返回资讯中心
外部精选
软件工程
#开发者实时流

关于 AI 需求,没人认真讨论

来源标题:Nobody is talking seriously about AI demand

原文仅提供了一个标题「Nobody is talking seriously about AI demand」,正文内容为 CSS 样式代码,未包含任何可核实的事实或细节,因此无法提炼出具体的主体、动作或数据。

Hacker News 最新gmays2026/11/20 · 今天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

2028年的AI资本开支预计将超过法国的国家预算。前沿AI实验室的收入增长曲线几乎能为任何数字找到合理性。AI需求中的反身性是一把双刃剑,而现在正是开始讨论它的好时机。

在最新一期播客中,@dwarkesh_sp 提出疑问:既然前沿智能的预期收入高达每GW 1000亿美元,为什么前沿实验室不在算力上投入更多?按这个速率,如果 Anthropic 将其全部预期产能变现,到2026年底其 ARR 可能达到5000亿美元——足以按收入计成为全球第三大公司。

没有人在认真讨论AI需求。如今,分析师们为任意供给水平建模出无限的AI需求,却没有真正拆解这些需求究竟来自哪里。但需求极其重要,它决定了前沿实验室能投入多少资本、哪些模型会被使用,以及价值将在何处积累。

以下是我思考AI需求的框架、看多前沿 token 的理由,以及几个相关话题。

我对AI的未来需求极其乐观。但我的框架表明,对前沿 token 的需求可能部分具有反身性,由AI热潮本身所推动。这很好,会加速增长,但也可能朝相反方向螺旋下行。

METR 的长时程图表可能是当今世界上最重要的一张图。

基于这张图,我常说可以把 token 看作时间单位。每个模型产生的 token 代表一定的任务时程,而前沿模型拥有最长的持续时间。在这张图上,o3 约为30分钟,而 Mythos 约为3小时。使用 o3 的软件工程师可以委派最长30分钟的任务,而使用 Mythos 的工程师则显著提速——最多可委派3小时的任务。

这张图也为组织人类活动提供了框架。让我们定义:

AI需求归根结底是对劳动力的需求。而要思考AI需求侧的动态,我们需要一套新的劳动分类法。想象一个2×2矩阵,将“有界—无界”类别与“长时程—短时程”类别组合起来:

对于这些任务,AI很快就会刷爆所有基准:你大可以相信 METR 的趋势线。今天用任何AI模型都能轻松一次性搞定简单的前端开发(有界、短时程),而税务规划(有界、长时程)可能还需要一两年,但我们终会到达。

有界任务也是人们通常希望尽可能少花时间的任务(上行空间小,主要只是别犯错的问题)。在这里,AI需求会极高,但会收敛到最便宜的选项:有界任务的 ROI 主要是成本节约的函数,而非额外收入(对会计的需求终归有限)。

因此,非前沿模型将占据主导:无需为实验室的利润率付费,优秀的推理服务商随处可得,小模型的后期训练也很有效。开源模型将持续追赶前沿——而这个滞后对这类任务基本无关紧要,因为你只需要把它们自动化一次。

无界任务则截然不同:按照定义,你总能做得更多。探索太空,你总能探索得更远。缩小芯片上的节点,你总能缩得更小。改进AI,你总能把它做得更好。你总能构建更多软件,也总需要更新交易策略。

换句话说,无界任务是那种你愿意投入尽可能多时间的任务——这正是前沿 token 基本不可替代的原因。这类任务,一辈子往往都不够用。由于这些任务高度凸性、呈幂律分布,ROI 方程主要聚焦于额外收入而非成本节约。更快严格来说更好,而竞争动态意味着“第一”是最重要的事。你想要最好的AI模型、该品类中最好的软件、alpha 最高的交易策略。

前沿模型将在此占据主导。就像在 F1 中一样,赛车只能撑9个月也无所谓——你始终需要开最好的那辆。

上述框架今天已经在实时上演。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →