为了满足这一需求，报告er指出，英伟达的GPU目前在推理计算市场中占据80%的份额，但到2028年，这一份额可能下降至50%，部分原因是大型云服务公司将推出自己的定制ASIC芯片，以增强对推理计算市场的占有率。
巴克莱将当前阶段（2023-2024）定义为“聊天机器人/助理时代”，主要特点是基于聊天机器人（如ChatGPT、Meta AI等）和一些早期的AI助理（Copilweot）的广泛应用。
与聊天机器人和助理不同，AI代理不仅可以通过多次传递请求d来完成复杂任务，还能减少人类的直接干预。这一转变背后，是AI推理计算需求的激增。
推理计算er需求大幅上升，资本支出比当前共识高出4倍
报告指出，推理计算的单位成本正在迅速下降。以OpenAI为例，巴克莱估计公司在18个月内将推理成本下降了90%以上。未来，AI产品和er服务的单位经济效益将显著提升，尤其是那些依赖于开源大模型的产品。
接下来，巴克莱预计2025-2026年将迎来“AI代理时代”，这一阶段的核心在于能够自主完成任务的AI代理的广泛应用。
在这一阶段，尽管模型和基础设施层面的性能在持续改进，但在应用层面仍存在局限，多数应用以实验性质为主，尚未形成广泛的市场适应性。
“在这个第一阶段，大部分投资者的回报都被分配给了硬件基础设施提供商，类似于互联网和移动建设的早期阶段。”

巴克莱预测，届时AI技术的普及将达到互联网用户的规模，突破40亿人。这个时代的投资回报应该在应用层，但“今天很难预测”。
风险提示及免责条款
在企业应用中，AI代理可能演变成独立完成任务的“数字员工”，在消费者市场中，智能机器人将开始逐步融入家庭生活，承担简单和重复性的日常任务。
巴克莱强调，未来几年推理计算的需求将显著超出市场预期，这一变化的背后是新一代AI产品和服务的兴起。
除了技术和市场的分析外，巴克莱还对AI产品的成本效益进行了详细评估。
　　2024年10月9日，上海市交通委、市统计局召开新闻通气会，宣布今明两年将开展上海市第七次综合交通调查（以下简称“七调”）。10月14日率先开展“居民出行家访调查”，2024

巴克莱指出，这一发展趋势的另一个显著特征是，未来的AI产品将主要在云端运行，只有少量应用在本地设备（如手机和PC）上进行处理。特别是AI代理在处理用户查询时，往往需要多次传递请求，这也将进一步推动云端推理计算需求的增加。
　　上海市民喜欢哪种出行方式？每天通勤时间多长？未来有哪些出行需求？
“投资回报可能会向上移动到应用层（也可能是模型和 API 层，尽管随着早期创新者的领先地位逐渐减弱，商品化和竞争方面的风险可能会增加）。
巴克莱预测，到2026年，AI推理计算的需求将占整体计算需求的70%以上。
报告指出，在AI发展的三个阶段中，每个阶段都对推理计算提出了更高的要求。
报告指出，AI的采用将经历三个重要阶段：首先是当下的“聊天机器人/助理时代”，其次是从2025年到2026年逐步展开的“AI代理（Agent）时代”，最后将在2027年进入“数字员工与机器人时代”。
AI爆发的时代，下一个突破口在哪里？巴克莱22日发布的研报给出了一份答案。报告提出了一份清晰的“AI路线图”，描绘了未来AI技术的演进路径。
展望未来，巴克莱认为，AI行业正处于一个关键的转折点。AI代理的引入将不仅显著增加推理计算的需求，还会为企业和消费者市场带来新的增长机遇。到2026年，消费者AI的日活跃用户数量有望突破10亿，而企业级代理的普及率则预计达到5%。
责任编辑：陈钰嘉
界面新闻记者 | 刘素楠
三大阶段清晰划分
报告指出，当前的主要AI产品，如ChatGPT和Meta AI，每月活跃用户数量均已突破2亿，但这仅占全球消费者移动应用市场的10%左右。
最后，巴克莱认为，2027年及以后，AI技术将进一步进入“数字员工与机器人时代”。
尽管AI公司通常被认为是亏损的，OpenAI在单模型基础上实际上是盈利的。巴克莱估计，OpenAI的GPT-4模型在过去两年内，通过ChatGPT的高级订阅和API收费，已经带来了近20亿美元的利润，尽管开发成本仅为1至2亿美元。未来，OpenAI的收入将持续增长，这或许将为AI发展带来拐点。
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
值得注意的是，巴克莱预测，2026年的芯片资本开支将需要比当前共识高出4倍。
界面新闻编辑 | 彭朋
来源：华尔街见闻
与聊天机器人时代不同，超大规模企业可能会在代理时代获得非常好的回报，因为推理收入会随着采用而激增。”
巴克莱还预计，随着AI应用的普及，推理计算的需求预计将在2026年达到70%以上。到那时，可能需要比预期多4倍的芯片资本支出才能满足所有这些需求。
AI产品的盈利前景向好
未来几年，计算需求将超过供应。巴克莱估计，到2025年，训练和推理使用所需的GPU和ASIC芯片将比目前的普遍预测高出250%，到2027年将高出14倍。这一变化的核心驱动因素是消费者级和企业级AI助理的广泛应用，以及更高性能、多模态AI的普及。