全球 AI 面临 6000 亿美元难题，人工智能泡沫正在接近临界点

【新智元导读】AI 基础设施的巨额投资，和实际的 AI 生态系统实际收入之间，差距已经到了不可思议的地步。曾经全球 AI 面临的 2000 亿美元难题，如今已经翻成了 6000 亿美元。

现在，业内关于 AI 模型收入的质疑声，已经越来越大。

动辄投入几万亿美元打造基础设施，跟部分国家的 GDP 不相上下，然而从 AI 模型中得到的回报，究竟能有几何？

在 2023 年 9 月，来自红杉资本的 David Cahn 发表了一篇名为《AI 的 2000 亿美元问题》的文章，目的是探讨：「AI 的收入都去哪了？」

根据报告，当时 AI 基础设施建设的预期收入，和 AI 生态系统的实际收入增长之间存在巨大差距。同时，这也反映了终端用户的价值。

对此，他解释道：「每年需要填补 1250 亿美元的空缺，以应对当前的资本支出水平。」

随着英伟达一度成为全球市值最高的公司，如今的「2000 亿美元问题」是解决了，还是更加严重了？

结果出乎意料：AI 的 2000 亿美元问题，现在已经变成了 6000 亿美元问题。

2000 亿美元问题，直接翻了 3 倍

最近，David Cahn 再次发表博文，对全世界提出警告：人工智能泡沫，如今正在接近临界点！

他列出了下面这张表格，并且详细解释了 6000 亿美元是怎么算出来的。

计算这个指标其实很简单。你只需将英伟达的年化收入预测乘以 2 倍，以反映 AI 数据中心的总成本（GPU 占总成本的一半，另一半包括能源、建筑、备用发电机等）。然后再乘以 2 倍，以反映 GPU 终端用户的 50% 毛利率（例如，从 Azure、AWS 或 GCP 购买 AI 计算资源的初创公司或企业，他们也需要盈利）。

那么，自 2023 年 9 月以来发生了什么变化呢？David Cahn 进行了以下总结。

1. 供应短缺已经缓解

2023 年末是 GPU 供应最紧张的时候。当时，初创公司纷纷联系风险投资公司，甚至任何愿意帮助他们的人，只为获得千金难求的 GPU。

如今，这种焦虑几乎完全消失了。如今的现状是，获取 GPU 变得很容易，交货时间也非常合理。

2. GPU 库存正在增加

英伟达在第四季度报告中指出，其数据中心收入中约有一半，都来自大型云供应商。仅微软一家公司，可能就占了英伟达第四季度收入的约 22%。

如今，超大规模的资本支出正达到历史新高。

这些投资也成为了大科技公司 2024 年第一季度财报的主要亮点，CEO 们明确表示：「无论你们喜不喜欢，我们都会投资 GPU。」

在业内，囤积硬件已经不是什么新鲜事了，一旦库存增加到足以减少需求，就会引发市场调整。

3. OpenAI 仍然占据 AI 收入的最大份额

《The Information》最近报道，OpenAI 的收入已增至 34 亿美元，在 2023 年末，他们的收入还是 16 亿美元。

虽然也有一些初创公司达到了不到 1 亿美元的收入规模，但显然，跟 OpenAI 相比，它们还在努力追车尾。

除了 ChatGPT，今天消费者真正使用的 AI 产品有多少呢？

如果需要付费，每月 15.49 美元的 Netfix，或者每月 11.99 美元的 Spotify，岂不更香？

从长远来看，AI 公司提供的价值需要足够显著，才能让消费者有持续的掏钱意愿。

4. 1250 亿美元的空缺现在变成了 5000 亿美元的空缺

在上次分析中，David 曾经做过这样一种乐观的的假设：每年，谷歌、微软、苹果和 Meta 能从新产生的 AI 相关收入中获利 100 亿美元。

他还假设，甲骨文、字节跳动、阿里、腾讯、X 和特斯拉每家能产生 50 亿美元的全新 AI 收入。

即使这些假设仍然成立，并且再增加几家公司到名单中，那么 1250 亿美元的空缺，现在将变成 5000 亿美元的空缺。

5. B100 即将到来

今年早些时候，英伟达官宣了 B100 芯片，它的性能提高了 2.5 倍，而成本却仅仅增加了 25%。

David 预计，这将最终导致对英伟达芯片的需求激增。

因为 B100 在成本与性能上较 H100 有显著提升，可能会导致今年晚些时候的又一次供应短缺，到时候大家都会争相抢购 B100。

在 GPU 资本支出中，我们忽略了什么

有人反驳上一篇文章时说道：「GPU 资本支出就像修铁路，火车最终会来，目的地也会出现 —— 比如新的农产品出口、游乐园、购物中心等等。」

对此，David 表示赞同，但也提出了他们忽略的一些问题。

1. 缺乏定价权

在物理基础设施建设中，所建的设施本身是有一定的内在价值的。

如果你拥有从旧金山到洛杉矶的铁轨，你可能会有某种垄断定价权，因为在 A 地和 B 地之间，只能铺设有限的铁轨。

而在 GPU 数据中心的情况下，定价权则要少得多。

GPU 计算，如今越来越像是一种按小时计费的商品。

不同于成为寡头垄断的 CPU 云，后来者正在持续不断地涌入市场，建设专用的 AI 云。

在没有垄断或寡头垄断的情况下，高固定成本 + 低边际成本的业务，价格竞争下降到边际成本几乎会成定局（比如航空公司）。

2. 投资焚烧率

即使在铁路建设中，投机性投资狂潮也往往会导致极高的资本焚烧率。

在新技术出现时，也是如此。

在关于技术投资的最佳教科书之一《推动市场的引擎》中，得出的主要结论是：在投机性的技术浪潮中，很多人损失了大量资金。（比如铁路）

想要找出赢家很难，但要找出输家，则容易得多。（在铁路的情况下是运河）。

3. 折旧

从技术历史中我们知道，半导体的发展会越来越好。

英伟达还将继续生产更强的下一代芯片，如 B100。这将导致上一代芯片更快的折旧。

因为市场低估了 B100 和下一代芯片改进的速度，它高估了今天购买的 H100 在 3-4 年内保价的程度。

不过，这种情况在物理基础设施中是不存在的，因为物理基础设施不会遵循任何摩尔定律曲线，成本与性能也不会持续改进。

4. 赢家与输家

现在，我们需要仔细看看谁是赢家，谁输家 —— 在过度的基础设施建设期间，总是会有赢家的。

David 认为，AI 可能是下一个变革性的技术浪潮，而 GPU 计算价格的下降，实际上对长期创新和初创公司是有利的。

如果他的预测成真，主要受损的就是投资者了。

而创始人和公司建设者将继续在 AI 领域创新，因为他们将受益于更低的成本，和在这一实验期间积累的经验教训。

因此，他们更有可能成功。

谁为终端用户提供价值，谁就会获得回报

显而易见，AI 将带来巨大的经济价值。那些专注于为终端用户提供价值的公司，终将获得丰厚的回报。

如今，我们正处在一个有潜力重新定义一代人的技术浪潮中。

像英伟达这样的公司，在这一变革中功不可没，并且很可能在未来很长一段时间内，都会继续在生态系统中扮演关键角色。

投机狂潮是技术发展的一部分，因此不必害怕。

在这个时刻保持冷静的人，有机会建起极其重要的公司。

但是，我们需要警惕那种从硅谷蔓延到全美，甚至全球的幻想：我们都能快速致富，因为 AGI 明天就会到来，我们都需要囤积唯一有价值的资源 ——GPU。

实际上，前方的道路将会很长。

它会有起伏，但可以肯定的是，这条路是值得走的。

参考资料：

• https://www.sequoiacap.com/article/ais-600b-question/

本文来自微信公众号：新智元（ID：AI_era）

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。