互联网仍然是预测生工智能的影响及其连锁反应的最佳案例研究。有些人倾向于将 ChatGPT 与获得 1 亿用户所需的时间进行比较，但我认为这种比较是平淡的。

　　我认为，就像互联网一样，我们所有人都将（至少）支付订阅费才能访问并持续使用人工智能。因此，我不想将过去几个月与 1 亿免费用户进行比较，而是将付费互联网用户与今天的生成式人工智能采用情况进行比较。

　　对我们来说幸运的是，互联网的采用是一个相对容易访问的指标。网站是一个很好的起点，也是我开始分析的地方。

　　最初，互联网用户必须付费才能使用互联网。相比之下，ChatGPT 用户可以免费访问 3.5，吸引了更多用户，但很难进行付费比较。更好的比较是付费互联网用户和付费 GPT 用户之间的比较。

　　全球渗透率从 0% 上升到约 70% 花了 27 年时间。如果我们对今天的付费用户进行估计，我们可以估算出ChatGPT 或 LLM 服务付费用户paying的渗透率。我将使用 Copilot 和 OpenAI 估计来创建付费用户的自下而上的估计。然后，我将尝试解析这两个单位的盈利能力，并将其与自上而下的渗透率估计进行比较。

　　让我们从我们所知道的开始。付费LLM用户的最大用户群是ChatGPT和OpenAI。让我们使用最近的收入预测，即 2023 年为 16 亿美元，2024 年为 50 亿美元。虽然 API 收入与此相关，但我们可以估计，这意味着 2023 年约有 600 万用户，明年约有 2100 万用户。

　　下一个付费用户是微软。首先，收入的基准将是 E3 和 E5 用户的转化率，目前大约有 1.6 亿用户。我假设单位增长率为 10%，然后使用 Office 365 的渗透率增长率。几年后大约为 5% 到 33%。

　　最后，我对 Anthropic、Perplexity 和 Google 最终产品等利基服务提出了一个包罗万象的市场份额假设。每年，这个数字都会增长，这是更多用户增长的插头价值。现在，我们可以将其与世界人口进行比较，坦率地说，在每个人都使用LLMs的世界中，我们处于采用曲线的极早期。如果我们将其与互联网进行比较，那么我们还处于早期阶段。

　　我确实认为互联网可以成为人工智能的一个伟大模型。如果我们假设还需要 30 年才能达到 70% 的采用率，那么我们确实处于法学硕士和人工智能采用曲线的早期阶段。更有趣的是，我可以根据我们的估计并尝试对人工智能的最终商业模型进行三角测量。

　　我们了解 OpenAI 和微软的用户，并且微软是这两家公司资本支出的主要投资者。利用我们所知道的知识，我将回顾人工智能商业模式在更高运行率的基础上可能是什么样子。让我们采用自下而上的估计并将其与隐含的经济学进行比较。

　　让我们从微软的资本支出开始。我认为 Microsoft 的增量资本支出只是支持 OpenAI 和 Copilot 的资产基础的开始。

　　我将这些资产资本化，然后将其用作 CoG 的利润。然后我假设另外 30% 的收入用于运营支出。我们可以使用 OpenAI信息估计和 Microsoft Copilot 附加假设看到商业模型的一瞥——友好提醒：这包括基础设施和模型商业模型。

　　令人震惊的是，尽管成本高昂，但如果这就是支持 OAI 和 Copilot 所需的全部资本支出，那么毛利率的运行率将相当不错。应该比传统软件要低。我假设人工智能行业三大细分市场的毛利率和资本支出会是什么样子。

　　毫不奇怪，迄今为止，这种商业模式中最大的经济价值直接体现在半导体业务上。这种成熟的商业模式具有增量驱动力，而不是对整个领域的重新思考。

　　接下来是基础设施服务参与者，我的上述行业模型假设基础设施和人工智能模型服务参与者的利润率是全额的。如今，CPU驱动的超大规模业务已广为人知，成熟的 AWS 业务拥有 30% 的运营利润率。但GPU云的未来不太确定，特别是 GPU 或加速器如何在基础设施和人工智能模型之间共享价值。如今，没有足够的利润来支撑这两者，这意味着人工智能模型将是低利润业务。

　　这对我来说没有意义，这也是我相信未来商业模式今天正在酝酿之中的部分原因。让我们讨论一下它可能是什么样子。

　　人工智能行业未来的商业模式不断变化。显然变化最快的地方是中间层（基础设施），而且它正经历一个奇怪的时刻。半导体解决方案公司（Nvidia）正在崛起，并且越来越成为单一来源供应商。与此同时，基础设施参与者必须尝试通过与人工智能模型公司（微软和OAI、亚马逊和Anthropic等）合作来确保自己的未来。

　　半导体和基础设施领域正在展开一场争夺战，目前尚不清楚谁会获胜。我们已经看到他们之间的竞争，我想举一个例子来说明事情是如何发生的。让我描绘两种不同的未来，每种商业模式都会获胜。

　　今天的王者是英伟达，他们正在销售一种特定的“未来”。GPU 是从整个人工智能生态系统中获取大部分回报的价值杠杆，并且已经清楚地表明自己是当今人工智能的关键部分。我们并不缺乏模型；我们只是缺乏模型。我们的 GPU 资源匮乏，而且这种情况可能会持续一段时间。

　　Nvidia 的解决方案是半导体优先，围绕核心 GPU 业务绘制同心圆。这使得他们的业务更具防御性，特别是 CUDA 软件和网络。过去，我将Nvidia 的解决方案称为计算、网络和软件的三头九头蛇。

　　特别是 Nvidia 在人工智能生态系统中创造了如此多的价值，以至于他们现在已经开始销售数据中心规模的解决方案。Nvidia 的 GPU 云参考设计支持新来者，并且 Nvidia 的解决方案非常完整，如果您负担得起，您不妨跳过云服务提供商。就买云吧。

　　英伟达已经将其护城河扩大到远远超出了最初的范围，以至于它开始与客户发生冲突。这总是一场激烈的竞争。客户意识到以这种方式受制于Nvidia是不好的，因此他们正在追求垂直整合。

　　在半导体上花费一定数量的单位或美元后，超大规模企业会问为什么不自己制造。如果你在某个特定产品上花费 200 亿美元，你必须问自己这个问题。

　　这种情况已经发生很长时间了，谷歌一直是三大超大规模企业中最具前瞻性的。问题是，他们执行上的迟缓，阻碍了成果的显现。

　　谷歌拥有最低的人工智能训练计算成本，没有之一,这应该是一个巨大的威慑力和竞争优势。,现实情况是，尽管发明了变压器，他们的法学硕士仍然落后。尽管处于领先地位，但许多公司现在都拥有与谷歌一样好的解决方案。如果您无法足够快地交付解决方案，垂直解决方案可能无法发挥作用，而 Google 的 TPU 可能会成为降低组织执行能力的限制因素。

　　无论如何，不仅仅是谷歌在走这条路， 微软也已经开始创建自己的加速器。全世界都意识到英伟达获得了多少价值。Nvidia 的竞争向量已不是什么秘密。这只是如何超越他们。微软的优势在于与当今的领导者关系密切，让他们知道有一天能够与英伟达断绝关系，但这需要一些时间。

　　现实情况是，这两种情况很可能成为未来。世界正在发生碰撞，堆栈的某些方面可能会慢慢被侵蚀。半导体行业正在上涨，而基础设施正在下降。胜者占领市场。下面是一个简化的图形。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

　　电子发烧友网报道（文/周凯扬）根据韩国媒体报道，三星作为世界最大的存储厂商之一，正在寻求开辟高端内存芯片租赁这一全新的

　　Ericsson和Philips，一个是通信业骄子，另一个是照明业巨头。当照明这么传统的需求碰上了移动互联网，连路灯都可以衍生出新的

　　是怎样的呢？在森川弘章看来，其一是有传感器产品的传感器实时数据，没有云端的机器间的关联操作，利用云端实现远程控制。其二是通过存储传感器的数据，提升服务。可以结合个人喜好调节产品的实际应用，通过不同业界的联合，创造新的服务。

　　近日，360公司董事长兼CEO周鸿祎在北京的讲话中提及了对人工智能的看法。在近期对硅谷一系列的人工智能公司考察后，他认为美国现在整个人工智能会成为下一个

　　把认证的克隆人，有偿或无偿提供给自己的受众。   克隆人基于小冰框架大模型、神经网络渲染及超级自然语音技术，可进行实时情感交互、提供AIGC能力，甚至有自己的朋友圈，如同人类在平行世界的第二人生。

　　：不生产任何商用的半导体产品,只依靠收取知识产权使用费来获取收益。ARM公司不生产芯片带来直接的好处就是,芯片巨头不再认为ARM

　　2013-09-29 来源：北京晚报 作者：江宝君8个月前，有个叫“行车记录仪”的东西大卖短暂风光后便进入低增长期。与一切快消类电子产品一样，众多品牌蜂拥而出，不到一年

　　连网产品系统提高每日产量，对您和客户的利润来说，都有更大的潜在提升空间。至关重要的是，您的设备需要提供什么级别的性能和操作

　　六大发展趋势，【IT168 资讯】1946年2月14日第一台计算机诞生，至今已经有50多年的历史，随着计算机和网络的普及，全球经济步入发展

　　、5G、云计算等新技术的不断崛起，电梯物联网也逐渐吸引了更多的新入局者。发展的势头虽然强劲，但就目前而言，依旧没有出现合适的

　　技术，机器人操作系统，以及上层产品应用几大环节。主要分为两类：技术类及产品类。 [img][/img]智能机器人

　　？区块链游戏在很早以前就有了，比如说在以太坊出来的时。