全球算力狂熱｜2028年晶片兩億枚 科企重本投入 金額達國家級GDP
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
人工智能（AI）研究機構Epoch AI資料顯示，全球數據中心現時部署約2000萬枚AI晶片，預計這數字每9個月增加一倍；至2028年底，全球AI晶片數量將飆升至2億枚，相當於目前規模的10倍。美國《紐約時報》提到，美國擁有約5500個數據中心，數量為第二名的10倍。亞馬遜、谷歌、微軟及Meta等美國科企，控制全球約80%的AI運算能力；單是谷歌擁有的AI晶片數量，就相當於中國所有公司總和的4倍。
市場研究公司IDC預測到2029年，全球AI基礎設施的投資將超過一萬億美元（約7.8萬億港元），大幅高於去年的3180億美元，相當於瑞士的經濟產出。
微軟正於美國威斯康星州擴建數據中心，預計2028年建成，其算力將是訓練早期ChatGPT機器的100倍以上。美國伯恩斯坦研究院預測，今年華為、字節跳動、阿里巴巴（09988）等科企，將在數據中心等AI領域上投資1110億美元。
規模堪比曼哈頓計劃
高盛預測，亞馬遜、Google、微軟、Meta及甲骨文，今年將在數據中心、晶片及其他AI基建投入約7500億美元。至於中國是AI領域最接近的競爭對手，Epoch AI估計在去年底，內地企業擁有116萬枚H100等效晶片數量，高於2024年初約24.4萬枚。此等規模及雄圖大計，堪比十九世紀的鐵路建設，以及上世紀四十年代製造原子武器的曼哈頓計劃。
不少科技界領袖認為，只要輸入更多數據及算力，AI就能承擔更多人類職責，這稱之為「規模定律」（Scaling Laws）。谷歌DeepMind負責人哈薩比斯（Demis Hassabis）撰文提到，AI可能會以10倍速度，帶來「10倍於工業革命的成就」。不過，有經濟學家及投資者擔心，科企在AI領域的支出速度，超過其獲利能力。
若回顧十九世紀的鐵路熱潮、上世紀二十年代的電氣化，以至九十年代末的科網泡沫，過度支出的公司紛紛倒閉，伴隨着經濟衰退及股市崩盤。2025年諾貝爾經濟學獎得主之一、法國學者阿吉翁（Philippe Aghion）指出，每次科技革命之後，往往出現泡沫爆破情況，「AI就像第四次工業革命，它也具備產生泡沫的特質。」
世界經濟收益不均恐惡化
除了算力可能供過於求外，新建數據中心也消耗大量電力。中國國家能源局估計到2030年，內地數據中心用電量將達91吉瓦（GW），約佔總用電量的6%，高於去年的19吉瓦。市場研究公司SemiAnalysis數據也顯示，去年全球數據中心消耗64吉瓦電力，相當於德國全年的用電量；預計2030年底將增長4倍，超過南美洲及非洲所有國家的用電量總和。
中美兩國加劇AI競賽，有可能拋離世界其他地區，加劇經濟收益分配不均等問題。聯合國副秘書長兼技術問題特使吉爾（Amandeep Gill）擔心，「如果今天75%的運算能力集中在美國幾個區域，12%到15%集中在中國，5%集中在歐盟。那麼世界其他地方，又該何去何從呢？」
有科學家及技術專家認為，即將到來的算力浪潮，會推動藥物發現，以至機械人技術的進步。其中一項新評估是「遠距勞動指數」，這測試考驗AI完成常見自由職業任務的能力，例如開發手機遊戲。今年7月份，Anthropic旗下AI模型Fable，已完成16%比例的任務。未來將出現一項名為「遞歸式自我改進」的突破性進展，AI有望在毋須人類幫助下加速自身進步，甚至建構下一個版本。
關鍵字
規模定律
規模定律（Scaling Laws）指AI模型的效能，會隨着系統的計算資源（Compute）、訓練資料量（Data）與模型參數規模（Parameters）的增加，模型的性能會呈現可預測的規律性提升。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
