极客网·极客观察7月9日 尽管高科技巨头向AI基础设施投入大量资金，但AI营收规模仍然很小。红杉资本报告测算认为，AI企业只有将AI年营收总和增至6000亿美元，才能支付AI基础设施建设所需要的庞大资金。
AI基础设施建设成本极其高昂，来自AI生态系统的营收增速并没有那么快，二者之间的鸿沟一直存在并不断扩大。营收增速不够快说明：AI带来的终端用户价值不够高，没人愿意付钱。
从2000亿到6000亿，填平AI硬件成本的营收要求越来越高
2023年9月时红杉分析师认为，AI企业创造的AI总营收必须达到2000亿美元才能化解费用、成本问题，到了今天，虽然英伟达已经成为全球市值最高的企业，但此问题不仅没有缓解，反而更严重。
报告认为，在GPU上花费1美元，需要在数据中心GPU运行过程中投入大约1美元的能源成本。GPU算力会租给客户使用，比如星巴克、特斯拉等，它们不可能长期亏本运营，需要获得利润（假设这些客户的软件利润率是50%）。
例如，如果数据中心的收入运行率（Revenue Run-rate）是1500亿美元（相当于年营收1500亿美元），建造运行成本（包括能源成本）也是1500亿美元，那么AI数据中心的年开支总计至少是3000亿美元。企业客户使用AI数据中心并获得营收，即使按利润率50%计算，它们总计从市场上获得的营收至少也要达到6000亿美元。在AI数据中心总成本中，GPU占一半，另一半来自能源、建筑、备用发电机等。
2023年9月时红杉认为AI产业总营收达到2000亿美元就能弥补成本，现在却涨到了6000亿美元，为什么增长如此迅猛？主要有如下几个原因：
——GPU供应短缺得到缓解：2023年年末时GPU供应严重短缺，当时创业公司四处求人，希望能尽早拿到GPU。现在GPU仍然有些紧张，但拿到货已经没有那么难了。
——企业囤积硬件：英伟达在去年四财季的报告中指出，公司约有一半的数据中心营收来自大型云提供商，单是微软便占了英伟达数据中心营收的22%。Hyperscale资本支出创下新高，许多科技巨头在报告中表示：“不管你们喜欢还是不喜欢，我们都会向GPU继续投资。”企业囤积硬件并不是什么新风潮，只有当库存积累到一定程度才会停止，到时GPU需求将会降下来。
——OpenAI仍然占据AI总营收的相当一部分：2023年年底时，The Information认为OpenAI的年营收约为16亿美元，最近它上调预期，提升至34亿美元。虽然有许多创业公司的年营收已经接近1亿美元，但它们与OpenAI的营收差距并没有缩小，反而在扩大。不信你问问自己，除了ChatGPT还有什么AI产品是消费者真正经常使用的吗？你每月向Netflix交15.49美元可以看很多电影电视节目，但给AI企业交钱能得到多少价值呢？
——营收和成本之间窟窿越来越大：在以前的估算中，红杉假定谷歌、微软、苹果、Meta都能通过AI每年获得100亿美元营收，假定甲骨文、字节跳动、阿里巴巴、腾讯、X和特斯拉每年能获得50亿美元营收，就算这些企业达成目标，营收与成本之间的窟窿仍然很大，约为5000亿美元。
——B100也许能提高性价比：年初时英伟达宣布将会推出B100芯片，性能提升2.5倍，成本只增加25%。如果数据真实，相比H100芯片，B100芯片的性价比高很多。
投资GPU的逻辑也许如同修铁路，但需要考虑几个关键问题
红杉认为，GPU投资建设如同修铁路，当铁路修好了火车最终会到来，然后周围会出现游乐园、购物中心等设施。但是，这里面有几个问题需要注意。
首先就是定价能力。除了英伟达，AMD、英特尔及许多科技巨头、创业公司正在涌入，AI芯片的竞争已经相当激烈，因为缺乏定价能力，企业利润会因为竞争被压缩。
其次是所谓的“投资烧毁”问题。当新技术出现时，经常会引爆投资狂潮，最终导致资本出现高烧毁率。有些新技术投资者往往会损失惨重。
再次就是折旧。如果B100芯片比H100好很多，H100就会快速贬值。
90年代末万维网流行起来，当时许多人预测互联网渗透率将会不断提升，它所创造的营收也会迅猛增长，于是企业投入巨资铺设光纤和基础设施，结果导致互联网泡沫。
当年的互联网泡沫和今天的AI极为相似。
眼下的AI热潮关注的只是“镐和铲子”，也就是搭建数据中心、训练AI模型，当我们谈到实际营收、生产性改进、终端用户应用，现在还没有多少成果。
企业似乎充满信心，又或者他们不得不跟进。高盛认为，未来5年科技巨头将向AI投入至少1万亿美元。2024年微软、Alphabet、Meta、亚马逊总的资本支出约为1890亿美元，占标普500指数成份股企业总资本支出的21%。高盛警告称，当前科技企业疯狂投入可能不会很快获得预想的回报。
MIT经济学家Daron Acemoglu说：“分析当前生成式AI关注的重点和它的架构……真正的变革不会很快到来，在接下来十年也不会有太大的变革。”他还说，许多面向AI的任务在未来10年难以自动化，主要是因为成本效率不高。
就算自动化真的实现，相比于科技企业的巨额投入，回报也可能不够大，因为AI技术的成本极高，如果想弥补成本，AI技术必须具备解决复杂问题的能力，但在设计时AI不是冲着这一目标去的。
高盛指出，当前科技企业仍处在AI基础设施建设阶段，没有出现“杀手级应用”是完全合理的，而且当前的投资与科技历史上的投资循环并没有什么本质区别，所以我们不能断言科技企业投资AI一定会失败。（小刀）
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
