红杉：重金购入GPU后，AI行业收入缺口达到5000亿美元

囤 GPU 真的像修铁路一样，是一项划算的投资吗？

AI公司花了那么多钱从英伟达购买GPU，需要产生多少收入才能证明这笔钱花得合理？最近，红杉资本的一篇文章给出了一个答案：6000亿美元。

而去年9月份，同一位作者算出的数字是2000亿美元。

这些数字是怎么算出来的呢？在去年9月份的文章中，作者David Cahn（红杉资本的合伙人）表示：在 GPU 上每花费 1 美元，在数据中心运行 GPU 需要花费大约 1 美元的能源成本。GPU 的最终用户——例如星巴克、X、特斯拉、Github Copilot 或新的初创公司——也需要赚取利润。假设他们需要赚取 50% 的利润，而英伟达2023年底的run-rate GPU revenue是500亿美元（当时分析师的估计），那么这些 GPU 需要产生 2000亿美元的生命周期收入来偿还前期资本投资（2023年9月算出的数字）。这还不包括云供应商的任何利润——他们要获得正回报，总收入要求会更高。

那这些重金购入GPU的公司实际能赚多少钱呢？David Cahn也做出了一些测算。他去年9月份提到，据 The Information 当时的报道，OpenAI 年收入达到 10 亿美元；微软表示，他们预计将从 Microsoft Copilot 等产品中产生 100 亿美元的人工智能收入；David Cahn假设谷歌、Meta 和 Apple 也各自从人工智能中获得 100 亿美元的收入，甲骨文、字节跳动、阿里巴巴、腾讯、X 和特斯拉各自获得50亿。那么它们总共将产生710亿美元的收入。这就造成了一个超过1250亿美元（125B+）的收入缺口。

作者之所以测算这些数字，是想抛出一个值得思考的问题：这些资本支出中有多少与真正的终端客户需求有关，又有多少是基于对未来终端客户需求的预期？

作者观察到， 在AI领域，大规模的资本支出正在发生。从长远来看，这应该会大幅降低人工智能开发成本。但在历史技术周期中，基础设施的过度建设往往会烧毁资本。因此，他希望大手笔买入GPU的这些企业想清楚：所有这些 GPU 的用途是什么？谁是客户的客户？如何才能将令人惊叹的创新转化为客户每天使用、喜爱并愿意付费的产品？

时隔近一年，这些问题依然很难回答，而且偿还前期资本投资的数字被推高到6000亿美元（假设英伟达2024年底的run-rate GPU revenue是1500亿美元）。具体算法如下：  

在计算时，作者指出了一些需要考虑的变量：  

1、供应短缺已经消退：2023 年末是 GPU 供应短缺的顶峰。初创公司打电话给风险投资家，打电话给任何愿意与他们交谈的人，请求对方帮助他们获取 GPU 的使用权。如今，这种担忧几乎完全消除了。David Cahn表示，对于他采访过的大多数人来说，现在获得 GPU 相对容易，并且交货时间合理。

2、GPU 库存正在增长：英伟达在第四季度报告称，其数据中心收入的一半左右来自大型云提供商。仅微软一家就可能占英伟达第四季度收入的约 22%。超大规模资本支出正在达到历史水平。这些投资是大型科技公司 24 年第一季度财报的一个主题。首席执行官们有效地告诉市场：「无论你喜欢与否，我们都会投资 GPU。」囤积硬件并不是一个新现象，一旦库存足够大，需求就会下降，这将是重启的催化剂。

3、OpenAI仍然占据着人工智能收入的最大份额：The Information最近报道称，OpenAI目前的收入为34亿美元，高于2023年底的16亿美元。虽然我们已经看到一些初创公司的营收接近1亿美元，但OpenAI与其他公司之间的差距仍然很大。在ChatGPT之外，今天消费者真正使用的人工智能产品有多少？想想每月15.49美元的Netflix或11.99美元的Spotify能给你带来多少价值。从长远来看，人工智能公司需要为消费者提供巨大的价值，让他们继续打开钱包。

4、在去年9月份的分析中，作者假设OpenAI+谷歌、微软、苹果、Meta+甲骨文、字节跳动、阿里巴巴、腾讯、X 和特斯拉总共能产生710亿美元的收入。考虑到OpenAI收入高于预期，同时其他之前没有被计算在内的AI公司也在产生营收，新的测算结果应该在710亿美元的基础上适当提高。但作者表示，即便如此，收入缺口还是扩大到了5000亿美元。

5、B100 即将到来：今年早些时候，Nvidia 发布了他们的 B100 芯片，该芯片的性能是之前的 2.5 倍，而成本仅增加了 25%。作者预计这将导致英伟达芯片的需求激增。与 H100 相比，B100 的成本与性能有了显着的提高，而且当今年晚些时候每家公司都试图上手 B100 时，可能会再次出现供应短缺。

对于David Cahn的测算方法，很多人去年就提出过异议，硅谷创投巨头A16Z特别顾问、AI初创公司2X创始人Guido Appenzeller就是其中之一。他认为，David Cahn的计算混淆了很多概念，对于GPU电费的计算也不合理，而且忽略了人工智能革命的规模。

还有人指出GPU 资本支出就像修建铁路，最终火车会来，农业出口可以创收，游乐园、购物中心等也会建起来。David Cahn同意这一观点，但是他认为提出此观点的人忽略了几点：

1、缺乏定价能力：就物理基础设施的建设而言，你所建设的基础设施具有某种内在价值。如果你拥有旧金山和洛杉矶之间的铁轨，你很可能拥有某种垄断定价权，因为在 A 地和 B 地之间只能铺设这么多铁轨。GPU 计算正日益成为一种按小时计量的商品。与成为寡头垄断的 CPU 云不同，构建专用AI云的新进入者继续涌入市场。在没有垄断或寡头垄断的情况下，高固定成本+低边际成本的企业几乎总能看到价格被竞相压低到边际成本（如航空公司）。

2、投资烧毁：即使是铁路，以及许多新技术，投机性的投资狂潮往往也会导致资本的高烧毁率。「The Engines that Moves Markets」是技术投资方面最好的教科书之一，其中的主要观点是很多人在投机性技术浪潮中损失惨重。挑选赢家很难，但挑选输家却容易得多。

3、折旧：我们从技术发展史中了解到，半导体会越来越好。Nvidia 将继续生产更好的下一代芯片，如 B100。这将导致上一代芯片加速贬值。由于市场低估了 B100 和下一代芯片的改进速度，因此高估了今天购买的 H100 在 3-4 年后的保值程度。同样，物理基础设施也不存在这种平行关系，因为物理基础设施并不遵循任何「摩尔定律」类型的曲线。

4、赢家与输家：David Cahn认为，我们需要仔细研究赢家和输家——在基础设施建设过剩的时期，总有赢家。人工智能很可能是下一个变革性的技术浪潮，正如作者在上一篇文章中提到的，GPU 计算价格的下降实际上有利于长期创新，也有利于初创企业。如果他的预测成真，它将主要对投资者造成伤害。创始人和公司创建者将继续在人工智能领域进行建设，而且他们将更有可能取得成功，因为他们将受益于较低的成本和在这一实验阶段积累的经验。

 David Cahn在文章最后写道：

人工智能将创造巨大的经济价值。专注于为最终用户创造价值的公司建设者将获得丰厚的回报。我们正在经历一场有可能决定一代人命运的技术浪潮。像 Nvidia 这样的公司在促成这一转变中所发挥的作用值得我们给予高度评价，而且在未来很长一段时间内，它们都可能在生态系统中发挥至关重要的作用。

投机狂热是技术的一部分，因此并不可怕。那些在这一时刻保持冷静的人，有机会建立起极其重要的公司。但我们需要确保不要相信一种错觉，这种错觉现在已经从硅谷蔓延到美国其他地区，甚至全世界。这种错觉认为我们都会快速致富，因为 AGI 明天就会到来，我们都需要储备唯一有价值的资源，那就是 GPU。

实际上，未来的道路将是漫长的。会有起伏。但几乎可以肯定的是，这条路是值得的。

文章来源于“机器之心”