人工智能经济的五位架构师解释了人工智能经济的发展方向

本周早些时候，五位接触人工智能供应链每一层的人士参加了在比佛利山庄举行的米尔肯全球会议，他们与本编辑讨论了从芯片短缺到轨道数据中心，再到支撑该技术的整个架构可能出错的各种问题。

上台与TechCrunch：Christophe Fouquet，ASMLCEO，这家荷兰公司垄断了极紫外光刻机，没有它现代芯片就不可能存在； Francis deSouza，Google CloudCOO，他正在监督公司历史上最大的基础设施投资之一； Qasar Younis，Applied Intuition联合创始人兼CEO，这是一家价值150亿美元的物理人工智能公司，最初从事模拟业务，后来进入国防领域； Dimitry Shevelenko，人工智能原生搜索代理公司Perplexity的首席商务官； Eve Bodnia是一位量子物理学家，她离开学术界，在她的初创公司Logical Intelligence中挑战大多数人工智能行业认为理所当然的基础架构。 （Meta前首席人工智能科学家严乐存今年早些时候签约担任其技术研究委员会创始主席。）

以下是五人的发言：

瓶颈是真实存在的

人工智能的繁荣正在遇到严格的物理限制，而且这些限制比许多人想象的还要深入。 Fouquet是第一个这么说的人，他描述了“芯片制造的巨大加速”，同时表达了他的“坚定信念”，尽管付出了所有这些努力，“在接下来的两年、三年，甚至五年内，市场供应将受到限制”，这意味着超大规模企业——Google、Microsoft、Amazon、Meta——将无法获得他们所支付的所有芯片，句号。

DeSouza强调了这个问题的规模和增长速度，并提醒观众，GoogleCloud上季度的收入超过200亿美元，增长了63%，而其积压订单（已承诺但尚未交付的收入）在一次季度内几乎翻了一番，从2500亿美元增至4600亿美元。 “需求是真实的，”他平静地说。

对于尤尼斯来说，限制主要来自其他地方。 Applied Intuition为汽车、卡车、无人机、采矿设备和国防车辆构建自主系统，他的瓶颈不是硅，而是人们只能通过将机器发送到现实世界并观察会发生什么来收集的数据。 “你必须从现实世界中找到它，”他说，无论怎样的合成模拟都无法完全弥补这一差距。 “还需要很长时间才能全面训练在物理世界上综合运行的模型。”