百度沈抖：今天所有喊缺算力的人，都是一时兴起做AI的人

百度沈抖认为“今天所有喊缺算力的人，都是一时兴起做AI的人”，其核心观点是：真正深耕人工智能领域的企业，会提前做好算力储备，而那些因短期热度涌入AI赛道的企业，才会因缺乏规划而面临算力短缺问题。以下是具体分析：观点背景：生成式AI浪潮下的算力需求激增生成式AI（如大语言模型、多模态模型）的研发与落地需要海量算力支持。训练一个千亿参数规模的模型，需数千张高端GPU芯片连续运行数周甚至数月，推理阶段对算力的需求同样呈指数级增长。在此背景下，算力成为AI产业发展的关键资源，部分企业因算力不足而影响项目推进，甚至出现“一卡难求”的现象。沈抖观点的逻辑支撑长期投入者的算力储备真正深耕AI的企业，会提前规划算力资源。例如，百度等头部企业通过自建数据中心、优化算法架构（如模型压缩、量化技术）、采用混合精度训练等方式，降低算力消耗并提升效率。此外，与芯片厂商（如英伟达、华为）建立长期合作，也能确保算力供应的稳定性。生成式AI通过拆解人类意图指导机器人执行任务，需强大算力支持系统运行。短期入局者的资源短板部分企业因AI技术热度涌入赛道，但未充分评估算力需求。这类企业可能缺乏以下能力：技术积累：未掌握模型优化技术，导致算力利用率低下；资源整合：未与芯片供应商建立合作，难以获取高端算力设备；长期规划：未将算力成本纳入商业模式设计，项目推进受阻时才暴露短缺问题。沈抖认为，此类企业的“缺算力”本质是战略缺失，而非行业普遍现象。行业现状的补充验证头部企业的算力布局百度：自建昆仑芯片，针对AI场景优化算力性能；微软：与OpenAI合作建设超算中心，部署数万张A100芯片；谷歌：通过TPU芯片与云计算结合，提供弹性算力服务。这些企业通过长期投入，构建了算力壁垒，支撑其AI业务的持续创新。微软、百度等企业通过生成式AI对现有产品进行智能化升级，需持续算力投入。短期入局者的挑战部分初创企业或传统行业转型者，因资金、技术限制，难以承担高端算力成本。例如，训练一个中等规模模型需数百万美元投入，若缺乏清晰商业模式，企业可能因算力短缺而放弃项目。观点延伸：算力问题的解决路径沈抖的观点并非否定算力的重要性，而是强调战略规划与资源整合能力。对于AI企业而言，解决算力问题可从以下方向入手：技术优化：通过模型压缩、分布式训练等技术提升算力效率；生态合作：与芯片厂商、云计算服务商建立合作，共享算力资源；政策支持：利用政府补贴、算力调度平台（如“东数西算”工程）降低使用成本。总结沈抖的言论揭示了AI行业的一个现实：算力短缺是短期投机者的困境，而非长期参与者的瓶颈。真正致力于AI创新的企业，会通过技术积累与资源整合，将算力转化为竞争优势。这一观点也提醒行业：AI发展需理性投入，避免因短期热度忽视长期战略规划。