整個AI行業一直假設，高階GPU短缺將嚴重限制增長。
但推動下一階段AI發展嘅樽頸，可能唔係純粹資源短缺，而係結構性低效率。
根據Render Network嘅Trevor Harries-Jones，全球大部分運算能力其實閒置，佢認為呢個因素重要過供應緊張。
對GPU短缺嘅誤解
佢喺接受Yellow.com專訪、Solana Breakpoint活動期間表示：「全球有四成GPU係閒置嘅。大家以為GPU唔夠，其實有好多GPU性能已足夠做渲染同AI運算，但長期停用。」
Harries-Jones認為，雖然像Nvidia H100等訓練型晶片需求依然強勁，但訓練只佔現實AI運作一小部分。
「訓練只係AI運算嘅一小部分，」佢指，「推論 (inference) 佔咗成八成。」
佢認為，正正因為呢個失衡，家用硬件、中低階GPU、同新型處理器（如LPU、TPU同ASICs）都可以吸收更多全球算力負擔。
佢提出第二個轉變係傳統3D生產流程正同新型AI原生素材格式融合。
創作者推動AI走向電影級製作流程
好似Gaussian splatting技術，能保留3D結構，而唔係生成扁平2D畫面，加上世界模型出現，令AI系統同電影級製作越走越近。
呢啲發展重要，因為令AI成果可以直接用於專業製作工具鏈，唔再淨係新奇但難實用。
雖然模型大小仍是難題，但Harries-Jones預計量化同模型壓縮技術會持續精簡開源模型，令其可喺消費級裝置上順暢運行。
佢話，更細嘅模型對去中心化網絡至關重要，因分散架構靠RAM同頻寬，而非超級數據中心。
亦可參閱: Data Shows Bitcoin Enters 'Cost-Basis Cycle' Era As ETFs Redefine Market Structure
許多人預期模型愈複雜，成本愈高，但佢認為情況剛好相反。
如近期中國AI模型優先考慮運算效率多於規模，啟示未來AI將更平、更普及。
「成本下降時，你會見到愈嚟愈多新應用場景出現。」
Harries-Jones預料計算唔係短缺，而係Jevons悖論循環：成本跌，需求升，進而促使系統再提效。
佢又話，結合裝置本地、區域網絡及中央雲端運算嘅「混合運算」，將定義下一代產業。
好似Apple嘅分布式智能模式一樣，不同運算環境會按延遲、私隱、敏感度、規模處理不同工作。
關鍵性任務仍需符合法規嘅數據中心，但一般或批量工作可以逐漸交由去中心化網絡處理，加密技術進步將進一步推高界線。
3D原生內容新浪潮即將到來
長遠嚟睇，佢認為更廣泛轉變已經開始：AI推動3D內容普及化。
Harries-Jones預計，下一波面向消費者嘅AI重心將由文字或平面圖像，轉向沉浸式3D原生內容。
「以後我哋會消費嘅3D內容會多過以前任何時候，」佢指，無論新型沉浸硬件還是3D-AI工具快速進化都可見端倪。
動態圖像等傳統門檻高、需要專家先掌握嘅3D製作流程，有機會被新工具取代，讓數百萬用戶產出電影級場景。
創作者過去戒心AI，現時開始積極試用相關流程，加速工具優化，也影響混合創作流程未來發展。
佢認為，創作者意見將和硬件趨勢一樣影響行業走勢。
下篇閱讀: Why Gradient Thinks Trillion-Parameter Models Won’t Belong To OpenAI or Google In The Future