AI推理的這些根本局限不僅僅是理論上的，它們還導致了巨大的能源和算力需求，并暴露了當前基于GPU的AI系統(tǒng)的能力上限。盡管GPU以加速的規(guī)模暴露了雙重陷阱的缺陷，但GPU本身并非原因。

  英偉達在更廣闊的AI生態(tài)系統(tǒng)中遭遇挫折，并不意味著GPU將不復存在。它們仍然是出色的加速器，對游戲創(chuàng)新以及增強現實和虛擬現實的突破至關重要。圖形渲染和物理模擬仍將依賴GPU，科學計算和高性能計算也是如此。但GPU并不智能；它被設計用來進行插值、乘法和累加，以并行的、可預測的工作負載來變換幾何形狀和模擬著色。大語言模型所追求和承諾的智能恰恰相反。它是順序的、有狀態(tài)的、無界的和符號化的。

  能耗與物理極限的挑戰(zhàn)

  GPU也是電力和能源的消耗大戶，使其長期可持續(xù)性面臨極大挑戰(zhàn)。高盛預測，到2027年，全球數據中心的電力需求將增加50%。熱量打破了擴展曲線。據麥肯錫數據，基于空氣的冷卻消耗了典型數據中心高達40%的能源。再加上每天高達500萬加侖的用水量，這些數據中心僅為了冷卻芯片和對抗物理規(guī)律就蒸發(fā)了大量水資源。訓練成本是另一個斷點：單次訓練運行就需要大量調用GPU，增加了更多成本和用水。

  當然，英偉達公布了創(chuàng)紀錄的利潤并超出盈利預期。但隨后的短暫反彈后，其股價仍低于歷史高點，這提醒投資者，近期的成功可能已達到維持AI硬件和軟件擴展步伐的極限。是什么導致了更廣泛的下行情緒？軟件領域的領導者們表示，當前的大語言模型并非完全可靠或可信，因此需要一條新的路徑。

  黃仁勛本人在2024年11月的一次采訪中表示：“我們必須達到這樣一個程度：你得到的答案，你大體上是信任的。我認為我們還需要幾年時間才能做到這一點，與此同時，我們必須不斷增加計算量?！?

  現實將通過物理或經濟約束影響AI和GPU，正如在每個技術周期中發(fā)生的那樣?；ヂ摼W初創(chuàng)公司曾承諾不受限制的增長，但基礎設施成本和未經證實的商業(yè)模式阻礙了它們。智能手機則遇到了電池化學技術的極限。

  “浮點泡沫”與未來轉向

  我們正在進入GPU和英偉達的“浮點泡沫”（floating-point bubble）現實。人們曾經相信，20世紀80年代發(fā)展起來的浮點運算將使模型更大、更具創(chuàng)新性。但現在正出現修正，因為物理學設定了邊界。存在一個三重天花板，其中能量主要消耗在數據移動上，并觸及電力和冷卻的制約。

  計算面臨著延遲、帶寬和非確定性瓶頸，而隨著每個新的大語言模型帶來的每瓦特和每美元收益遞減，資本也在收緊。用GPU擴展AI正觸及經濟和物理極限，以至于構建更大的基于GPU的模型并不能保證改進結果。

  即將到來的修正將轉向更小、更具創(chuàng)新性的基礎設施，讓每一美元的計算帶來更強的推理能力、更高的精度和回報。下一波浪潮將屬于確定性的、可復現的計算，其中每個決策和每焦耳能量都經過驗證和審計。下一批AI贏家將看到成果不是由規(guī)模定義，而是由精度定義。

  原文：Why Nvidia's AI Empire Faces a Reckoning in 2026 - EE Times - https://www.eetimes.com/why-nvidias-ai-empire-faces-a-reckoning-in-2026/