出品｜虎嗅科技組

作者｜余楊

編輯｜苗正卿

頭圖｜視覺中國

虎嗅注：本文為《硅谷正發(fā)生》第001篇稿件。《硅谷正發(fā)生》聚焦國外頭部AI相關公司Open AI、Microsoft、NVIDIA等。本文以微軟吉印通創(chuàng)始人比爾?蓋茨動態(tài)為引，討論AI行業(yè)的盈利能力相關問題。

7月5日消息，微軟吉印通創(chuàng)始人比爾?蓋茨（Bill Gate）作客《下一個偉大構想》（the Next Big Idea）播客，討論了對超人類人工智能（Superhuman AI）和技術進步的構想，同時表示現(xiàn)在AI 市場的狂熱程度遠超互聯(lián)網(wǎng)泡沫。

蓋茨認為當前 AI 領域的準入門檻非常低，且整個市場處于狂熱期，AI 初創(chuàng)公司可以比較輕松地拿到數(shù)億美元的融資，甚至還有人為一家公司籌集了 60 億美元（約 437.34 億元人民幣）現(xiàn)金。

“如此多的資本扎堆涌入新領域是前所未見的，無論從市值以及估值角度來看整個 AI 市場已經(jīng)陷入‘狂熱’狀態(tài)，其程度讓歷史上互聯(lián)網(wǎng)、汽車時期的狂熱相形見絀。”蓋茨這樣說到。

現(xiàn)階段的人工智能行業(yè)發(fā)展迅猛，是名副其實的吸金產(chǎn)業(yè)，英偉達市值也因此高歌猛進，并在當?shù)貢r間6月18日總市值達到3.34萬億美元，一舉超越微軟、蘋果公司，成為全球市值最高的上市企業(yè)。但事實上，對人工智能領域的質(zhì)疑聲也此起彼伏，從未停止過。

人工智能的 6000 億美元問題

紅杉資本合伙人兼首席運營官David Cahn曾在去年9月發(fā)布過一篇《人工智能的2000億美元問題》的文章，6月20日，他針對目前的情況更新了自己的看法。

在2023 年 9 月的《人工智能的2000億美元問題》文章中，David Cahn主要提出了一個問題：“收入在哪里？”

問題的邏輯是，英偉達的盈利指南和隨后的強勁表現(xiàn)表明對 GPU 和人工智能模型訓練的需求水平是無止境的，但這些 GPU 都有什么用？客戶的客戶是誰？需要創(chuàng)造多少價值才能讓如此快速的投資獲得回報？

GPU 的最終用戶（例如星巴克、X、特斯拉、Github Copilot 或新創(chuàng)業(yè)公司）也需要賺取利潤。假設他們需要賺取 50% 的利潤，這意味著對于當前 GPU 資本支出的每一年，這些 GPU 需要創(chuàng)造 2000 億美元的終生收入才能償還前期資本投資。

這些資本支出中有多少與真正的終端客戶需求相關，又有多少是為滿足未來終端客戶需求而建設的？這是一個價值 2000 億美元的問題。

David Cahn注意到 AI 基礎設施建設所隱含的收入預期與 AI 生態(tài)系統(tǒng)的實際收入增長之間存在巨大差距，而 AI 生態(tài)系統(tǒng)的實際收入增長也是終端用戶價值的代表。概言之，David Cahn對AI的盈利能力抱有疑慮，投入和產(chǎn)出存在2000億美元的差額，認為“按今天的水平，每年的資本支出都至少需要填補 1250 億美元的缺口。”

隨著英偉達成功躋身全球最有價值公司行列，David Cahn按照去年9月的數(shù)據(jù)框架再次進行了估算，結果是：AI 的 2000 億美元問題現(xiàn)在變成了 AI 的 6000 億美元問題。

圖片來自sequoia

David提醒我們注意：直接計算這個指標很容易。你所要做的就是將 Nvidia 的運行率收入預測乘以 2 倍，以反映 AI 數(shù)據(jù)中心的總成本（GPU 占總擁有成本的一半，另一半包括能源、建筑物、備用發(fā)電機等）。?cè)缓竽悝傇俪艘?2 倍，以反映 GPU 最終用戶的 50% 毛利率（例如，從 Azure 或 AWS 或 GCP 購買 AI 計算的初創(chuàng)公司或企業(yè)，他們也需要賺錢）。

自 2023 年 9 月以來發(fā)生了什么變化？

David Cahn認為，2023 年末是 GPU 供應短缺的高峰期，但目前的供應短缺已經(jīng)消退。同時，GPU 庫存不斷增長，Nvidia 在第四季度報告稱，其數(shù)據(jù)中心收入的一半左右來自大型云提供商。僅微軟一家就可能占Nvidia 第四季度收入的約 22%。超大規(guī)模資本支出正在達到歷史水平。進而，一旦庫存足夠大以至于需求下降，就會成為重置的催化劑。

另外，OpenAI 仍然占據(jù)著 AI 收入的最大份額，The Information 最近報道稱，OpenAI 的收入現(xiàn)在為34 億美元，高于 2023 年底的 16 億美元。但許多初創(chuàng)公司仍然與OpenAI 的差距很大，消費者今天真正使用了多少 AI 產(chǎn)品還很難說，這也意味著AI 公司需要為消費者提供源源不斷的價值，才能長遠發(fā)展。

在最后的分析中，David Cahn慷慨地假設谷歌、微軟、蘋果和 Meta 每年都能從新的 AI 相關收入中產(chǎn)生 100 億美元。還假設甲骨文、字節(jié)跳動、阿*、騰訊、X 和特斯拉每年都有 50 億美元的新 AI 收入。但即使這仍然是正確的，并且在名單上再添加幾家公司，1250 億美元的缺口現(xiàn)在也會變成 5000 億美元的缺口。

David Cahn還提到——B100 即將問世： 今年早些時候，Nvidia 宣布推出 B100 芯片，其性能提升了 2.5 倍，而成本僅增加了 25%。我預計這將導致 Nvidia芯片需求的最終激增。與 H100 相比，B100 的成本與性能相比有了顯著的改善，而且由于每個人都想在今年晚些時候買到 B100，因此很可能再次出現(xiàn)供應短缺。

人工智能接近泡沫了嗎？

當然，對人工智能看漲的觀點也不少，一個主要的反駁就是“GPU 資本支出就像修建鐵路”，最終火車會開過來，目的地也會到來——新的農(nóng)業(yè)出口、游樂園、購物中心等。

對此，David Cahn認為這種觀點忽略了一些關鍵因素：

首先是GPU缺乏定價權：在物理基礎設施建設的情況下，您正在建設的基礎設施具有一些內(nèi)在價值。?cè)绻鷵碛信f金山和洛杉磯之間的軌道，那么您可能擁有某種壟斷定價權，因為 A 地和 B 地之間只能鋪設這么多軌道。在 GPU 數(shù)據(jù)中心的情況下，定價權要小得多。GPU 計算正日益成為一種按小時計量的商品。與成為寡頭壟斷的 CPU 云不同，構建專用 AI 云的新進入者繼續(xù)涌入市場。在沒有壟斷或寡頭壟斷的情況下，高固定成本 + 低邊際成本的企業(yè)幾乎總是會看到價格競爭到邊際成本（例如航空公司）。

其次是投資浪費：即使是鐵路行業(yè)，以及許多新技術行業(yè)，投機性投資狂潮也常常導致高額的資本浪費。《推動市場的引擎》是技術投資方面最好的教科書之一，其主要觀點是，許多人在投機性技術浪潮中損失慘重。挑選贏家很難，但挑選輸家要容易得多。

另外是折舊問題：半導體趨于越來越好，Nvidia 將繼續(xù)生產(chǎn)更好的下一代芯片，如 B100。這將導致上一代芯片的折舊速度加快。由于市場低估了 B100 和下一代芯片的改進速度，因此它高估了今天購買的 H100 在 3-4 年后的價值。但鐵路這種物理基礎設施不存在這種相似性，它不遵循任何“摩爾定律”類型的曲線，因此成本與性能的關系不斷改善。

最后，David Cahn認為我們需要仔細研究贏家和輸家。在基礎設施建設過剩的時期，總會有贏家。?cè)斯ぶ悄芎芸赡苁窍乱徊ㄗ兏镄约夹g浪潮，GPU 計算價格的下降實際上有利于長期創(chuàng)新，也有利于初創(chuàng)企業(yè)。?cè)绻A測成真，創(chuàng)始人和公司建設者將繼續(xù)在人工智能領域發(fā)展——他們將更有可能取得成功，因為他們將受益于較低的成本和在這一試驗期間積累的經(jīng)驗。但投資者可能會遭受傷害。

無獨有偶，蓋茨在訪談節(jié)目中也提到，目前 AI 領域的競爭非常激烈，而且不斷有新選手入場，微軟固然擁有很多資本，但并沒有真正阻止其他人在基礎能力或垂直領域的發(fā)展。蓋茨表示，人工智能技術在全球經(jīng)濟中所占的份額雖然相對較小，但其潛力巨大，即使是小型機構也能借助這些工具與大型機構競爭，并提供更優(yōu)質(zhì)的服務。

正如David Cahn所總結的那樣，我們正在經(jīng)歷一場可能定義一代人的技術浪潮，在未來很長一段時間內(nèi)，像 Nvidia 這樣的公司很可能在生態(tài)系統(tǒng)中繼續(xù)發(fā)揮關鍵作用，但專注于為最終用戶提供價值的公司創(chuàng)建者才會獲得豐厚的回報。

人工智能泡沫正達到臨界點，前面的道路將是漫長的，它會有起有落，把握下一步發(fā)展方向至關重要。

021yin.com

正在改變與想要改變世界的人，都在虎嗅APP