对冲基金 Coatue 绘制了一张图，其将信息科技划分为了七大主题周期，分别是:
(1) 大型主机：IBM、HP；
(2) PC：Dell、Intel；
(3) 网络通信：Ericsson、Cisco；
(4) 桌面互联网：Google、Amazon、Facebook；
(5) 移动互联网：Apple、字节跳动、腾讯；
(6) 云计算与 SaaS：Salesforce、微软、Amazon；
(7) 生成式 AI（AGI）。
围绕生成式 AI 的机会，Coatue 罗列了很多，既有大模型 GPT 和杀手级应用 ChatGPT 的服务商 OpenAI，也有 GPU 算力芯片服务商 nVidia 和 AMD，还有台积电 TSMC，还有利用 AGI 强化当前服务的 Adobe。
理论上，每一轮浪潮都有最大赢家的。类似前六轮都可以绘制出少数代表性标杆企业，AGI 目前还看不准。
Mckinsey 在 2023 年和 2021 年分别针对全球汽车行业的决策者们进行了调研，围绕 L4 和 L5 高等级自动驾驶的用例（Use Case）的开发周期预期。
最直接的结论就是，对比 2021 年的判断，2023 年调研中对多数用例的预期平均延后了 2-3 年。
产业对 L4 和 L5 的进展难度有了更深入的理解。
上市公司每个季度的业绩汇报逐渐成为一种大数据分析的热词来源。
Panjiva Research 监测了全球 8,000 家上市公司的季报文本，可以看到三个热词的出现频率在持续提升：
(1) Supply Chain 供应链 ；
(2) Inflation 通货膨胀；
(3) Logistics 物流。
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。
