附件 PPT 来自红杉资本（Sequoia Capital）美国。
图 1：生成式 AI 目前达到了 30 亿美元的收入，大约花费了一年多时间。而 SaaS 达到类似水平花费了十年。
图 2：CB Insights 统计的已披露大模型相关投资并购案例的数据，大约 200 多亿美元的资金中，有 169 亿美元投向了基础设施，尤其是英伟达的 GPU。
根据红杉资本的研究，其认为过一年一共有 500 亿美元花费在了生成式 AI 上面（包含数据中心配套的机房、供电等）。
500 亿美元 vs. 30 亿美元，是过热了，还是伟大征程的开始？
BCG 针对 750 名咨询顾问使用 ChatGPT 的典型咨询工作实验发现，对于水平相对弱的分组，参与者借助 ChatGPT 可提升 43% 的效率；而高水平分组的提升效率为 17%。
注：针对产品创新创意类工作任务。
The Economist 基于 OpenAI 披露的数据，绘制了一张图，展示了不同的大模型及应用在算力需求上的变化。
纵轴是 OpenAI 用于描述 AI 计算量的算力单位 petaflop/s-days (每天执行 one petaflop per second）。OpenAI 定义一次乘法或一次加法为一个操作。如果每秒钟可以进行 10 的 15 次方运算，也就是1 peta flops，那么一天就可以进行约 10 的 20 次方运算，这个算力消耗被称为 1 个 petaflop/s-day。
从整体看上，摩尔定律时代大约两年算力翻一番；而当前用于 AI 大模型训练的算力需求大约每 3.4 个月算力翻一番。
附图来自 GSMA 在 2023 年的边缘计算调研，针对全球运营商、网络设备商、云服务商、IoT 系统集成商和汽车制造企业。
围绕那个垂直行业领域是调研对象的 “边缘计算应用当前的第一选择”，32% 的反馈是消费者电子，其次是媒体（17%）和零售（10%）。
针对五年后的想法，消费电子（22%）、媒体（20%）仍然位居前两位，交通和汽车提升到第三位（14%）。
