全球AI服务器总投入达2万亿美元，人工智能正在吞噬整个世界

根据观察可以发现，尽管AMD和英伟达GPU的市占率增速确在加快，但AI数据中心加速器的预期增长率却有所放缓。

根据苏姿丰的预测，在生成式AI热潮的首个六年周期（2023年至2028年）之内，全球在数据中心AI加速器上投入的资金将在7000亿美元到9000亿美元之间，具体数字大家可以根据主观判断在区间内任意选择。也就是说，全球市场在AI系统上的支出总值将达到2万亿美元级别（我们将在后文中具体解释计算过程），人工智能正在吞噬整个世界。

希望不是字面意义上的“吞噬”才好。

我们首先得明确一点，相关性并不是因素性，因此AMD最新预测中AI加速器收入增幅放缓，并不单纯是因为AMD和英伟达正不断向市场中投放越来越多的GPU供应。但话又说回来，荣格曾经严格论证过同步性理论，这是一种只存在于高级生物头脑当中的非因果性关联原则，提醒我们在分析问题时别把逻辑挖得太深、时间推得太远。

不管具体原因如何吧，总之我们确实在为AI复合体支付成本，苏姿丰也在用实际行动不断推进这个依托于AI的总体目标市场（TAM）。就在上周，Advancing AI大会在旧金山召开，认为全世界在未来六年内将继续对AI进行巨额投入。

不断扩张的总体目标市场承载起各种加速器方案

早在2023年6月，在Datacenter and AI Technology Premiere大会的AMD CPU与GPU计算引擎增强功能预览环节，苏姿丰就曾经对计划于今年晚些时候推出的第三代“Antares”数据中心GPU做出过基准预测：

如果放大上图，就会发现其中标出了“数据中心AI加速器总体目标市场：GPU、FPGA和其他”，那接下来我们就围绕这几个重点展开讨论。

可以这么讲，FPGA目前对整体市场的影响甚至连噪声都称不上，这主要是因为GPU加速器在AI工作负载市场中的占比太过于庞大。至于其他部分，则大多数由后起之秀构成，其中可能包括/未包括谷歌、亚马逊云科技、微软、Meta Platforms等科技巨头自研加速器所创造的价值。

短短六个月之后，随着“Antares”MI300A和MI300X加速器的推出，生成式AI热潮迎来了首轮爆发，苏姿丰也再次大幅上调整了对于数据中心AI市值的预测。

不仅是2023年的基准收入水平将高于预期，从2023年至2027年之间的年均复合增长率（CAGR）也得到大幅上调，来到70%。最终结果就是，到2027年AMD预计加速器销售额将超过4000亿美元。

而随着上周Advancing AI大会上MI325X和MI355X的正式亮相，苏姿丰又做出了另一项预测，只是这次预测的终点从2027年延伸到了2028年：

数据中心AI加速器销售额的450亿美元保持不变，但现在预计终端收入为5000亿美元，年均复合增长率则以2028年（而非之前的2027年）计算。另外，随着预测周期的延长，原本的乐观期待也开始逐渐消退，导致年均复合增长率随之降低。最新版本认为这项增长率将只高于60%，而非70%。换句话说，苏姿丰和她的AMD在下调预期的同时又在周期上额外增加了一年，希望分散人们对于增长数字下滑的注意力。

重要提示：哪怕是给定了两个时间端点和年均复合增长率时，我们也无法真正判断这两端之间的具体数字走势。这有点像个黑匣子，唯一确定的就是开头的数字和末尾的数字。期间可能会出现大幅震荡，但与之对应的处均复合增长率并不会改变。这虽然限制了这项指标的重要性，但已经是我们能够用于预测的最佳工具，帮助我们在两个端点之间进行线性思考，而且任何差异都将在足够长的时间内被平均化分摊。

因此，如果我们假设AMD对于数据中心AI加速器支出的这三条预测在两个时间端点间呈线性增长，那么在均匀补充上中间的空白之后，最终结果将如下表所示：

中间几年的估算值以红色粗斜体标记，这是我们根据年均复合增长率计算得出的每一年销售总额。

根据AMD最新做出的预期调整，我们可以用两种潜在方式填充这份图表。

第一种就是继续保留之前 2023年12月公布的2023年至2027年AI加速器销售额预测，只额外添加2028年的新终点。我们认为AMD想要表达的肯定不是这个意思，因为如果是这样，那就意味着如上表所示，2028年AI加速器支出增长将会大幅放缓。

第二种情况则是对整个预测模型做出修订，这应该也是AMD想要达到的效果（否则也无法解释为什么此次公布了更低的年均复合增长率数字）。如大家所见，2024年至2027年（含）之间有1560亿美元AI加速器销售额被从结果中移除。与2023年12月的此前预测相比，2024年10月最新预测的累计销售额将减少这1560亿美元。

AI加速器成本约占其相关系统总体成本的一半，而网络则在其上再额外增加20%左右的投入。这种估算方法假设要部署大量闪存、主内存容量以及强大的主机CPU来驱动AI工作负载中的串行部分，由此建立起合理的AI服务器。在这个基础上再增加20%左右，就能计算出由AI服务器构建AI集群的网络成本。

那么如果将2023年至2028年AI加速器支出的7370亿美元乘以2，就能得到AI服务器支出约在1.5万亿美元左右，加上网络就是1.8万亿美元。最后加上系统软件，则基本可以认为期间AI系统总投入将达到2万亿美元量级。

如果接下来企业买家真的按照这个路子执行下去，那么除了AI服务器支出之外，其余服务器和存储市场遭遇衰退也就完全在情理之中了。

但现在，这已经是最后才需要考虑的因素了。如果全世界真的将在2023年至2028年这六年间在AI系统身上砸下2万亿美元，那么投资回报方面的压力肯定就相当大了。换句话说，我们希望在抵消经济成本的同时，再至少增加2万亿美元的经济收入。实际上，最好能把收益再提高一整个数量级。希望这种收益不是来自裁员，而是做出以往无法实现的探索。但哪怕是最乐观的猜测，裁员的贡献可能也要在其中占比一半。而且考虑到巨大的投入回报压力，再加上AI系统对于人类员工的替代效果，没准所有收益都是通过裁员方式来实现……至少我们要对此做好心理预期。

但千万不要忘记，如果人丢掉了工作，税收来源也将随之消失，自然谈不上什么全民基本收入。当然，时至今日也没有哪个人类经济实体能够真正贯彻全民基本收入，所以这事不提也罢。更加讽刺的是，那些整天喊着支持全民基本收入的家伙，脑袋里想的永远是不能影响到他们自己的收入。所以从这个角度讲，全民努力工作到老迈不堪才是最可能出现的结局。但无论是哪种情况，我希望这至少出自全人类的自主选择、出自全人类的共同福祉。