AI发展的不断升温与未来新难题
始于去年夏天的生成式AI浪潮已进入超高速发展阶段。这个二次加速的催化剂是英伟达（Nvidia）的第二季度盈利报告和超预期业绩。这标志着市场已经无法满足对 GPU（GPU的全称是图形处理单元（Graphics Processing Unit），是一种专门用于加速计算机图形和图像处理的电子电路。GPU可以集成在显卡、主板、手机、个人电脑、工作站和游戏机上。GPU的主要特点是具有高度并行的结构，能够同时处理大量的数据。） 和人工智能模型训练的需求。
在Nvidia 发布公告之前，ChatGPT、Midjourney 和 Stable Diffusion 等消费级生成式AI产品的推出已经让AI进入公众视野。Nvidia 的业绩向创业者和投资者证明，人工智能可以带来数十亿美元净营收这一概念，已经有了实证。这让人工智能进入了前所未有的发展阶段。
GPU运维成本与AI收支鸿沟
请考虑这些： 在 GPU 上每花费 1 美元，数据中心运行 GPU 的能源成本就需要大约 1 美元。因此，如果到今年年底 Nvidia 的 GPU 销售额达到 500 亿美元（根据分析师的预测做出的保守估计），这意味着数据中心的成本约为 1000 亿美元。GPU 的最终用户--例如星巴克、X、特斯拉、Github Copilot 或其他新创公司--也需要赚取利润。
假设他们需要获得 50% 的利润，那么在目前 GPU 产生成本的每一年，这些 GPU 需要产生 2,000 亿美元的稳定收入，才能收回前期投资。这还不包括云计算供应商的任何利润，而他们也需要获得盈利，因此总收入要求只会更高。
根据公开文件，数据中心建设的增量大部分来自大型科技公司：例如，谷歌、微软和 Meta 都报告了数据中心资本支出的增长。报告显示，Bytedance、腾讯和阿里巴巴也是 Nvidia 的大客户。展望未来，亚马逊、Oracle、苹果、特斯拉和 Coreweave 等公司也将成为重要的贡献者。
我们要问的重要问题是：在这些资本支出中，有多少是与真正的终端客户需求相关联的？又有多少是为了满足对未来终端客户的可能需求？这就是标题所说的2000亿美元问题。
The Information 报道称，OpenAI 的年收入为 10 亿美元。微软曾表示，预计微软 Copilot 等产品将带来 100 亿美元的人工智能收入。我们假设谷歌将从 Duet 和 Bard 等AI产品中获得相似的收入，Meta 和苹果也都将从AI中获得 100 亿美元的收入。
我们再姑且假设Oracle、Bytedance、阿里巴巴、腾讯、X 和特斯拉的收入为 50 亿美元。这些都是没有数据的凭空假设——但关键在于，即使我们假设人工智能的收益如此丰厚，按照目前的情况，每年的资本支出也还有1250 亿美元以上的缺口。
这个缺口，大概率会由初创企业生态系统填补。
市场供需关系变化与初创企业思路转型