红杉资本的David Cahn关于AI大模型的收支缺口给出了一个模型，其结论是AI大模型泡沫即将到达顶点。

David Cahn的模型很简单：英伟达DC GPU的年化收入是1500亿美元，AIDC总成本是GPU的2倍，那么AIDC年化成本是3000亿美元；AI收入其它费用率50%，那么AI收入必须要达到AIDC年化成本的2倍，即6000亿美元，AI大模型的整体收支才可平衡。

收入端，OpenAI目前的年化40亿美元收入已是唯一的遥遥领先者，Google, Microsoft, Apple与Meta作为收入第二梯队，Oracle, ByteDance, Alibaba, Tencent, X与Tesla作为收入第三梯队，以及把其它AI大模型公司收入都算上，全球AI收入也就1000亿美元。

全球对AI大模型投入所隐含要求的收入是6000亿美元，实际收入仅1000亿美元，存在5000亿美元的收支缺口。5000亿美元的收支缺口能继续撑多久，AI大模型泡沫则能撑多久，收支缺口支撑不住，则AI大模型泡沫破灭。

David Cahn模型是“收入减去opex后要覆盖capex”，capex是投资项，并不是成本项，例如，中国移动的模型，中国移动建设5G网络时的capex会特别高，但电信运营商并不会短期关注“收入减去opex后要覆盖capex”，因为来自折旧的成本项变化并不大。但是，中国移动的capex在5G网络建设峰值后会迅速下降，capex长期累加总体上还是等于成本项长期累加，所以，对于AI那样capex持续升高而没有周期的情况，David Cahn模型使用“收入减去opex后要覆盖capex”来分析收支缺口还是有说服力的。

David Cahn模型实际上就是一个“从Nvidia到OpenAI”的模型，用Nvidia收入的4倍去比较OpenAI们的收入。AI大模型的收支缺口5000亿，其实就是在说“OpenAI们的收入实在太少了”以及“Nvidia赚得实在太多了”。

这里不直接评论关于“AI大模型泡沫破灭”的问题，只对David Cahn模型评论几点：

第一，David Cahn模型目前看不到改善的迹象。

如果仔细分析OpenAI的财务模型，OpenAI的收入指数增长，推理费用和训练费用实际上也是指数增长，只是收入的指数更大一点而已。整个AI行业，能够收入指数增长的是凤毛麟角，绝大多数大模型AI企业只是在为GPU企业贡献收入而已。

随着Nvidia性价比更高的下一代GPU芯片B100推出，AI公司收入端整体并不会剧变，但GPU capex端会激增，这会进一步放大David Cahn模型的缺口。

所以，David Cahn模型所显示的收支缺口还会持续并进一步扩大，5000亿缺口的模型是David Cahn在2024年6月提出，David Cahn如果在2025年再更新模型，缺口会接近10000亿美元。

第二，GPU是特殊的capex，囤积GPU算力非常危险。

David Cahn模型与中国移动模型有本质区别，中国移动建设5G网络的capex保值能力较好，因为5G网络并不会短期内就被6G网络替代，等到6G网络capex峰值出现时，5G网络capex已经折旧完毕。

但是，符合摩尔定律的GPU的capex则非常危险，GPU不断加速升级，则意味着原有GPU投资加速贬值，David Cahn模型的capex不断快速提高事实上就包含了这一因素。GPU capex必须和AI公司的运营紧密匹配，投入capex时就要有产出的把握，出于囤积目的的GPU capex在未来会非常危险。

第三，Scaling law让英伟达伟大，但Scaling law本身面临转折。

David Cahn模型里，在收入巨大缺口的情况下，AIDC成本的每年3000亿是实实在在花掉的，其中英伟达实实在在赚取了1500亿，这个“赚钱奇迹”背后是摩尔定律与Scaling law的共振。

当前，预训练的Scaling law趋势已经转折，Scaling law本身也面临着范式转换。Scaling law是不是继续存在？如果继续存在，新的Scaling law会是什么形式？这个底层问题会更快更直接地决定英伟达的未来。

文章来自于微信公众号“阿隆随录”，作者“阿隆随录”