据该银行表示，AI仍然对宏观经济不确定性保持韧性，美国主要科技公司重申了资本支出（capex）计划，并强调计算需求继续超过供应。
瑞银认为，推理——即运行AI模型生成答案的过程——将成为未来AI计算需求的主要驱动力，超过训练。
由于智能代理AI和推理能力的发展，我们需要的计算量轻松比去年同期预计的多出100倍，Nvidia（NASDAQ:NVDA）首席执行官黄仁勋在瑞银的一份报告中表示。
该银行呼应了这一观点，指出思维链（Chain of Thought，CoT）推理等更复杂方法的出现是计算强度增长的关键来源。
在其预测中，瑞银列出了四类生成式AI用例：聊天机器人、企业AI、智能代理AI和物理AI。
像ChatGPT这样的聊天机器人的计算需求预计将从2024年的10 exaFLOP/s增长到2030年的200 exaFLOP/s。
对于欺诈检测和合同摘要等企业应用，推理需求预计将增长得更快——在同一时期从15增长到440 exaFLOP/s。
最显著的增长预计来自智能代理AI，包括自主客户支持和工作流自动化。瑞银估计，到2030年，这一领域的需求可能攀升至14 zettaFLOP/s，这将是与今天的需求相比的巨大飞跃，我们估计目前的需求在数百exaFLOP/s范围内，该公司在报告中表示。
物理AI，包括机器人和自动驾驶汽车，随着其发展到复制人类认知的某些方面，最终可能需要yottaFLOP/s范围的计算能力。
目前安装的GPU计算能力估计约为4,000 exaFLOP/s（加上Google（NASDAQ:GOOGL）的张量处理单元（TPUs）后达到5,000），但瑞银指出，其中大部分仍未被充分利用。
GPU内存瓶颈等限制意味着实际使用率通常低于名义潜力，这使得当前基础设施不太可能满足未来需求，尤其是智能代理和物理AI的需求。
推理通常受到GPU内存的限制，这意味着芯片能够提供的实际FLOP/s远低于其理论最大值——内存限制导致芯片运行时仅达到其名义FLOP/s的25%左右，报告解释道。
即使有这些限制，可用容量可能足以满足当前聊天机器人的需求，但远低于智能代理和物理AI所需的水平，后者将需要不同数量级的计算能力，报告补充道。
总的来说，瑞银得出结论，推理在AI采用中的扩大作用，加上不断增长的硬件需求，支持继续投资AI基础设施。
对于投资者，该银行认为与我们的’AI’和’电力与资源’选择相关的股票出现任何回调都是具有吸引力的入场点。