人工智能市场的现状分析
作者：36氪编译
尽管人工智能（AI）的热潮不断升温，但公众对于其投资回报率（ROI）的质疑却愈发明显。维持如此巨大的算力和电力成本，回报却显得微不足道。本文旨在通过对人工智能价值链收入来源的定量分析，帮助大家更清楚地了解当前的市场状态。
最近，许多人开始担心所谓的「人工智能泡沫」将会破灭，因此我决定对人工智能价值链的收入情况进行一次深入的分析，希望揭示出其中的细节。过去一年半以来，公众舆论逐渐转向，有人开始认为「超大规模数据中心的费用太离谱，人工智能就是个泡沫。」我想表示，我并不想随波逐流，投资的核心就是挑选那些被低估的机会；在市场悲观时，往往机会更大。
对于人工智能现状的悲观情绪并不值得惊讶，因为基础设施建设与其应用价值并未能完全匹配。这种情形在一开始就是显而易见的。最近的超大规模资本支出数据引发了这种担忧，科技巨头在过去四个季度内的资本支出总计达到了1770亿美元，2023年第二季度到2024年第二季度，这一数字的平均增长率高达59%。这种趋势虽然令人震惊，但有两点或许是真实的：当前，人工智能投资的回报尚不明确，而超大规模企业的资本支出决策是明智的。这就需要我们分清楚不同的投资回报情况。
人工智能的投资回报最终是由应用价值来决定的。企业在开发AI应用时，主要依赖于收入或成本替代的潜力。但是对于大型云服务提供商而言，情况有所不同，约50%的支出用于数据中心「组件」，例如GPU、存储和网络，这实际上一直受需求驱动。与此同时，超大规模企业都表示，他们在AI计算能力方面受到容量的限制。
另一半支出则主要用于确保未来15年内仍将稀缺的资源，比如房地产和电力。这些企业会通过开发商（如QTS、Vantage和CyrusOne等）或自行建设来实现。他们纷纷选择靠近边缘、供电充足且价位合理的数据中心底盘，已经获取了大部分优质地块，如今更依靠电力的可获取性来做布局。电力仍然将是计算需求的一个瓶颈，而超大规模企业对此心知肚明。
数据中心的电力消耗相对简单，预期至少需要15年的投资。他们似乎在押注未来更高的计算需求（这个假设并不算疯狂）。若无法确保这些资源的安全，可能会面临三种严重后果：企业会输给更有能力的竞争对手，或者被迫在性价比低的土地上运营。再次，挑战者会购得这些土地和能源，从而侵占超大规模企业的市场份额。
如果他们顺利拿到希望的地块，却不急于建设计算能力，可以选择未来需求成熟后再进行设施的搭建。即使为此提前花费数百亿美元，也不是最佳选择。然而，三大云服务商的年收入已经达到了2250亿美元。正如谷歌的CEO所说：「投资不足的风险远高于过度投资的风险。」
迄今为止，我们已经见到人工智能基础设施的逐步建立，主要是通过购买GPU和建设数据中心来实现。然而，当前我们不得不问：「到现在为止，真正创造了多少价值，而未来又能创造什么价值？」当下，人工智能的价值大多集中在基础设施层，尤其是英伟达及其关联公司。尽管我们看到了「人工智能数据中心」的崛起，但当前的发展阶段仍显初期，其中的关键瓶颈依然是能源供应。
云服务商通过模型API或「GPU即服务」获取了部分收入，就是说，通过购买GPU并出租给云服务来实现。至今尚未见到大规模的应用收入的涌现，人工智能应用至今创造的收入也仅约为200亿美元，而成本降低带来的价值则是此数字的数倍，但相较于基础设施投资而言，依然显得微不足道。
最终，行业的发展将由人工智能应用的价值驱动，而这一价值则来自最终用户或企业的需求。换句话说，AI应用解决的问题越关键，整个价值链所积累的价值就越丰厚。现在对基础设施的重金投入，主要是希望从应用中检索到收益。问题在于：人工智能究竟在哪些地方能创造出关键价值？目前，答案还较为模糊，显然还为时尚早。
尽管如此，接下来我想简单介绍一下我的理论框架。从广义上讲，人工智能的市场可细分为半导体（及其价值链）、数据中心（及能源）、云平台、模型、数据以及应用层。值得一提的是，英伟达占据了大部分的人工智能半导体市场份额，而其供应链从中大获裨益。此外，台积电的收入也迅速飙升，利润主要得益于先进AI处理器的生产。
综合来看，人工智能的故事依然吸引眼球。收入流向了GPU/AI加速器以及数据中心建设，但鲜有流向传统数据中心设备的案例。数据中心的建立主要由超大规模企业的资本支出所推动，特别是亚马逊、谷歌、微软与Meta四大企业在过去四个季度中的1770亿美元支出。根据最新的数据，超大规模数据中心的规模在短短四年内已经翻了一番，预计未来四年还会继续翻番。
显然，数据中心的建设方兴未艾，谁又能从中获利呢？理论上，价值应该沿传统数据中心的价值链流动，也就是说，至今的收入却主要集中在机架级的设施建设及数据中心的建立上。数据中心开发商如Vantage、QTS和CyrusOne购买土地和电力后，再出租给这些科技巨头，由此完成数据中心的建构与调试。
细数这里面，戴尔与SMCI等服务器制造商是当前的主要受益者，其产品搭载了英伟达的GPU。戴尔最近一个季度的AI服务器销售额达到了32亿美元，同比增长23%；而SMCI则大涨143%，收入为53亿美元。那么电力又如何呢？显然，能源的需求不断攀升，问题在于哪些瓶颈能够得到缓解，以满足这种需求。
例如，美国最大电网运营商PJM Interconnection预计2024年电力拍卖价格将上涨十倍，这显示出超大规模企业们对电力的追求以及他们为确保电能所愿意付出的努力。三大超大规模企业都希望提升自身在AI服务中的垂直整合能力，让客户能够使用各级服务，无论是基础设施、平台还是应用。
微软在这方面的表现已经成为典范，帮助我们更清楚地了解云AI收入的情况。通过与Azure净新收入相结合，我们粗略估计Azure AI的年收入约为50亿美元，而谷歌和亚马逊则在人工智能业务上声称年收入达「数十亿美元」，但却未给出详细数据。Oracle签署了一份高达170亿美元的AI计算合同，若从中分摊成本，预计其每季度的AI收入可达13亿。
当我们加入GPU云数据后，可以看到AI云市场的收入整体表现良好，总体估计现阶段的AI云服务年收入约为200亿美元。而以上的所有内容，实际上都与我所称的「AI基础设施」密切相关，这些基础设施建设旨在支持AI应用价值的最终实现。从半导体到数据中心，再到云端，收入却出现了从上游逐渐降低的趋势。这恰恰体现了目前AI收入的整体格局。
在人工智能领域，半导体行业今年将获得1000亿到2000亿美元的收入，而超大规模企业在过去四个季度的资本支出已超过1750亿美元。云提供商在人工智能领域的收入预计为200-250亿美元，这从侧面反映出在AI应用中所投入的价值，显然大幅低于基础设施的投资。
AI应用的价值目前则成为推动整个价值链的关键因素。如果没有后端的价值创造，基础设施的建设可能不过是泡沫。AI应用的收入规模最终将取决于其能为客户创造的价值，以及所解决问题的重要性。坦白说，当前我们并没有清晰的答案。Sapphire所提供的某些数字，如Scale AI的收入达10亿美元，以及VAST Data的年收入等，都显示出对AI应用的需求在升温，但这些也仍属于基础设施层面，而非直接连接最终用户。
在评估AI应用收入时，最佳的指标来自模型收入，比如OpenAI的API收入估计为15亿美元，Anthropic预计2024年收入为6亿美元。在此背景下，投资回报率的分析显得尤为关键。基于大模型的应用毛利率假设为80%，当前的应用收入在50亿到100亿美元之间。那么，劳动力替代所带来的成本节省又如何呢？以Klarna为例，其在客户服务方面的节省金额高达4000万美元。
可以确定的是，短期内，AI应用的收入是否能为基础设施投资带来正向回报仍是未知数。AI应用必须不断创新与调整，以证明基础设施建设的价值合理性，尤其是当下的技术进展似乎正引领智能体（具备记忆规划能力的大模型）向前发展，这可能代表着人工智能应用价值突破的下一个阶段。但实际上，AI价值的表现方式或许会出人意料。
2000年时，谁能预见互联网将使人们能够通过共享资源居住或者出行呢？因此，正如Doug O"Laughlin所指出，我们仍处于人工智能的早期阶段。新技术的走向难以预测，特别是在短期内，但这种不确定性未必是坏事，价值往往会以意想不到的形式被创造出来。从长远来看，将赌注全部压在技术上或许不是明智之举，我对此深信不疑。
