算力现在很短缺，老早的V100和A100都在用。在某个时间点以后，算力就会大幅过剩，因为优化很厉害

图为大模型榜单，artificial intelligence的分数。这是说Meta的Muse爬上来了。就很多家都能搞挺高分的，谷歌的Gemini被嘲笑了，还没发力。

这榜单还有个特性，省钱的、速度很快的模型多了。这是中国开源大模型带来的风气，说明了优化的潜力很大。

就和以前AlphaGo下围棋一样，开始要一个房间的服务器支持，几千块TPU，阵仗很大。后来优化到一块强卡就能跑，轻松指导世界冠军涨棋。下围棋的算力过剩了，需求没那么多。大家还是喜欢和人下棋，看人下的棋。

原始的大模型本质就是一个极为低效的计算过程。现在美国头部模型追求高性能，优化就没怎么搞，是极为浪费的，矩阵计算绝大多数都可以狠狠优化。现在业界潮流逐渐转向优化提升性价比了。

现在是还没到时候，就说算力极度紧缺。阿里说，2020年以前买的V100和A100都在狠命用。

芯片在生产，理论上没有上限，要多少有多少。美国实际不缺芯片，缺电力和数据中心。中国AI芯片也在放量，规划非常宏大，一个月几十万片，一年上千万个AI芯片只是时间问题。

以前互联网也是缺带宽，不停加光纤，还优化传输算法，最后就够了。算力也是一样，很缺到过剩，就是一个必然的技术过程。

人就这么多，几十亿人。很多人对AI没什么兴趣，看见AI内容就反感。要么就是浅层使用，当大号搜索引擎用。跑Agent没完没了的，搞规模很大的coding的，没有很多人。一般人就是编点小程序，需要的token不多。这么算下来，对token的需求有个上限。

等大模型生产token的能力超过需求，不会停，还会继续优化提升token生产力，过剩就来了。很牛逼的智能，以白菜价价格提供。这是竞争的必然结果。