作者｜趙賽坡
頭圖｜視覺中國
本期首先聚焦美國芯片限售令的最新進展，原定 30 天的緩沖期已提前生效，一系列芯片限售將對中國 AI 產業帶來哪些負面影響，本期將從三個方面進行解析。
英特爾正迎來糟糕時刻，高通發布新一代面向 PC的 CPU，英偉達、AMD 蠢蠢欲動，桌面計算的變革大幕徐徐拉開。
本期還將關注以下議題：
財報季：微軟、Google 財報展示生成式 AI 發展情況；
市場：微軟投資澳洲、市場認可“與英偉達站在一起”的公司；
研究：大模型透明度指數、訓練大模型的能耗爭議等。
接下來，歡迎和我一起復盤圍繞數據與智能的產業關鍵事件。
計算·中美
先看美國芯片限售令的最新進展，英偉達本周向 SEC 提交的一份文件里稱，美國商務部的新一輪限售令已經在周一提前生效。原本這項措施將在 10 月 17 日之后的三十天內生效，英偉達并未透露美國政府為何提起實施該措施。
受到該法令影響的 AMD 還沒給出進一步消息，而在中國市場銷售 Gaudi2 芯片的英特爾表示正在評估法規帶來的潛在影響。
根據英偉達的文件，此次限售令受到影響的芯片產品包括但不限于 A100、A800、H100、H800、L40、L40S 和 RTX 4090 產品，這其中，A800/H800/L40S 的限售令已經生效。
此次限售令將給中國人工智能產業，特別是大模型領域帶來巨大影響。首先，大模型的創業以及競爭門檻將大幅拉高，創業公司不僅要拿到足夠的錢，還需要找到足夠的 GPU，方式或許是多種多樣——或灰或黑，方法或許比困難多，但成本一定高出不少。
其次，對于像百度、阿里巴巴這樣的巨頭公司，雖然此前已經通過各種渠道囤積了眾多 GPU，而且還重金向英偉達預訂了新一批 GPU，但隨著限售令的出現，英偉達能否交付訂單，以及交付多少訂單，存在諸多不確定性。
更進一步，FT 援引消息人士的話稱，百度、阿里自研 AI 芯片的嘗試如今也面臨一系列挑戰，作為全球唯二代工高端芯片的公司，臺積電、三星能否取得美國政府的許可，從而為中國公司生產這些在某些規格上已經超越英偉達 GPU 的 AI 芯片，已經變得極其渺茫。
第三，除了灰市或黑市之外，科技公司們也會通過采購英偉達過往芯片——比如 2017 年發布的 V100 系列——來持續為大模型的訓練提供算力，畢竟這批產品還未進入限售清單，當然，也僅僅是目前。
不過這并非長久之計，因為訓練成本和效率之間的沖突會越來越大。如果你了解這幾年 GPU 的發展速度，大致可以明白這些芯片在算力、能耗方面與當下最新芯片的差距，這無疑將進一步增加中國公司訓練大模型的成本。
未來會如何呢？半導體產業鏈的復雜性，讓限售令的執行落地存在眾多可以“靈活運作”的地方；另一方面，也是最重要的一點，僅僅依靠所謂“口號”、“精神”，絕無可能可以在短期內——比如 10 年——復制一條獨立于全球的半導體產業鏈。
計算·產業
對英特爾來說，本周充滿了一系列壞消息，這并不是因為英特爾又錯過了什么，而是它的的地盤——PC 處理器市場——來了一群“野蠻人”。
路透社的獨家消息稱，英偉達已經開始基于 ARM 架構，設計支持 Windows 的 CPU；同樣這樣布局的，還有 AMD。
而就在北京時間周三，高通正式發布了一款基于 ARM 架構的 CPU Snapdragon X Elite，這款采用和蘋果 M 系列類似封裝架構的處理器，將在 2024 年出現在 Windows PC 市場。
這些消息疊加在一起，英特爾股價過去一周呈現持續下滑的態勢。
很長一段時間里，英特爾依賴于兩大“法寶”控制著 PC 市場：其一是和硬件制造商達成深度綁定關系，通過補貼等一系列方式，形成了一個相對穩固的利益共同體；其二，利用英特爾在 x86 架構的生態優勢，強化與微軟操作系統的協同，進一步增強開發者在 x86 上的忠誠度。
當市場上存在大量搭載 x86 架構處理器的硬件與大量支持 x86 架構的軟件，一個行之有效的“閉環”也就形成了，“外人”很難染指。
但過去幾年，計算領域發生了很多有趣的變化。一方面是蘋果依托自研的 ARM 處理器，不僅迅速獲得消費者的認可，也讓外界看到 ARM 架構在能耗之外的性能優勢；與此同時，隨著智能手機市場增長放緩，高通也在探索新的增長空間，這家公司自 2017 年就開始圍繞“ARM+Windows”進行嘗試，只是效果不佳。
也是過去幾年，在 AI 領域大賺特賺的英偉達，繼續強化在游戲加速市場的領先地位，AMD 持續探索低成本下的算力提升，以及，高通此番的重磅發布，也宣告整個個人計算市場將迎來一次巨大變化。
接下來，我們會看到一個無比激烈的個人設備之上的算力競爭場面：架構之爭（x86 vs ARM）、AI 之爭（英偉達 VS 高通）、成本之爭（英特爾 VS AMD/高通）以及理念之爭（蘋果 VS 其他）。
有一點已經非常確定，英特爾的糟糕日子，才剛剛開始。
巨頭·財報季
本周又將進入一輪密集的財報發布季，正如我在此前多期 AI Insider 里所言，各大云計算公司每一季度的財報，都可以作為觀察生成式 AI 落地，特別是如何驅動產業發展的重要切入口，這次也不例外，兩份云計算巨頭——微軟、Google——的成績單顯示，圍繞生成式 AI 的商業化探索，并不容易。
先看微軟。智能云業務本季度營收 242.6 億美元，同比增長 19%，高于華爾街分析師預測的 234.9 億美元；公有云 Azure 的營收增長也達到 29%，高于市場普遍預計的 26% 的增長。
結合財報分析師會議透露的消息，微軟對于 AI 的重金押注已經在云服務上初見成效：
Azure 上的 OpenAI 客戶達到 18000，相較 7 月份增長了 11000 個；
Azure 增長中的 3% 來自于人工智能，這個百分比高于三個月前的預測，當時給出的數字是 2%；
與此同時，微軟生產力和業務流程部門也實現了 185.9 億美元的營收，同比增長 13%，超過分析師 181.9 美元的營收預期。這個部門的產品包括微軟 365、Dynamics 以及 LinkedIn 等，鑒于微軟將在下月正式向企業客戶銷售微軟 365 Copilot（價格為 30 美元/人/月），下一季度這個部門的營收值得關注。
上圖展示了微軟各大業務的增長情況，這家以操作系統起家的公司，早已成為依托基礎設施（智能云）、生產力軟件（Office 等）的巨頭，借助生成式 AI 帶來的產品創新體驗，Azure 和 Office 還會迎來新的增長空間。另一個略微恐怖的數字是，截至目前，今年微軟股價已經上漲了 35%，遠高于標準普爾 500 指數同期 11% 的增長率。
與微軟相比，Google Cloud 的財報顯得極為平庸。本季度 Google Cloud 營收 84.1 億美元，同比增長 22.5%，這是過去 11 個季度增長最慢的一次。
根據 Alphabet CFO Ruth Porat 的說法，云計算增長放緩的原因是“云上客戶優化”，但并未給出更進一步的消息。
所謂“云上客戶優化”，可以理解為云計算客戶通過各種途徑——包括但不限于重新使用本地基礎設施、采用多云架構等——降低云上的成本支出，這也是目前包括 AWS、Azure 以及中國云計算巨頭們所面臨的共同問題。
但分析師看來，營收基數本身就低的 Google Cloud，其營收放緩只會進一步拉大與 AWS、微軟的差距，而生成式 AI 現階段與云計算服務之間的脫節，進一步引發市場對于 Google Cloud 發展的擔憂，其母公司 Alphabet 股價在財報發布會跌幅超過 9%。
本周其他幾家巨頭的財報：
Meta 新一季財報營收同比增長 23%，該公司股價今年已經上漲 150%，扎克伯格表示將繼續向 AI 領域投資，并降低某些非 AI 項目的優先級；
IBM 新一季度營收和利潤都超市場預期，該季度營收 147.5 億美元，同比增長 4.6%，軟件業務成為這家公司目前營收的主要來源，該季度營收 62.7 億美元；
臺積電新一季度營收達到 5467.3 億新臺幣，同比下降 10.8%，但環比增長 13.7%，該公司還透露了一個重要趨勢，芯片行業的糟糕時刻可能很快就會結束。
市場·流動性
關注金錢的流向。微軟上周宣布，未來兩年將在澳大利亞投資 50 億澳元（約合 32 億美元），用于 AI、云計算的基礎投資以及生態構建、人才培訓等。
路透社將微軟此舉看作是科技公司“政府公關”的典型案例，通過加大對當地基礎設施的投資，換取當地政府在技術監管領域的支持。比如 OpenAI 涉及到的諸如版權、偏見等問題，正在成為各國政府關注的焦點，微軟或可以利用這樣的方式，獲取一定的主動權。
在半導體市場，金錢的流向逐漸符合“誰與英偉達站在一起”。兩家韓國芯片公司——SK 海力士與三星——過去一年的競爭格局發生微妙變化，海力士在成為英偉達 HBM 供應商之后，股價大漲（截至目前已經上漲 67%），反觀三星，過去一年只有 24% 的漲幅，這是市場投出的票。
當然，業務龐雜的三星，并不會因為芯片業務的滯后而對公司業績產生直接影響，但成為英偉達甚至 AMD 等公司的芯片業務供應商，足以保證一家公司的業務發展。
關注幾筆并購：
研究·其他
大模型公司 Anthropic 上周發布一份關于“AI 憲法”的研究。所謂“AI 憲法”，簡單理解就是 Anthropic 公司對于如何規范 AI 模型研究與訓練的一系列基本立場和觀點，該公司調查了 1000 多名美國人，詢問他們對于“AI 憲法”的意見和建議，然后根據這些建議訓練了一個新版本的 Claude 模型。
接著，Anthropic 將這個模型與該公司根據“AI 憲法”訓練的模型進行對比，結果發現，兩個“模型”在價值觀、理念方面有 50% 的重疊，整體上表現也基本一致。
Anthropic 的這項研究旨在提高其大模型研究的透明度，但其方法論的設計還是存在問題，比如調查樣本里沒有種族元素，這可能會對調查結果產生影響，畢竟，此前眾多 AI 模型引發的偏見問題里，種族都是關鍵因素。
2010 年代深度學習的快速崛起，離不開學術界與產業界大量開源、開放的算法/數據集，再加上各類學術會議的論文、交流等，使得人工智能即便在算法黑箱的背景下，還能保持產業交流的透明性。
但隨著 OpenAI 逐漸成為“Closed AI”，各家公司——無論大公司還是創業企業——都對自己的技術三緘其口，不再發布與模型相關的論文，也不再展示數據集，在“商業秘密”與“安全”的宣傳口號之下，整個 AI 研究的透明度大幅下降。
斯坦福大學 CRFM 研究所上周推出的大模型透明度指數也充分展示了這樣的趨勢。研究人員設計了 100 多個指標，包括如何構建模型、模型工作情況等，以此來衡量大模型的透明度表現。
首批重點關注的十個模型表現非常糟糕，在滿分 100 的評價體系里，得分最高的只有 54 分，這意味著，沒有一個主流模型能夠及格，下圖是是排名情況：
這項指數還幾個發現：
至少 82 個指標可以被至少一家公司滿足，換句話說，大模型開發者可以通過采用競爭對手的最佳實踐來顯著提高透明度；
開源模型的透明度明顯高于閉源模型；
未來，大模型透明度指數也會根據產業的發展而不斷更新，它會成為我們持續關注大模型透明度發展的重要觀察入口。
關注大模型訓練帶來的能耗問題：
水：結合微軟和 Google 公布的數據中心用水情況推斷，ChatGPT 每 5 至 50 次提示，就會消耗 500 毫升水；
電：一份來自荷蘭的研究稱，如果按照目前的發展態勢，預計到 2027 年，AI 產業的電力消耗大概相當于荷蘭全國的用電量；
評論
最新評論