信息服务行业从“安迪·比尔”到“詹森·奥特曼”，算力与应用的跃迁.docxVIP

目 录

安迪比尔定律发展与演进 6

定律本质：把耐用品转变为消费品，加速迭代 6

定律传递：生态链演绎，和Android更新验证 6

定律影响：软件高利润，“上云”“轻量化”解决算力瓶颈 7

詹森奥特曼：AI时代的安迪比尔定律 8

定律延拓：软件、AI计算变革，安迪比尔将延续 8

产业传递：从基础设施、通用平台，到应用 10

基础设施-芯片 10

基础设施-算力集群 13

通用平台 15

AI应用 16

定律影响：锚定AGI与人形机器人，算力将演化出更多需求、形态 21

投资建议 22

风险提示 22

图目录

图1 2017-2018年单个集成电路晶体管数量增长趋势 6

图2 AI智能计算中心为AI算法、应用提供高性价比计算能力 7

图3 大规模学习系统部署到移动设备上需要轻量化处理 7

图4 大模型语言智能编程助手，赋能软件开发提效降本 8

图5 大模型算力的成本压力 8

图6 服务器产业链 9

图7 美股AI算力产业链代表性公司股价（左轴、右轴单位：美元） 9

图8 新一代AI基础设施主要由算力、MaaS及相关工具构成 10

图9 AI算力需求呈指数级增长，用以满足大模型开发和实践 11

图10 H100相比上一代A100性能显著提升 11

图11 右边为上一代架构Hopper，左边为Blackwell 12

图12 基于Blackwell平台，GB200集成了两个B100GPU 12

图13 从CPU/GPU扩展新的DPU芯片 13

图14 HBM内存堆叠涉及并与GPU通过2.5D封装 13

图15 大模型训练任务的稳定性，随着训练集群规模的扩张而递减 13

图16 不同服务器类别成本拆分 14

图17 Intel数据中心营收 14

图18 英伟达数据中心营收 14

图19 MaaS平台帮助企业更好的调用大模型能力 15

图20 人工智能发展历程 15

图21 厂商总览 16

图22 未来5年极有可能实现AGI，算力需求将有巨大提升 21

图23 三星半导体CEO成立实验室开发满足AGI需求的半导体 21

图24 黄仁勋与机器人互动 22

图25 FigureAI发布利用“端到端”神经网络技术，OpenAI大模型作支撑的机器人

Figure01 22

表目录

表1 Android系统历代配臵介绍 7

表2 H100与A100芯片指标对比 11

表3 主要AI服务器使用的AI芯片可分为GPU/FPGA/ASIC/类脑芯片四大阵营 12

表4 年初至今国内AI应用融资 17

表5 年初至今国外AI应用融资 19

安迪比尔定律发展与演进

定律本质：把耐用品转变为消费品，加速迭代

安迪比尔定律来源于：“Andygives，Billtakesaway。”Andy指的是Intel原CEO安迪〃格鲁夫，Bill则是微软的比尔〃盖茨。这句话的含义是英特尔向市场推广了一款新型芯片，微软会及时升级自己的软件产品吸收新型芯片的性能。

安迪比尔定律保证了摩尔与反摩尔定律的运行。英特尔创始人戈登〃摩尔提出著名的摩尔定律，即集成电路的集成度每18个月翻一番；同时反摩尔定律也得以推导出来，即IT产品每18个月价钱降一半。正是摩尔定律的存在使得程序员不再斤斤计较内存与

速度，加快开发速度从而更好地完善功能和用户体验；同时新的软硬件产品具备老的产品不可比拟的易用性和可靠性，保证了反摩尔定律的正确性。

安迪比尔定律暗合了微软和Intel之间的利益诉求，本质上是把耐用品转变为消费品，加速迭代。微软为了维护它在操作系统垄断地位，不断添加新功能，提升了对硬件产平台的需求，让硬件厂商受益，再将新利润投入研发，按照摩尔定律预计的速度提升

硬件性能，从而为微软进一步更新软件做好准备。这种软件吃硬件，硬件迭代更新满足软件迭代的模式本质上就是把IT产品从耐用品转变为消费品，加速迭代，这在事实上也促进了Wintel联盟的形成。

图12017-2018年单个集成电路晶体管数量增长趋势

资料来源：CSDN，

定律传递：生态链演绎，和Android更新验证

从个人电脑生态链来看安迪比尔定律：微软为首的软件开发商吃掉硬件，迫使用户更新新机器让惠普和戴尔受益，整机厂再向Intel订购芯片、向Seagate等订购外设。该生态链的传递有实际的例子，2006年上半年，因为微软的Vista迟迟不能面市，从Intel

到惠普、戴尔等整机，再到Marvell和Seagate等外设厂商销售都受到很大