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 生态系统实际支出之间,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,往常已经翻成了 6000 亿美元。现在,业内关于 AI 模型支出的质疑声,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,来自红杉资源的 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 的支出都去哪了?」根据报告,当

【新智元导读】AI 基础设施的巨额投资,和实际的 AI 生态系统实际支出之间,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,往常已经翻成了 6000 亿美元。

现在,业内关于 AI 模型支出的质疑声,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,来自红杉资源的 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 的支出都去哪了?」

根据报告,当时 AI 基础设施建造的预期支出,和 AI 生态系统的实际支出增长之间存在巨大差距。同时,这也反映了终端用户的价格。

对此,他解释道:「每年必要填补 1250 亿美元的空白,以应对当前的资源付出水平。」

全球 AI 面临 6000 亿美元难题,人工智能泡沫正在接近临界点

随着英伟达一度成为全球市值最高的公司,往常的「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,往常正在接近临界点!

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。

全球 AI 面临 6000 亿美元难题,人工智能泡沫正在接近临界点

计算这个指标其实很简单。你只需将英伟达的年化支出预测乘以 2 倍,以反映 AI 数据中心的总本钱(GPU 占总本钱的一半,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 计算资源的首创公司或企业,他们也必要盈利)。

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,首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。

往常,这种焦虑几乎完全消失了。往常的现状是,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,其数据中心支出中约有一半,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支出的约 22%。

往常,超大规模的资源付出正达到历史新高。

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 支出的最大份额

《The Information》最近报道,OpenAI 的支出已增至 34 亿美元,在 2023 年末,他们的支出还是 16 亿美元。

虽然也有一些首创公司达到了不到 1 亿美元的支出规模,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?

如果必要付费,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 公司提供的价格必要足够显著,才能让消费者有持续的掏钱意愿。

4. 1250 亿美元的空白现在变成了 5000 亿美元的空白

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 相关支出中获利 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 支出。

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 亿美元的空白,现在将变成 5000 亿美元的空白。

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,而本钱却仅仅增加了 25%。

David 预计,这将最终导致对英伟达芯片的需求激增。

因为 B100 在本钱与性能上较 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 资源付出中,我们忽略了什么

有人反驳上一篇文章时说道:「GPU 资源付出就像修铁路,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

在物理基础设施建造中,所建的设施本身是有一定的内在价格的。

如果你拥有从旧金山到洛杉矶的铁轨,你可能会有某种把持定价权,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,往常越来越像是一种按小时计费的商品。

不同于成为寡头把持的 CPU 云,后来者正在持续不断地涌入市场,建造专用的 AI 云。

在没有把持或寡头把持的情况下,高固定本钱 + 低边际本钱的业务,价格竞争下降到边际本钱几乎会成定局(比如航空公司)。

2. 投资焚烧率

即使在铁路建造中,投机性投资狂潮也往往会导致极高的资源焚烧率。

在新手艺出现时,也是如此。

在关于手艺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:在投机性的手艺海潮中,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

从手艺历史中我们知道,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,本钱与性能也不会持续改进。

4. 赢家与输家

现在,我们必要仔细看看谁是赢家,谁输家 —— 在过度的基础设施建造期间,总是会有赢家的。

David 认为,AI 可能是下一个变革性的手艺海潮,而 GPU 计算价格的下降,实际上对长期创新和首创公司是有利的。

如果他的预测成真,主要受损的就是投资者了。

而创始人和公司建造者将继续在 AI 领域创新,因为他们将受益于更低的本钱,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格,谁就会获得回报

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

往常,我们正处在一个有潜力重新定义一代人的手艺海潮中。

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。

投机狂潮是手艺发展的一部分,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,我们必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,我们都必要囤积唯一有价格的资源 ——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)

给TA打赏
共{{data.count}}人
人已打赏
AI

华为云 CEO 张安然:中国的 AI 应追求在行业领域修建大模型的全球当先地位

2024-7-4 16:55:21

AI

中国首款全尺寸通用人形机器人开源公版机“青龙”发布:高 185cm / 重 80kg,算力支撑 400TOPS

2024-7-4 17:33:21

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
有新私信 私信列表
搜索