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�！豆韫日l(fā)生》聚焦國外頭部AI相關公司Open AI、Microsoft、NVIDIA等。本文以微軟聯(lián)合創(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，微軟聯(lián)合創(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）。然后你再乘以 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、阿里巴巴、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在價值。如果您擁有舊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)涌入市常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�！锻苿邮袌龅囊妗肥羌夹g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。人工智能很可能是下一波變革性技術浪潮，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)。如果預測成真，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，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。
