Investing.com——人工智能半导体生态系统的发展轨迹以不断变化的格局为标志，而推动人工智能进步所需的计算能力的需求不断增长。
巴克莱分析师表示，随着全球对人工智能解决方案（特别是大型语言模型）的需求继续超过现有芯片的供应和性能，该行业正处于关键时刻。
财报发布后，英伟达（NASDAQ：）等人工智能芯片品牌遭到抛售，引发了人们对市场是否已达到顶峰的担忧。
然而，巴克莱认为，在人工智能模型不断增长的计算需求的推动下，该行业的未来仍然充满增长。
巴克莱指出，人工智能半导体生态系统正处于加速发展的早期阶段，这一时期的特点是供应严重受限。
预测表明，训练下一代法学硕士所需的计算资源（有些参数高达 50 万亿个）是巨大的。
该券商估计，到 2027 年，仅训练这些模型就需要近 2000 万块芯片。这一数字凸显了一个严峻的现实：即使人工智能加速器的性能不断提高，人工智能计算需求的增长速度仍远远超出当前芯片技术的跟上速度。
当考虑 GPT-5 等模型的训练要求时，AI 计算需求和芯片供应之间的差距变得更加明显，与 GPT-4 相比，预计需要将计算能力提高 46 倍。
然而，在同一时期，领先芯片（例如 NVIDIA 的下一代 Blackwell）的性能提升预计仅为七倍。
芯片产能有限使这一问题变得更加复杂，例如，到 2025 年，台积电 (NYSE:) 的 Blackwell 芯片产量将限制在 1150 万片左右。
对推理芯片的预测需求增加了复杂性。推理是人工智能模型在训练后生成输出的阶段，将消耗人工智能计算生态系统的很大一部分。
巴克莱指出，推理可能占据人工智能芯片市场高达 40% 左右的份额，NVIDIA 声称其大部分芯片都用于此目的就证明了这一点。到 2027 年，训练和推理芯片的总体需求可能超过 3000 万台。
随着行业应对这些挑战，巴克莱建议对人工智能加速器市场采取双轨方法，商业和定制芯片解决方案都可以蓬勃发展。
一方面，NVIDIA 和 AMD（纳斯达克：）等公司处于有利地位，可以为大规模前沿人工智能模型训练和推理提供芯片。另一方面，超大规模企业（运营大型数据中心的公司）可能会继续为更专业的人工智能工作负载开发定制芯片。
这种分叉的方法将允许市场具有灵活性，并支持大型法学硕士领域之外的各种用例。
预计推理将发挥越来越重要的作用，不仅作为需求的驱动因素，而且作为潜在的收入来源。
新的推理优化方法，例如 OpenAI 最新“o1”模型中应用的强化学习，标志着人工智能性能突破的潜力。
通过更好的资源分配和具有成本效益的推理策略，人工智能模型的投资回报率可以显着提高，从而激励对培训和推理基础设施的持续投资。
关键词：
