原文標(biāo)題：《China’s Weird Chip Surplus, Explained——How China has both compute overcapacity and shortage》

原文作者：Nicholas Welch, Lily Ottinger, and Jordan Schneider

原文鏈接：https://www.chinatalk.media/p/chinas-weird-chip-surplus-explained

編譯：超算百科

隨著DeepSeek近期的突破性進(jìn)展占據(jù)新聞頭條，一個更深層次的問題依然存在：中國政府是否真的在推動實現(xiàn)通用人工智能（AGI）？如果是的話，它在計算資源分配中可能扮演了何種角色？

盡管DeepSeek的成就表明，獲取超越對沖基金所能拼湊的計算能力或許并不是開發(fā)算法進(jìn)步的直接瓶頸，但情況要復(fù)雜得多。西方實驗室仍在競相構(gòu)建大規(guī)模的10萬GPU級別的集群（更不用提“星際之門項目”），希望以規(guī)?；绞介_發(fā)和部署AGI。而DeepSeek的首席執(zhí)行官也多次表示，他面臨計算資源的限制。

在本文中，我們探討一個關(guān)鍵的悖論：中國為何能夠同時存在計算資源過剩和短缺的現(xiàn)象？這又說明了中國是否準(zhǔn)備好邁向開發(fā)和部署AGI的下一步？

自2024年初以來，有關(guān)中國閑置計算中心的報道不斷涌現(xiàn)。9月，租賃Nvidia AI芯片在中國的價格比美國更低。

乍一看，這似乎不合邏輯。由于美國限制了中國獲取先進(jìn)AI芯片的渠道，人們本應(yīng)看到芯片短缺、所有可用芯片被充分利用以及云服務(wù)價格高企的局面。

那么，到底發(fā)生了什么？

這一謎團也引起了中國記者的關(guān)注。在本文中，我們綜合了兩篇去年11月發(fā)表的長篇中文文章的觀點：

吳俊宇為《財經(jīng)雜志》撰寫的《中國算力，過剩了嗎？》

張帥為《鈦媒體》撰寫的《智算中心太“多”，大模型不夠用了》

本文關(guān)鍵要點

2024年，中國在其計算能力中新增了至少100萬塊AI芯片（其中70%為Nvidia，30%為華為）——從理論上講，這足以構(gòu)建多個10萬GPU規(guī)模的集群（這可能是與GPT-5或其他下一代西方模型競爭所需的規(guī)模）。

但為什么即使在當(dāng)前的1萬GPU規(guī)模集群時代，中國已經(jīng)出現(xiàn)了過?，F(xiàn)象？

解釋一：芯片部署不當(dāng)，導(dǎo)致“高質(zhì)量算力”短缺，而“低質(zhì)量算力”過剩。

在人工智能熱潮中，許多公司和地方政府急于購買GPU，認(rèn)為僅僅擁有這些硬件就能確保利潤。然而，由于其中許多人缺乏技術(shù)和市場專業(yè)知識，芯片最終被分散部署在地理位置偏遠(yuǎn)、質(zhì)量較低的數(shù)據(jù)中心，要么難以使用，要么處于沒有需求的地方。這種投機行為和資源管理不善導(dǎo)致了盡管整體算力短缺，卻仍出現(xiàn)閑置計算中心的現(xiàn)象。

政府對此作出回應(yīng)，不再批準(zhǔn)新建數(shù)據(jù)中心的許可，除非它們位于八個指定樞紐之一。行業(yè)的整合和專業(yè)化使得類似混亂在2025年阻礙中國數(shù)據(jù)中心建設(shè)的可能性降低。

解釋二：短期過剩，長期短缺。

到2024年，對基礎(chǔ)模型訓(xùn)練的需求顯著放緩。許多在2023年匆忙開發(fā)基礎(chǔ)模型的參與者已停止訓(xùn)練新一代模型。

盡管推理需求正在快速增長，但仍不足以完全吸收先前用于訓(xùn)練的過剩算力。

未來，推理需求的增長以及更大基礎(chǔ)模型的開發(fā)預(yù)計將引發(fā)新的短缺。當(dāng)前這種暫時性過剩的“過渡期”預(yù)計將在2025年中期結(jié)束。

接下來，我們將更詳細(xì)地探討中國媒體對以下問題的看法：

中國擁有多少AI芯片，又是誰在部署它們；

“虛假”和“偽”1萬GPU集群的出現(xiàn)，以及政府如何應(yīng)對；

使用國產(chǎn)芯片的算力集群所面臨的獨特挑戰(zhàn)；

從訓(xùn)練需求向推理需求的轉(zhuǎn)變；

中國是否需要更多公共云計算，而非私有GPU集群；

在10萬GPU規(guī)模時代，中國如何避免1萬GPU規(guī)模時代的陷阱。

誰參與投資了智算中心？

首先，《財經(jīng)》雜志概述了在中國實際構(gòu)建算力集群的主體。主要分為三大類：

1.大型科技公司（阿里巴巴、騰訊、百度）：預(yù)計2024年資本支出總額超過1300億元人民幣；

2.國有電信運營商（中國移動、中國電信）：計劃在2024年投資845億元人民幣；

3.地方政府和國有企業(yè)：統(tǒng)計數(shù)據(jù)不完整，但僅2024年1月至10月的投資就至少達(dá)到275億元人民幣。

《財經(jīng)》深入分析了這些數(shù)據(jù)，以估算這三類主體在2024年投入使用的芯片總數(shù)。

大型科技公司

《財經(jīng)》認(rèn)為，資本支出（Capex）是衡量算力中心投資的良好指標(biāo)，因為資本支出通常用于購買芯片和租賃土地。

2024年上半年，阿里巴巴、騰訊和百度的總資本支出達(dá)到504.4億元人民幣，同比增長121.6%，這是自2018年以來的最高增長率。如果這一增長趨勢延續(xù)到下半年，那么2024年阿里巴巴、騰訊和百度的總資本支出將超過1300億元人民幣。

需要注意的是，華為和字節(jié)跳動也運營著重要的算力中心。但由于它們并非上市公司，未披露相關(guān)數(shù)據(jù)——這意味著“大型科技公司”這一類別中的總投資實際上高于這里呈現(xiàn)的數(shù)據(jù)。

預(yù)計在未來幾個月內(nèi)，DeepSeek將像OpenAI與微軟合作那樣，與其中一家公司達(dá)成合作。據(jù)鈦媒體周一報道，字節(jié)跳動正“考慮與DeepSeek開展研究合作”。與字節(jié)跳動的合作可能為DeepSeek的研究人員帶來巨大的突破，使其能夠獲得數(shù)量級更高的計算資源支持。

圖1：阿里巴巴、騰訊和百度的資本支出（2021年第一季度至2024年第二季度）單位：億元人民幣

注：1. 阿里巴巴的自然年與其財年不一致，數(shù)據(jù)已根據(jù)自然年進(jìn)行調(diào)整。2. 科技公司的資本支出通常用于購買芯片和服務(wù)器，以及租賃土地建設(shè)數(shù)據(jù)中心；因此，科技公司的資本支出與算力投資直接相關(guān)。| 來源：財經(jīng)

2024年上半年，英偉達(dá)報告稱其在中國市場的收入達(dá)到61.6億美元（約合437億元人民幣），同比增長42.3%。由于國內(nèi)科技公司仍然主要依賴英偉達(dá)芯片，這些數(shù)據(jù)為估算中國主要科技公司購買芯片的數(shù)量提供了另一個有用的參考。

圖5：英偉達(dá)在全球各地區(qū)的營收規(guī)模（2022年第一季度至2024年第二季度） 單位：美元

注：1. 英偉達(dá)的自然年與財年不一致，數(shù)據(jù)已根據(jù)自然年進(jìn)行調(diào)整。2. 為便于統(tǒng)計，英偉達(dá)來自中國大陸、臺灣及其他非美國地區(qū)的收入在圖表中被合并為“其他”。3. 英偉達(dá)財務(wù)報告統(tǒng)計中的中國大陸收入包含香港。

國有電信運營商

《財經(jīng)》解釋稱，自2023年以來，國有電信運營商已將投資重點從5G轉(zhuǎn)向算力中心投資。事實上，其投資規(guī)模與上述私營科技公司的差距并不大。

中國移動和中國電信均披露了2024年的算力投資計劃，其中中國移動計劃投資475億元人民幣，中國電信計劃投資370億元人民幣。兩者合計845億元人民幣，同比增長13%。中國聯(lián)通未披露相關(guān)數(shù)據(jù)，因此本部分的數(shù)據(jù)也存在不完整性。

圖3：電信運營商與算力相關(guān)的資本支出（2022-2024） 單位：億元人民幣

注：2024年的數(shù)據(jù)為2023年財務(wù)報告中披露的計劃數(shù)據(jù)。

中國移動已公開發(fā)布了兩份公開招標(biāo)的采購公告。這兩份采購文件顯示，計劃采購超過9200臺華為昇騰AI服務(wù)器（一臺昇騰AI服務(wù)器通常配備4到8個GPU，因此這大約相當(dāng)于3.6萬到7.4萬個GPU）。中標(biāo)者是國內(nèi)知名的昇騰經(jīng)銷商，例如昆侖、華鯤振宇、寶德、百信、長江、鯤泰、湘江鯤鵬和四川虹信軟件。一些文章指出，中國移動在2024年建設(shè)的計算基礎(chǔ)設(shè)施中，約85%依賴國產(chǎn)芯片。

《財經(jīng)》提醒，即使是這些國產(chǎn)芯片也依賴全球供應(yīng)鏈：

華為的一位代表在今年9月向我們表示，盡管Nvidia的H20芯片目前仍在向中國銷售，但必須為最壞的情況做好準(zhǔn)備，因為供應(yīng)鏈隨時可能中斷。華為的昇騰910系列芯片依賴韓國SK海力士提供的高帶寬存儲器（HBM）。目前，國內(nèi)缺乏既有效又可靠的HBM替代品。在極端情況下，如果SK海力士的HBM供應(yīng)鏈被切斷，昇騰910芯片的生產(chǎn)能力也會受到影響。

地方政府和國有企業(yè)

這里的數(shù)據(jù)顯示最為雜亂且不完整?！敦斀?jīng)》的統(tǒng)計表明，截至2024年10月16日，各地城市已至少啟動了30個與人工智能計算中心相關(guān)的招標(biāo)項目，總投資額不少于275億元人民幣。

注：1. 統(tǒng)計時段為2024年1月至2024年10月16日，以上統(tǒng)計并不完整。2. 投資金額包括軟件、硬件及土建工程投資，例如服務(wù)器采購和智能計算中心建設(shè)。

中國到底擁有多少算力？

基于上述投資數(shù)據(jù)，《財經(jīng)》謹(jǐn)慎估計，2024年中國新增了：

70萬塊Nvidia H20芯片；

30萬塊國產(chǎn)華為芯片。

文章還提到了Semianalysis更為樂觀的估算：

超過100萬塊Nvidia H20芯片；

55萬塊國產(chǎn)（如華為）芯片。

然而，據(jù)《財經(jīng)》報道，大多數(shù)中國業(yè)內(nèi)人士認(rèn)為后者的估算并不可信。

無論如何，這使得中國擁有了足夠的GPU來構(gòu)建多個10萬GPU規(guī)模的集群。作為對比，Epoch AI估計僅谷歌一家就運營著超過100萬塊芯片。（需要注意的是，Epoch AI的數(shù)據(jù)反映的是其總?cè)萘浚鲜鲋袊臄?shù)據(jù)特指2024年新增的容量，因此兩者并不直接可比。）

鈦媒體估算，2024年上半年：

國內(nèi)智算中心交付了17億卡時（card-hours），其中5.6億卡時被使用，利用率約為32%。其他數(shù)據(jù)顯示，當(dāng)前算力基礎(chǔ)設(shè)施行業(yè)的平均機架利用率不足60%。

不同運營商的利用率存在差異：

通過云服務(wù)提供更多的算力資源可以有效提升智能算力的使用效率。阿里云和華為云已經(jīng)向多個政府部門提交了這一建議。

公共云服務(wù)的合理利用率在40%-60%之間，政務(wù)云服務(wù)的利用率在25%-40%之間，但私有化計算資源的利用率通常不超過5%。

“假的”1萬GPU集群？

僅僅擁有GPU是不夠的。在2023年和2024年中國建設(shè)1萬GPU規(guī)模集群的過程中，出現(xiàn)了許多關(guān)于高效和合理分配的問題。

阿里云智能科技研究中心主任安琳指出，當(dāng)前中國存在三種類型的“1萬GPU集群”：

1. 假的1萬GPU集群（假萬卡集群）：這類集群的技術(shù)定義是公司確實擁有1萬個AI加速器，但這些GPU分散在多個不同地點的數(shù)據(jù)中心。每個數(shù)據(jù)中心可能只有幾百或幾千塊GPU，盡管總數(shù)可能超過1萬塊，但它們無法作為一個統(tǒng)一的集群運行。

2. 偽1萬GPU集群（偽萬卡集群）：這種集群將1萬塊AI加速卡部署在一個數(shù)據(jù)中心內(nèi)。然而，雖然硬件設(shè)施集中在一個地方，但這些GPU并未被用作統(tǒng)一資源來訓(xùn)練單一的大模型。例如，一部分GPU可能用于訓(xùn)練模型A，另一部分則用于模型B。

3. 真正的1萬GPU集群（真萬卡集群）：在一個數(shù)據(jù)中心內(nèi)集中部署超過1萬塊GPU，并通過先進(jìn)的大規(guī)模資源調(diào)度技術(shù)實現(xiàn)互聯(lián)，使其能夠作為一個整體協(xié)同工作。這使得單一大模型可以同時利用全部1萬塊GPU進(jìn)行訓(xùn)練。

創(chuàng)建一個真正的1萬GPU集群需要克服諸多技術(shù)挑戰(zhàn)，例如：

高性能網(wǎng)絡(luò)以處理巨大的數(shù)據(jù)流量；

高效的調(diào)度系統(tǒng)以最大化GPU利用率；

穩(wěn)定的運行能力，能夠應(yīng)對頻繁的硬件故障。

在人工智能熱潮中，許多公司和地方政府急于購買GPU，認(rèn)為僅憑擁有這些硬件就能在AI競賽中占據(jù)優(yōu)勢。然而，其中許多人缺乏實際部署這些資源所需的技術(shù)專長，導(dǎo)致了“假的1萬GPU集群”和“偽1萬GPU集群”的出現(xiàn)。據(jù)鈦媒體報道：

“目前，囤積NVIDIA顯卡確實造成了一些算力浪費。許多買家缺乏構(gòu)建智能計算中心所需的網(wǎng)絡(luò)、調(diào)度和運營能力。一位業(yè)內(nèi)技術(shù)專家直言不諱地表示：‘投機行為太多了。很多人其實并不在這個行業(yè)——他們以為囤積硬件就能賺錢。他們把這些GPU隨便塞進(jìn)某個數(shù)據(jù)中心，卻沒有解決穩(wěn)定性、容錯性等技術(shù)問題，結(jié)果造成了大量資源浪費?！?

此外，一些中國的中小型云服務(wù)提供商可能提供價格低廉的服務(wù)，但其質(zhì)量同樣較低。

政府的應(yīng)對措施

中國政府清楚地意識到2023年及2024年初因數(shù)據(jù)中心建設(shè)混亂所造成的資源浪費，并已采取措施，試圖主動減緩新建數(shù)據(jù)中心的步伐。

據(jù)鈦媒體報道，國家發(fā)展和改革委員會（NDRC）已停止批準(zhǔn)新建數(shù)據(jù)中心的能源配額。不過，如果在去年我們文章中探討過的中國“東數(shù)西算”項目的八大節(jié)點之一中使用華為芯片，則可能會獲得例外批準(zhǔn)。

《科技日報》（黨媒《科技日報》頭版文章）發(fā)表了一篇題為“智算中心建設(shè)不應(yīng)盲目跟風(fēng)”的文章，提出了以下觀點：

智算中心的運營和管理高度依賴專業(yè)技術(shù)人才和高效的管理團隊。如果沒有這些，算力中心可能無法按預(yù)期發(fā)揮作用，導(dǎo)致設(shè)備閑置和資源浪費。

因此，是否建設(shè)、何時建設(shè)以及在何處建設(shè)智算中心需要科學(xué)審慎的決策?！皬谋娦睦怼被蚣庇凇案L(fēng)”的行為必須避免。總體原則應(yīng)是基于明確且可持續(xù)的市場需求，因地制宜地建設(shè)智算中心，并適度超前規(guī)劃。

地方政府正在提高對承包商的要求：

一些地方政府加強了對智算中心運營的要求。例如，山東德州一個價值約2億元人民幣的項目，在招標(biāo)文件中明確表示將采用“設(shè)計、施工、采購與運營一體化模式”。該項目要求運營期不少于五年，并明確規(guī)定了項目驗收和交付使用后每年的算力收入下限。

據(jù)云軸科技（ZStack）CTO王偉介紹，政府如今對智算中心提出了更高要求。過去，簡單建成算力中心即可，但現(xiàn)在政府希望尋找有能力的運營商，或?qū)⒔ㄔO(shè)與運營整合起來，以確保算力的高效利用。

其他地方政府則嘗試將其閑置的計算資源交給云服務(wù)提供商：

一些地方政府已開始協(xié)調(diào)，鼓勵云服務(wù)提供商租賃其智算中心的閑置算力?！拔覀兩踔敛恢绹鴥?nèi)有這么多GPU。某種意義上，算力短缺與資源錯配并存，”一位業(yè)內(nèi)人士表示。

此外，還有幾項政府政策試圖解決小型分散計算中心的資源浪費問題：

《數(shù)據(jù)中心綠色低碳發(fā)展專項行動計劃》對數(shù)據(jù)中心行業(yè)的區(qū)域布局、能源和水資源效率以及綠色電力的使用提出了嚴(yán)格而全面的要求。該計劃還提出“全面取消對高耗能行業(yè)的地方優(yōu)惠電價政策”。人們普遍認(rèn)為，這一政策將加速淘汰落后產(chǎn)能，優(yōu)化行業(yè)供給結(jié)構(gòu)，推動健康發(fā)展。

工業(yè)和信息化部（MIIT）近期批準(zhǔn)了六個城市的云邊端一體化智能算力應(yīng)用試點。這些試點旨在解決各地早期建設(shè)智算中心過程中出現(xiàn)的問題，尤其是由國有資金支持的小型分散算力中心的資源浪費問題。

除了這些政府措施外，文章還指出，隨著市場逐漸成熟，投資策略逐步調(diào)整，低質(zhì)量或低效的參與者（如部署次優(yōu)或閑置系統(tǒng)的機構(gòu)）可能會自然被淘汰。隨著時間推移，更高效的參與者將占據(jù)主導(dǎo)地位，從而緩解閑置計算資源的問題。

國產(chǎn)芯片是否更容易閑置？

文章對國產(chǎn)芯片在閑置算力悖論中的作用傳遞了復(fù)雜的信息。

據(jù)《財經(jīng)》報道，受閑置悖論影響最嚴(yán)重的集群是由國有移動運營商和地方政府運營的那些。部分原因在于它們使用的是國產(chǎn)芯片：

國產(chǎn)AI芯片的情況更為特殊。目前，國產(chǎn)AI芯片僅達(dá)到了“能用”的水平，但距離“好用”仍有差距。盲目使用這些芯片只會導(dǎo)致算力浪費。企業(yè)需要通過各種技術(shù)手段進(jìn)行適配，以最大化國產(chǎn)AI芯片的效率。

鈦媒體也描述了華為芯片面臨的生態(tài)挑戰(zhàn)，但引用業(yè)內(nèi)人士的觀點稱，這些問題只是小問題，是不可避免的，并且最終將有助于華為生態(tài)的成熟：

一方面，有觀點認(rèn)為，國內(nèi)智算中心仍然依賴海外生態(tài)系統(tǒng)，需要三到五年的過渡期。在此期間，大規(guī)?？焖俳ㄔO(shè)此類中心很可能導(dǎo)致顯著的浪費。專家指出，國內(nèi)AI計算存在效率低下問題，他表示：“華為的運營能力非常強大。然而，在用戶準(zhǔn)備好采用國產(chǎn)GPU或華為解決方案之前，華為已經(jīng)投入大量資源開發(fā)計算集群和智算中心。電信運營商雖然建起了數(shù)萬GPU的集群，但硬件從可用到高效使用之間仍存在差距。隨著更多國產(chǎn)芯片進(jìn)入市場，這些低效問題可能會更加突出?！?

另一方面，也有觀點認(rèn)為，海外限制只會愈加嚴(yán)格，國內(nèi)AI計算生態(tài)必須更快成熟。與國家戰(zhàn)略競爭相比，因建設(shè)過快引發(fā)的一些小問題是可接受的。“不過，總體而言，我對國產(chǎn)GPU持樂觀態(tài)度，特別是在大模型時代的算力趨勢變化下。過去，AI模型非常分散，Nvidia的CUDA生態(tài)系統(tǒng)之所以占據(jù)主導(dǎo)地位，是因為它需要支持如此多的不同模型。如今，隨著大模型逐漸整合，主流框架變得更加統(tǒng)一。同時，Nvidia GPU價格昂貴，且獲取其算力面臨諸多挑戰(zhàn)，因此會有更多人愿意嘗試國產(chǎn)GPU，”專家補充道。

從訓(xùn)練需求向推理需求的轉(zhuǎn)變

2023年，無數(shù)公司爭相開發(fā)基礎(chǔ)模型，推動了全國范圍內(nèi)眾多算力中心的建設(shè)。

2023年出現(xiàn)了算力短缺，因為“百模大戰(zhàn)”導(dǎo)致對訓(xùn)練算力的需求激增。美國出口管制進(jìn)一步限制了供應(yīng)，而企業(yè)的恐慌性采購加劇了供需失衡。一家領(lǐng)先科技公司的戰(zhàn)略規(guī)劃師在2023年8月提到，他們的公司在2023年以比Nvidia官方定價高出1.5至2倍的價格購買了市場上的A100/A800和H100/H800芯片，甚至從小型和中型分銷商手中收購了散貨囤積的芯片。

然而，到2024年，許多公司已放棄開發(fā)基礎(chǔ)模型的雄心，導(dǎo)致訓(xùn)練需求急劇下降。這表明資源正逐漸集中到行業(yè)中的少數(shù)主導(dǎo)者手中。根據(jù)鈦媒體的報道，截至2024年10月，在中國正式獲批的188個模型中（《ChinaTalk》編輯注：原文未提供數(shù)據(jù)來源，因此僅供參考）：

超過30%的模型在獲批后沒有進(jìn)一步進(jìn)展；

僅有約10%的模型仍在積極進(jìn)行訓(xùn)練；

近50%的模型將重點轉(zhuǎn)向AI應(yīng)用開發(fā)。

《財經(jīng)》也認(rèn)同這一觀點，并指出：

需求結(jié)構(gòu)正在發(fā)生變化。到2024年，隨著企業(yè)囤積了越來越多的芯片，算力逐漸變得充足。模型訓(xùn)練的需求開始放緩，而應(yīng)用推理的需求尚未爆發(fā)。此時，一個過渡性的“空檔期”出現(xiàn)了。

目前，國內(nèi)科技公司如阿里巴巴、字節(jié)跳動和百度的旗艦?zāi)Ｐ托阅芤呀咏麿penAI的GPT-4。由于GPT-4之后的下一代模型尚未真正出現(xiàn)，追趕GPT-4的任務(wù)已基本結(jié)束。因此，國內(nèi)主要科技公司暫時放緩了模型訓(xùn)練的努力。

在2022年至2027年之間，訓(xùn)練算力的比例將下降至27.4%，而推理算力的比例將上升至72.6%。

2024年至2027年的數(shù)據(jù)來自國際市場研究公司IDC的估算。| 來源：《財經(jīng)》

然而，推理需求正在增長。百度的Token消耗量從2024年5月的2500億增長到8月的1萬億，增加了四倍。字節(jié)跳動同期的模型Token消耗甚至增長了十倍。

圖7：百度與字節(jié)跳動大型模型的日均Token消耗量 單位：億/日均

注：1. 百度數(shù)據(jù)來源于百度財報披露。2. 字節(jié)跳動數(shù)據(jù)來源于字節(jié)跳動新聞發(fā)布會披露。

所有這些都表明，最終可能會再次出現(xiàn)算力短缺。《財經(jīng)》指出：

我們從多家技術(shù)云服務(wù)提供商和部分電信運營商處獲悉，他們的共同判斷是“短期充足，但長期不足”。短期內(nèi)，現(xiàn)有的算力能夠滿足基本業(yè)務(wù)需求，并在局部出現(xiàn)過?，F(xiàn)象。然而，從長遠(yuǎn)來看，AI應(yīng)用的落地將需要更多的算力支持。

這一“過渡期”的長短取決于兩個因素：第一，下一代模型訓(xùn)練競賽何時開始；第二，推理算力需求增長的速度，這取決于AI應(yīng)用的采納與普及速度。

一些科技公司的技術(shù)專家預(yù)測，這一過渡期可能會持續(xù)到2025年中期，但總體而言不會持續(xù)太久。

本文轉(zhuǎn)自：超算百科