本文来自极客网，作者/小刀。
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）
