新浪博客

关于AI的6000亿美元难题，硅谷投资人吵起来了

2024-09-05 16:31阅读：

http://blog.sina.cn/dpool/blog/u/1768960224

6月份，著名风投基金红杉资本的合伙人 David Cahn 写了一篇名为《 AI 的 6000 亿美元问题》。David 认为：
  • AI基础设施的巨额投资和实际收入之间差距过大，人工智能将要到达泡沫的临界点。
  • AI可能是下一个变革性的技术浪潮。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，而投资者会受损。
对此，硅谷顶尖VC基金 Benchmark Capital 的合伙人 Sarah Tavel 并不完全同意。作为在科技领域有丰富经验的投资人，她在专栏里发布了一篇文章：
  • 只要人们对 AI 有信心，5000 亿美元这个数字还会继续增加。
  • 任何做底层大模型模型的公司，都没有别的选择，只能继续加注。
  • 随着LLM 越来越强大，它们能释放的经济价值会越来越大。

01

AI 投资只会增加，不会减少

《AI 的 6000 亿美元问题》这篇文章指出，为了收回用于训练和运行大型语言模型的巨额投资，AI 行业需要产生 6000 亿美元的收入。但距离“让 AI 行业产生 6000 亿美元的收入” 这个目标，我们至少还差 5000 亿美元。
5000 亿美元这个数字从现在的情况来看，这个数字还会继
续增加。
所以，作为一个大模型行业的从业者，你遇到了一个多重困境：
1.随着模型的能力越来越强，模型能为你创造的经济价值，也会随着模型的每次能力升级而显著增加，AGI 能创造的价值将远超我们的想象。
2.你的定价杠杆来自于你的模型能力是否领先，如果你落后了，你的模型对于外部客户的价值就会迅速 关于AI的6000亿美元难题，硅谷投资人吵起来了。（当然，你的模型对于公司内部来说还有价值）
3.Microsoft、Google、Meta 这样的大公司在自己的主营业务上有充足的现金流，他们有能力继续， Anthropic 已经成功地与 Google 和 Amazon 这样的科技巨头建立了密切的关系，而 OpenAI 则可能会继续从拥有大量现金储备的主权财富基金或政府投资实体那里筹集资金。
在短期内，投资将持续大幅增加，对你来说，对大模型成本投入增加，一定会先于大模型帮助你营收增长。这种趋势将一直一直持续，直到出现以下情况之一：
1.基于现有Transformer架构的基础设施投资达到边际效益的平衡点；
2.我们耗尽可用的电力资源；
3.某个团队凭借巧妙的算法突破，在竞争中遥遥领先，难以超越。
为什么会出现这种情况呢，因为理论上胜出的回报实在太过巨大。如果有一个明确的赢家脱颖而出，他们面临的市场机遇将是无可限量的。
因此，你别无选择，只能不断加大投入。这一现象的最终结果是：在可预见的未来，科技巨头们在人工智能领域的投资将继续呈现戏剧性的增长。

02

资本大量，到达临界

其实这不是David第一篇关于AI文章。去年9月的时候他就写过一篇，《AI’s $2000 Question，人工智能的2000亿难题。 地址：https://www.sequoiacap.com/article/follow-the-gpus-perspective
David在这两篇文章当中量化了一个非常重要的指标，那就是「AI基础设施建设所隐含的收入预期与AI生态系统中的实际收入增长」之间有着非常大的差距。这个差距，就是文章标题所说的6000亿美元。
David是这么计算的：首先对英伟达的数据中心收入数值*2，因为GPU只占AI数据中心总拥有成本的一半。
另一半则是能源、建筑物、备用发电机的其他基础设施。然后把这个数字再*2，用来衡量GPU终端用户需要的50%毛利率。比如购买GPU的微软、亚马逊、脸书等需要通过人工智能来赚钱的公司。然后就有了下面这么个表格。 关于AI的6000亿美元难题，硅谷投资人吵起来了
哎，肯定有小伙伴发现了，6000亿美元的差距里面，好像没计算AI实际产生的收入啊？没错，表格里的确没写，但是David在文章当中做了详细的假设。
他是这么计算的：根据公开信息，OpenAI今年到现在的收入大概是34亿美元。同时David慷慨地假设：谷歌、微软、苹果和Meta每家每年都能够从新的AI相关收入中产生100亿美元。他还假设甲骨文、字节跳动、阿里巴巴、腾讯、X和特斯拉每家每年新的AI收入为50亿美元。并且他还将更多的公司加入到了计算行列中，实际的收入从缺口1250亿美元变成了5000亿美元。于是，上面那张图就变成了这样：
关于AI的6000亿美元难题，硅谷投资人吵起来了
David实际上夸大了AI带来的收入，现在全行业加起来肯定没有1000亿美元的收入。
简单来说，红杉资本的David认为，现在AI即将达到一个临界点。因为硬件投入的成本远远高于人工智能技术带来的额外收入，并且现阶段AI技术也确实很难为科技巨头提供额外收入，这些巨头也许很难再持续对GPU投入更多的资本。
当然，也有人对David的文章提出了质疑。质疑者认为，对GPU的资本开支就像是修建铁路。只要铁路修好了，火车就会来，终点也会有游乐园、购物中心等设施建立起来。
David同意这一点，但他认为质疑者忽略了一些要点：
1、GPU市场实际上缺乏定价权。因为现在有大量的新玩家正在通过构建云计算的方式来进入AI市场，所以相对于CPU计算，换句话说，David认为英伟达的高利润不可持续。
其实这里不仅要考虑通过云计算方式进入AI市场的玩家，同样也要考虑和英伟达直接 关于AI的6000亿美元难题，硅谷投资人吵起来了的公司，比如AMD、华为。这里David没写更详细的分析，我觉得是一个疏漏。
2、资本市场在追逐科技热点的时候会造成大量的「资本损耗」。投机者会加速科技进步的速度，但会在市场里面造就大量的失败者。
3、折旧。英伟达最近又推出了最新的B100算力芯片，算力提升2.5倍，但是成本只提升了25%。业内也没想到英伟达出新品的速度如此之快，导致上一代的产品贬值速度加快。企业在AI数据中心层面的运营成本还会进一步提升。
4、David认为，AI确实可能是下一个技术浪潮。但在过剩的基建阶段，赢家总是更容易出现。简单来说，David认为，现在AI主要集中在GPU，也就是AI基建缓解。所以出现了英伟达这么个赢家。但随着技术的发展，算力的价格一定会下降。最终受益者将会从基建领导者转变为应用者。
那么问题来了，如果这些资本盈余用完了，且AI仍旧看不到良好的商业生态又该怎么办呢？钱都让英伟达赚走了，这AI到底是真？










我的更多文章

下载客户端阅读体验更佳

APP专享