人工智能数据中心及其芯片的年度投资可能超过7000亿美元，相当于美国年度GDP的2%。如此规模的投资为资本市场发挥重要作用，并带来极具吸引力的机会。 投资机会涵盖“技术栈”，从云基础设施和芯片到应用程序，目前在专业知识和资本集中的基础层具有巨大潜力。 人工智能的独特之处在于其模仿甚至增强人类智能的潜力，甚至可能通过推动创新方式的变革来改变工作的本质。 人工智能模型呈指数级扩展——其能力随着数据量、处理能力和算法改进而提升。模型中的参数就像基石——更多参数意味着更复杂、更强大的模型，能够处理日益复杂的任务。 训练和推理都需要大量资源和资本，推动对数据中心及相关基础设施的投资，其管理着人工智能运行所需的大量信息流。这里有三个主要成本驱动因素：安装芯片和服务器、建设数据中心以及为其供电。 人工智能将首先推动能源需求，这意味着近期能源成本和通胀压力上升。但当这些效率提升实现时，它们将产生通缩效应。 我们通过“栈”的框架来审视人工智能，它由三个主要层表示：应用层：在栈的顶部是软件基础设施、应用程序和将用于最终用户用例的服务。 应用层：在栈的顶部是软件基础设施、应用程序和将用于最终用户用例的服务。人工智能将支撑企业和消费者终端市场的所有应用程序和服务。智能层：这一层包括人工智能基础模型和数据。顶尖实验室正在推动算法和数据规模的进步，以解锁新能力和更智能的系统。基础设施层：人工智能的物理基础设施由云数据中心、芯片和电力组成。 整个能源系统的投资机会：电力系统：电网管理、可再生能源整合、核聚变；交通：电动汽车、货运算法、3D打印轻质部件；工业：循环经济、供应链优化、材料创新。 预计每个连接的物理系统中都能看到人工智能，包括自动驾驶汽车、无人机（军用）、仿生人（机器人技术）和增强现实（眼镜）。这些系统需要与语言模型不同形式的人工智能，它们需要更多定量和科学模型。 与互联网泡沫的类比并不恰当：如今的科技收益质量和资本效率更强，强劲的收益支撑着当今的大盘股估值。当前市场集中反映了人工智能“赢家通吃”的特征。围绕人工智能过度投资的问题是合理的，但回报可能在数年后才会显现。