生成式AI何时爆雷

寂静回声

生成式AI是一种基于算法和模型生成文本、图片、声音、视频、代码等内容的技术，不同于传统AI的分析功能。
所以下文中的AI基本是指生成式AI。

微软CEO Satya Nadella刚刚透露：整个AI行业的投资逻辑都错了，市场根本没有对相关公司进行重新定价。
微软CEO Nadella在与OpenAI奥特曼的访谈中爆出惊人事实——微软手中囤积着大量GPU。
却“没有足够电力”让它们运转。
另一个原因则更为现实，缺少可以立马“插入GPU”的数据中心。
Nadella坦言：我现在的问题不是芯片不够，而是没有能插进去的“温暖机壳”（Warm Shell）。
所谓“Warm Shell”指的是具备供电与冷却条件的数据中心外壳。
用一个对比就能快速理解这个概念，建筑学上，相对Warm Shell则是Cold Shell。
Cold shell指的是建筑结构基本具备，但室内几乎没有或只有极少的系统安装。
Warm Shell则是更准备好了的状态，安装并可以使用基本的建筑系统，比如散热系统、暖通空调（HVAC）、照明、基本电、水、消防系统等。
这意味着，所有那些根据芯片采购量和GPU数量为这些公司定价的分析师模型，从根本上就是错的。你正在为错误的约束条件估值。瓶颈早已转移，而市场仍在像2023年那样交易。

这完全改写了资本支出的等式。
当微软斥资500亿美元购买英伟达GPU时，华尔街将其誉为AI投资，并推高了两家公司的股价。但如果其中一半的芯片在货架上闲置18个月，那么投资回报的时间线就崩溃了。
GPU在黑暗的机架中每多待一个季度，就意味着这个季度它不仅没有产生任何收入，同时相对于英伟达下一代产品的性能还在贬值。你等于在用零回报抵消数据中心建设成本和芯片折旧费。
在这场竞赛中，真正能获胜的，是那些在3-4年前就锁定了电力采购协议的玩家，那时根本没人考虑到AI推理集群需要上百兆瓦的电力。
那些及早与电力公司建立合作关系，或自建发电能力的超大规模云厂商，拥有了在任何合理时间范围内都无法被复制的结构性优势。
你可以在6个月内订购10万块GPU并收到货。但你无法在6个月内订购500兆瓦的电力并让它上线。这需要数年的审批、建设、并网和监管批准。

Nadella关于不想过度购买某一代GPU的观点，是所有人忽视的第二个关键洞见。
英伟达的发布周期已经从两年多压缩到几乎一年一次。这意味着今天购买的GPU，可能只有12到18个月的性能领先期，然后就会过时。
如果你不能立即部署它，你买到的就是一块在产生任何收益之前，就已经在相对未来产品贬值的资产。在摩尔定律还比较慢的时代，采购和部署之间的时间差成本并没有这么高昂。
刷新周期的压缩还意味着，谁能最快部署，谁就能不成比例地捕获巨大价值。
如果你能在6个月内为新容量通电，而对手需要24个月，你就多出了18个月的时间来享受推理服务的定价，直到竞争对手赶上。
部署速度现在直接成为芯片采购投资回报率的倍增器。这意味着拥有自有电力和地产的垂直整合玩家，能够比任何依赖第三方数据中心或公共电网连接的对手行动得更快。

这彻底改变了竞争护城河的结构。旧的护城河是模型质量和算法改进，新的护城河是物理基础设施和能源准入。
你可以在6个月内训练出一个更好的模型，但你无法在6个月内建成一个通电的数据中心。这种约束会持续数年，并将在赢家和输家之间创造出持久的差距。

当前的AI热潮几乎从启动之初，就伴随着投机泡沫的警告。许多观察人士认为，这股狂热可能重演1990年代末期以市场崩盘与破产潮收场的“网络泡沫”。
各大科技巨擘正砸下数千亿美元购置先进芯片并兴建资料中心，不仅是为了支撑ChatGPT、Gemini和Claude等聊天机器人使用量激增，更是为了迎接“经济活动从人类转向机器”的时代。最终账单可能高达数万亿美元。资金来源包括创投、举债，以及其他非常规融资安排，已引发华尔街侧目。
即便是AI最热情的拥护者，也承认市场存在泡沫，但仍坚信这项技术的长期潜力。过去从未有任何仍未被验证为可获利的技术，在如此短时间内吸引到这般庞大的资金。许多企业即使心存疑虑，也不得不跟进投资脚步，以免在未来市场中被规模更大的竞争对手边缘化。11月初科技股急跌，更凸显出估值过热的隐忧。

ChatGPT开发商OpenAI的执行长奥特曼今年1月在白宫宣布高达5.000亿美元的“星门”(Stargate)AI基础建设计划，震惊各界。此后，Meta与其他科技公司也纷纷扩大支出。奥特曼还进一步表示，OpenAI最终在AI基础设施上的支出可能达到数万亿美元。英伟达(Nvidia)承诺投资最多1.000亿美元，外界质疑这是否是变相扶持客户以维持自身销售。
根据报道，OpenAI预计到2029年将烧掉逾1.150亿美元现金，暗示可能寻求债务融资，Meta在内的其他科技公司也纷纷举债支应前所未有的支出。
贝恩顾问公司9月发布的报告估算，到2030年，AI企业每年需创造2兆美元营收，才能负担预期所需的算力成本，但实际营收恐短缺8.000亿美元。
知名避险基金经理人David Einhorn直言：“这一轮可能带来大规模资本毁灭。”

8月，麻省理工学院研究人员发现，95%的机构在AI项目的投资是零回报。哈佛与斯坦福大学则发现，员工利用AI生成大量“工作糟粕”，外表优质、内容空洞，反而造成生产力的巨额损失。
同时，OpenAI与Anthropic在扩展定律上遭遇瓶颈，GPT-5推出后反应平淡。奥特曼坦言，距离通用人工智能(AGI)仍少关键环节。再加上中国大陆厂商的低价模型涌入市场，美企更难回收庞大投资。另外，电力供应紧张也使AI数据中心扩张受到限制。