ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
从Nvidia到OpenAI:AI大模型的泡沫与破灭
2968点击    2024-10-28 09:50


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”


关键词: AI , openai , AI商业化 , 人工智能