我不認為人們完全理解推理將為 AI 基礎設施創造的需求量。 訓練萬億參數的模型與每個業務、組織和消費者活動中每秒鐘進行的萬億個並發標記的數量相比，顯得微不足道。 我對這一建設非常看好。當然，$NVDA 表現良好，但在晶片、伺服器、能源、網絡和代理平台等領域的公司也會隨之上升。💪🏻 記下這一點 😎🚀

AMZN 會議重點： - AI 基礎設施容量短缺：AWS 的需求超過我們的容量，電力是最大的限制；預計供應問題將持續 "幾個季度"，儘管每季度在 "晶片、數據中心和電力" 上的資本支出達到 314 億美元。 - 多年基礎設施建設：承認建立足夠的 AI 容量將需要 "幾個季度"，但預計每個季度都會有所改善；將 AI 視為 "我們一生中最大的技術轉型"，需要持續的重投資。 - 推理經濟學驅動策略：預計 80-90% 的 AI 成本將從訓練轉移到大規模推理；將定制硅視為關鍵優勢，因為客戶將像對待 CPU 一樣尋求更好的性價比。 - 巨大的收入機會受限：AWS 的年化運行率為 1230 億美元，但如果有足夠的容量，"可以創造更多收入並更好地幫助客戶"；生成式 AI 已經是一個 "每年增長三位數的多億美元業務"。