个人理解:
目前普遍存在的应该是三种常态化算力（不考虑超算算力）
第一种是训练算力，就是训练大模型需要的算力，也就是DS大模型训练大幅减少的算力类型。
用游戏开发周期来举例。这个其实就相当于一个游戏的开发过程需要的资源。
第二种是推理算力，这种就是豆包，通义千问等大模型，我们在使用时，大模型响应我们的任务需要的算力。我们问一些简单的问题，需求算力资源就少，我们生成一些复杂的视频，需求算力资源就多，等待时间就长。
用游戏来举例就是游戏上线运营，在线人数越多，所需求的服务器资源就越大。
这两种算力其实都用的是大模型开发公司的算力资源，又称为云端算力
另外还有一种叫端侧算力。。这种就很简单了，我们使用的手机，平板，电脑，智能手表，Ai眼镜，机器人，无线蓝牙音响，Ai玩具，智能家居（冰箱，彩电等）等等都属于端侧硬件，而这些硬件所具备的性能就可以称之为端侧算力。
用游戏举例，你手机性能越好，玩游戏流畅度就越高，反之就可能面临卡顿，卡死等。
其实那些手机智能助手什么小艺，Siri，小爱同学其实如果把它们当成初级的Ai助手也是可以。它们就相当于在端侧本地内置安装的一个Ai大模型，调用时，用的就是端侧算力。
DS大模型事件带来的影响，从理性角度思考，训练算力由于算法优化，带来的消耗大大降低，这部分算力确实是利空，因为天花板大幅降低了。
但是这样又会推动更多大模型商业化落地，从而使得真正进入百模甚至千模大战阶段，这里会对推理算力催生天量的增量需求，就比如豆包大模型，从日活量900万提升至日活量上亿，就是10倍以上的增量。个人感觉未来一些优秀的大模型一定会实现这种量级的增长，而且上限也不止于此。所以未来对于推理算力的爆发需求至少是10倍以上的增量。这个倒是值得重视的。。
对于端侧算力，个人感觉一方面是存量的产品迭代，比如Ai手机，平板，Pc电脑等进行性能上的升级以适配Ai大模型的需求（PS，其实当下手机，Pc等产品性能对普通人而言是过剩的，但尝新的本能驱动，也会带来消费电子更新换代潮）另外就是增量的Ai眼镜，机器人，Ai玩具这些或许才是端侧算力真正的增量所在。这里的需求也是无限大的，取决于你口袋里的钱
训练算力需求巨大其实是Ai发展路上的最大拦路石。训练成本只有降低到更多企业可以进入参与，才会带领Ai行业进入下一个发展周期:群模乱舞的商业化落地阶段。
当Ai产生巨大的商业价值后，又会促使更多人入局，从而反哺训练算力的需求。
整个流程:DS大模型变革——>训练算力需求大幅减少——>百模大战商业化落地——>推理算力大幅增长&端侧算力大幅增长——>趋使更多人进入Ai行业——>训练算力需求回暖。
