6月份，著名风投基金红杉资本的合伙人 David Cahn 写了一篇极具“挑衅性”的文章，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 亿美元这个数字很令人震惊，但更令人震惊的是，从现在的情况来看，这个数字还会继续增加。

这场竞赛将持续到我们达到了增加算力的边际效益上限，也就是无论我们怎么增加算力，模型的智能都停止不前了；又或者我们遇到了能导致人们对当前 AI 的架构失去信心的障碍。在这之前，这场大模型的烧钱战争将是一场"不容眨眼"的比拼。

如果你是 Meta、Microsoft、Google 这一类掌握大资金筹码的大公司，或者是任何做底层大模型模型的公司，你其实没有别的选择，你只能继续加注，继续投入大量资金。因为对你来说，获得胜利的奖励太过诱人。一旦你稍加松懈，你就只能眼睁睁地看着他人抢走你的筹码。对于大模型战场上的赢家来说，你必须摧枯拉朽地花掉数千亿美元，去赚取那赢得比赛后的数万亿美元。

不过，虽然这场竞争非常残酷，但现在的局面是，根据当前情况判断谁是赢家或输家还为时尚早。对于创业生态中的所有人来说，这场新的人工智能竞赛无疑将创造一波新的机会。

随着 LLM （大语言模型）的进步，他们一定能够处理更多更复杂的任务，从而为人类节省下大量的时间。所以我们可以预测，在接下来的十年中，它们能很快完成原本人类需要数年时间才能完成的任务。因此，随着LLM变得越来越强大，他们能够释放的经济价值也变得越来越大。

举个例子，全球每年软件工程师创造的价值大约是一万亿美元（大约 7 万亿人民币），而你可能经常能听到身边的人说 GitHub Copilot 提高了他 10% ~ 20% 的生产力。如果完全每个软件工程师都能充分利用 GitHub Copilot ，这意味着每年全球的软件工程师将会多创造 1000 亿 到 2000 亿美元的价值。

不止如此，随着 LLM 能力的进一步提升，它们能做的不止是代码补全，止步于 Copilot；而是能够自行创造代码，真正实现 Autopilot。如果真有人能率先把它做出来的话，这可能就是一个价值数万亿美元的机会。

刚刚上面说的那些都仅仅只是在编程方面 LLM 能给我们带来的好处，事实上，我们都已经体验过了 LLM 在各个方面创造的价值了，它的潜力远远超过了我们现有的思维模式。

要知道，当 GPT3.5 在 2022 年 11 月推出时，它远远领先于任何竞争模型，并且每 1000 个 Token 的成本为0.02美元。而现在，它的价格是 0.0005 美元，仅仅一年半的年时间，价格就降到了原来的2.5%，我想不到还有哪种技术能像 LLM 这样快速商品化。

这样的变化，使得我们在当前阶段几乎不可能合理化任何投资回报率，因为对 LLM 的任何投资到下一个版本便会立即贬值。但你又不能真的跳过中间的某个步骤，你需要经历无数看起来没有价值的版本才能达到实现 AGI 的最终目标。

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贬值。（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，他们有能力继续烧钱， 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.我们耗尽了可用的电力资源；

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。

这场竞赛不仅关乎技术进步，更是一场对未来主导权的争夺。参与者们深知，即便当前投入巨大，回报尚未显现，但潜在的回报足以让他们义无反顾地加大赌注。在这个快速发展的领域，停滞不前意味着落后，而落后则可能意味着永远失去引领未来的机会。

因此，尽管面临着巨大的不确定性和风险，这些公司仍然会继续大举投资，期望在这场可能改变世界格局的技术革命中占据先机。这不仅是一场技术竞赛，更是一场战略博弈。参与者们深知，在这个可能诞生下一个全球科技霸主的领域里，即便是短期的巨额投入，相较于可能获得的长期回报而言，也是值得的。

这就是为什么即便当前下行的经济环境下，AI 领域的投资热度不减反增的原因。

对于每一个来说，我们都是这场战役的巨大受益者。在基础设施和模型训练等方面的极速投资，再加上激烈竞争带来的紧迫感，让我们所有人都享受到了疯狂的科技创新速度带来的成果。

技术创新让我们能够以日益低廉的成本处理复杂的任务，那些我们甚至难以想象的应用场景（比如基于视频或声音等），很快就会有人能够做出有商业价值和利润的产品，拭目以待吧！

02

资本大量烧钱，泡沫到达临界  

其实这不是David第一篇关于AI泡沫的文章。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。

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：

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。

所以David也提出了自己的疑问：除了ChatGPT，今天消费者真正使用的AI产品有多少？考虑一下你每月支付15.49美元使用Netflix或支付11.99美元使用Spotify所获得的价值。

从长远来看，AI公司需要为消费者提供显著的价值，才能让他们继续掏腰包。

简单来说，红杉资本的David认为，现在AI的泡沫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计算的垄断，GPU并不存在垄断。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竞争的公司，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投机失败者。

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、赢家vs输家。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的泡沫主要集中在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。

最后，David还是没忍住，说了一段「发人深省」的话：但是我们不能相信这种已经从硅谷传到全世界的妄想——我们会暴富，因为AGI的时代就在明天，并且我们要囤积下一个时代唯一有价值的资源，那就是GPU。

这样一看，行业内不少人都认为AI充满了泡沫。只不过现在科技巨头们在上一波美联储放水之后积累了大量的资本盈余，有闲钱来购买大量的算力芯片。

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到底是真还是假啊？

文章来自于“随机小分队”，作者“随机小助手”。