人工智慧市場的現狀分析
作者：36氪編譯
盡管人工智慧（AI）的熱潮不斷升溫，但公眾對於其投資報酬率（ROI）的質疑卻愈發明顯。維持如此巨大的算力和電力成本，報酬卻顯得微不足道。本文旨在透過對人工智慧價值鏈收入來源的定量分析，幫助大家更清楚地了解當前的市場狀態。
最近，許多人開始擔心所謂的「人工智慧泡沫」將會破滅，因此我決定對人工智慧價值鏈的收入情況進行一次深入的分析，希望揭示出其中的細節。過去一年半以來，公眾輿論逐漸轉向，有人開始認為「超大規模數據中心的費用太離譜，人工智慧就是個泡沫。」我想表示，我並不想隨波逐流，投資的核心就是挑選那些被低估的機會；在市場悲觀時，往往機會更大。
對於人工智慧現狀的悲觀情緒並不值得驚訝，因為基礎設施建設與其套用價值並未能完全匹配。這種情形在一開始就是顯而易見的。最近的超大規模資本支出數據引發了這種擔憂，科技巨頭在過去四個季度內的資本支出總計達到了1770億美元，2023年第二季度到2024年第二季度，這一數位的平均增長率高達59%。這種趨勢雖然令人震驚，但有兩點或許是真實的：當前，人工智慧投資的報酬尚不明確，而超大規模企業的資本支出決策是明智的。這就需要我們分清楚不同的投資報酬情況。
人工智慧的投資報酬最終是由套用價值來決定的。企業在開發AI套用時，主要依賴於收入或成本替代的潛力。但是對於大型雲服務提供商而言，情況有所不同，約50%的支出用於數據中心「元件」，例如GPU、儲存和網路，這實際上一直受需求驅動。與此同時，超大規模企業都表示，他們在AI計算能力方面受到容量的限制。
另一半支出則主要用於確保未來15年內仍將稀缺的資源，比如房地產和電力。這些企業會透過開發商（如QTS、Vantage和CyrusOne等）或自行建設來實作。他們紛紛選擇靠近邊緣、供電充足且價位合理的數據中心底盤，已經獲取了大部份優質地塊，如今更依靠電力的可獲取性來做布局。電力仍然將是計算需求的一個瓶頸，而超大規模企業對此心知肚明。
數據中心的電力消耗相對簡單，預期至少需要15年的投資。他們似乎在押註未來更高的計算需求（這個假設並不算瘋狂）。若無法確保這些資源的安全，可能會面臨三種嚴重後果：企業會輸給更有能力的競爭對手，或者被迫在價效比低的土地上營運。再次，挑戰者會購得這些土地和能源，從而侵占超大規模企業的市場份額。
如果他們順利拿到希望的地塊，卻不急於建設計算能力，可以選擇未來需求成熟後再進行設施的搭建。即使為此提前花費數百億美元，也不是最佳選擇。然而，三大雲服務商的年收入已經達到了2250億美元。正如谷歌的CEO所說：「投資不足的風險遠高於過度投資的風險。」
迄今為止，我們已經見到人工智慧基礎設施的逐步建立，主要是透過購買GPU和建設數據中心來實作。然而，當前我們不得不問：「到現在為止，真正創造了多少價值，而未來又能創造什麽價值？」當下，人工智慧的價值大多集中在基礎設施層，尤其是輝達及其關聯公司。盡管我們看到了「人工智慧數據中心」的崛起，但當前的發展階段仍顯初期，其中的關鍵瓶頸依然是能源供應。
雲服務商透過模型API或「GPU即服務」獲取了部份收入，就是說，透過購買GPU並出租給雲服務來實作。至今尚未見到大規模的套用收入的湧現，人工智慧套用至今創造的收入也僅約為200億美元，而成本降低帶來的價值則是此數位的數倍，但相較於基礎設施投資而言，依然顯得微不足道。
最終，行業的發展將由人工智慧套用的價值驅動，而這一價值則來自終端使用者或企業的需求。換句話說，AI套用解決的問題越關鍵，整個價值鏈所積累的價值就越豐厚。現在對基礎設施的重金投入，主要是希望從套用中檢索到收益。問題在於：人工智慧究竟在哪些地方能創造出關鍵價值？目前，答案還較為模糊，顯然還為時尚早。
盡管如此，接下來我想簡單介紹一下我的理論框架。從廣義上講，人工智慧的市場可細分為半導體（及其價值鏈）、數據中心（及能源）、雲平台、模型、數據以及套用層。值得一提的是，輝達占據了大部份的人工智慧半導體市場份額，而其供應鏈從中大獲裨益。此外，台積電的收入也迅速飆升，利潤主要得益於先進AI處理器的生產。
綜合來看，人工智慧的故事依然吸引眼球。收入流向了GPU/AI加速器以及數據中心建設，但鮮有流向傳統數據中心裝置的案例。數據中心的建立主要由超大規模企業的資本支出所推動，特別是亞馬遜、谷歌、微軟與Meta四大企業在過去四個季度中的1770億美元支出。根據最新的數據，超大規模數據中心的規模在短短四年內已經翻了一番，預計未來四年還會繼續翻番。
顯然，數據中心的建設方興未艾，誰又能從中獲利呢？理論上，價值應該沿傳統數據中心的價值鏈流動，也就是說，至今的收入卻主要集中在機架級的設施建設及數據中心的建立上。數據中心開發商如Vantage、QTS和CyrusOne購買土地和電力後，再出租給這些科技巨頭，由此完成數據中心的建構與偵錯。
細數這裏面，戴爾與SMCI等伺服器制造商是當前的主要受益者，其產品搭載了輝達的GPU。戴爾最近一個季度的AI伺服器銷售額達到了32億美元，同比增長23%；而SMCI則大漲143%，收入為53億美元。那麽電力又如何呢？顯然，能源的需求不斷攀升，問題在於哪些瓶頸能夠得到緩解，以滿足這種需求。
例如，美國最大電網營運商PJM Interconnection預計2024年電力拍賣價格將上漲十倍，這顯示出超大規模企業們對電力的追求以及他們為確保電能所願意付出的努力。三大超大規模企業都希望提升自身在AI服務中的垂直整合能力，讓客戶能夠使用各級服務，無論是基礎設施、平台還是套用。
微軟在這方面的表現已經成為典範，幫助我們更清楚地了解雲AI收入的情況。透過與Azure凈新收入相結合，我們粗略估計Azure AI的年收入約為50億美元，而谷歌和亞馬遜則在人工智慧業務上聲稱年收入達「數十億美元」，但卻未給出詳細數據。Oracle簽署了一份高達170億美元的AI計算合約，若從中分攤成本，預計其每季度的AI收入可達13億。
當我們加入GPU雲數據後，可以看到AI雲市場的收入整體表現良好，總體估計現階段的AI雲服務年收入約為200億美元。而以上的所有內容，實際上都與我所稱的「AI基礎設施」密切相關，這些基礎設施建設旨在支持AI套用價值的最終實作。從半導體到數據中心，再到雲端，收入卻出現了從上遊逐漸降低的趨勢。這恰恰體現了目前AI收入的整體格局。
在人工智慧領域，半導體行業今年將獲得1000億到2000億美元的收入，而超大規模企業在過去四個季度的資本支出已超過1750億美元。雲提供商在人工智慧領域的收入預計為200-250億美元，這從側面反映出在AI套用中所投入的價值，顯然大幅低於基礎設施的投資。
AI套用的價值目前則成為推動整個價值鏈的關鍵因素。如果沒有後端的價值創造，基礎設施的建設可能不過是泡沫。AI套用的收入規模最終將取決於其能為客戶創造的價值，以及所解決問題的重要性。坦白說，當前我們並沒有清晰的答案。Sapphire所提供的某些數位，如Scale AI的收入達10億美元，以及VAST Data的年收入等，都顯示出對AI套用的需求在升溫，但這些也仍屬於基礎設施層面，而非直接連線終端使用者。
在評估AI套用收入時，最佳的指標來自模型收入，比如OpenAI的API收入估計為15億美元，Anthropic預計2024年收入為6億美元。在此背景下，投資報酬率的分析顯得尤為關鍵。基於大模型的套用毛利率假設為80%，當前的套用收入在50億到100億美元之間。那麽，勞動力替代所帶來的成本節省又如何呢？以Klarna為例，其在客戶服務方面的節省金額高達4000萬美元。
可以確定的是，短期內，AI套用的收入是否能為基礎設施投資帶來正向報酬仍是未知數。AI套用必須不斷創新與調整，以證明基礎設施建設的價值合理性，尤其是當下的技術進展似乎正引領智慧體（具備記憶規劃能力的大模型）向前發展，這可能代表著人工智慧套用價值突破的下一個階段。但實際上，AI價值的表現方式或許會出人意料。
2000年時，誰能預見互聯網將使人們能夠透過共享資源居住或者出行呢？因此，正如Doug O"Laughlin所指出，我們仍處於人工智慧的早期階段。新技術的走向難以預測，特別是在短期內，但這種不確定性未必是壞事，價值往往會以意想不到的形式被創造出來。從長遠來看，將賭註全部壓在技術上或許不是明智之舉，我對此深信不疑。
