围绕 CPU 和 GPU 的目标任务差别，有研究认为，有非常多的 AI 计算需求，并不需要 “实时性”。从后台批处理（Batch Processing）、中度延迟（Mid Latency）、低延迟（Low Latency）接近实时（Near Real time）、实时（Real time），计算任务可以分为很多种。

通过 GPU 和 CPU 的组合，可以提升 GPU 任务执行的经济性。

451 Research 研究显示，围绕数据中心的并购热潮仍在继续，预计 2023 年的交易量会接近 2022 年的水平。

附图二是近期重要的数据中心并购案。Brookfield 作为全球最大的基础设施资产管理公司，其有两个并购案排名前两位。贝恩资本对秦淮数据的收购位居第三位。

围绕 AI 算力的芯片需求，目前 NVIDIA 是主导厂商，能否通过自研的方式来平替，是目前大型互联网和科技公司的重要议题。

互联网公司曾经会大量采购 IBM、HP 等品牌商的服务器；随着规模的扩大，以 Facebook、AWS 为代表的大型云服务公司会通过定制服务器的方式来平替。由于此类公司算力需求庞大，实际上云服务公司对所谓 “白牌” 服务器的采购，直接根本性的改变了全球服务器的产业格局。

服务器市场发生的故事会不会在 AI 芯片，尤其是 GPU 市场复现？

附图是 Morgan Stanley 的预测，围绕 AI GPU 自研（定制） 芯片市场在 2024 年的市场规模。Google 会贡献 18 亿美元，Telsa 12 亿美元，AWS 10 亿美元，微软 6 亿美元，阿里巴巴 4 亿美元，Meta 3 亿美元…… 共计 62 亿美元。...