目前消耗大量算力的行业和企业主要包括以下方面：
对于小公司而言，直接参与基础设施建设机会较小，但为当地企业提供 AI 训练的算力支持，并配备服务团队帮助整理知识、寻找业务场景、做垂直训练和微调等，可能存在一定机会。
周鸿祎：我纠正一下，刚才那个小伙子给我挖了一个坑，我真的不是中国最懂AI的人，中国有很多懂AI的人，人家作为科学家不爱表达，不说。还有很多懂AI的人不屑于跟你们交流，还有很多懂AI的人他讲你也听不懂。我只是恰好喜欢思考，用普通老百姓的语言能够把一些东西会的由浅入深。第二，我觉得要弄AI就上我的课，我今天讲了AI认知方面的东西，先建立AI的信仰，然后要去使用一些AI的产品，建立一些基本的了解，下场我专门讲企业级AI如何做，你就参加下一节课好了。提问：我是在北京做拍卖公司的，江苏有一个数字科技公司。所以，我想问一下，做我们普通企业，对底层的基础设施还有没有什么样的一个前景？底层的基础设施和应用场景不是两个入口吗？周鸿祎：小公司肯定就不要碰基础设施了，基础设施现在要么是做云，在云端有很多显卡，智算中心的服务是非常巨大的，我不觉得会有小公司的机会。但是，如果给当地的企业做AI训练，提供一些算力支持，我觉得可能是有一定的机会。但是，你就要提供一支服务团队，因为你光有算力是不够的，当地的企业需要有人帮他整理知识，寻找业务场景，做垂直训练，做微调，最后做业务的融合，你得有一支服务的力量才能把你的算力能发挥出来，所以你应该找个合作伙伴。提问：中国互联网现在过度移动化，导致PC上，很多巨头网站，像新浪、京东，PC端网站十几年都不更新了。但是，我们看到AI也好，国外很多创新的产品也好，都是从PC端开始参与的，这个趋势在您看来是一个不好的，是未来会扭转的，还是说中国来说就是一个合理的现象？
类比电力革命，从第一个灯泡被点亮到首座发电设施被发明出来，花了十年时间，然后又花了五十多年渗透到各行各业；这一轮AI革命的起点应该是2012年的AlexNet，由神经网络驱动的人工智能再次回到历史舞台，差不多也是十年后，革命意义的ChatGPT诞生，完全证明了在有效的架构Transformer之上，叠加算力和数据就能出奇迹；这个组合就像发电站一样可以源源不断的输出智能，后面要做的事情就是扩大规模的同时降本增效，覆盖全行业。配图3.04：我们还处于AI革命的早期去年八月，Elon Musk在首次对外演示Tesla FSD12的一次Twitter Space中，提到他对算力和能源的看法：“我们90%的数据中心都变成为算力中心，提供加速计算；人类很快会变成强计算依赖，未来80-90%的能源都会用在计算上”。再回头看看我们现在的基础设施之中，用于AI算力的占比有多少？大约2%，Coatue在今年初的一份LP报告中提到了这个数据。现在正处于AI基础设施第二轮的升级浪潮之中：AI服务器的占比：9%AI在整个半导体行业的收入占比：10%AI数据中心电力消耗的占比（美国）：2+%AI云计算收入的占比（Amazon&Microsoft）：～3%从百分之九到百分之九十，AI数据中心的升级才刚刚开始。因此，这次智能革命，会让芯片和数据中心业务最先受益，从Nvidia的股价就能看出；另外业务用量的提升，AI云计算收入，其实主要是模型托管的收入，将成为云计算公司的主要收入。配图3.05：AI对电力消耗的预估
在边缘，拥有最佳使用场景的将胜出。中心算力：科技巨头要发展终端算力，其一，是为了缓解云端的瓶颈，未来大多数的智能任务都是简单的能在终端直接完成的；其二，云端必须承担复杂的推理任务，这是个人、企业还有科研的高级智能需求；最后一个最重要的任务就是训练模型了。Elon Musk说接下来拥有100亿美元以上的算力投入的公司，才能进入AI研发的第一梯队，所以xAI就立刻宣布了计划用十万块H100连成一个巨大的集群，称之为“Gigafactory of Compute”；不过截止到目前，根据SemiAnalysis透露的消息，Google才是真正的GPU Rich，他们自家的TPU加上Nvidia的GPU，算力多到溢出，现在训练Gemini最新版的算力规模高达～1e26 FLOPS，比OpenAI用来训练GPT-5的要大四倍左右。所以OpenAI才要拉上微软，让他出资一千亿美金打造史上最豪华的算力中心StarGate，算力能飙升到多少尚不清楚，但设计中5G瓦的电力需求，已经占到2023全美国数据中心能耗的70%了，看来投资核聚变势在必行。。在云端，拥有最多算力和最优数据的将胜出。Apple在最新的WWDC正式发布了Apple Intelligence，其中架构上最有趣的部分就是Apple’s On-Device and Server Foundation Models，边缘和远端混合的组合模型，用Private Cloud Computing技术端到端加密保证用户数据安全。在这个架构之下，每个iCloud用户都能够拥有属于自己独特的微调模型，做到基础模型跟着用户一起进化。Apple正在用自己边缘都优势弥补大语言模型的后发劣势。配图3.07 Apple Intelligence-Private Cloud Computing