今年，生成式AI无疑进入了一个“高速发展”阶段。
ChatGPT、Midjourney、文心一言等“消费级产品”将AI进了千家万户；Adobe、微软等老牌科技巨头借着AI“重焕新生”；而业绩暴增、市值狂飙的“AI卖铲人”英伟达，更成了今年资本市场上的绝对明星。
不过，从领头的微软、OpenAI，到进展神速的谷歌、Meta，大部分科技公司的AI产品还处在赔本赚吆喝的阶段，消费者买不买账还不好说。
尚不明朗的下游前景，引发了一系列疑问——
囤那么多GPU干嘛？需要赚多少钱才能回本？最终由谁买单？
9月20日，风投机构红杉的合伙人David Cahn发文，将这些疑问概述为“AI产业价值2000亿美元的问题”。
David Cahn认为，要想回本，AI行业需要实现2000亿美元的营收，但目前还差1250亿美元……
因此，David Cahn认为，虽然长期来看，企业囤积大量GPU算力可能是件好事，但短期来看，这可能会引起一场混乱。
以下为David Cahn原文精编，诸君enjoy~ ️
去年夏天以来，生成式AI浪潮已经进入了超高速模式。这一加速的催化剂是Nvidia的Q2盈利指南及其随后的超预期业绩。这向市场表明了对GPU和AI模型训练的需求是“不可满足”的。
在Nvidia的宣布之前，像ChatGPT、Midjourney和Stable Diffusion等消费者发布的产品已经将AI推向了公众视野。随着Nvidia取得亮眼的成绩，创始人和投资者得到了实证证据，证明AI可以创造数十亿美元的全新净收入，促使这一领域开足马力向前冲。
尽管投资者已经从Nvidia的成绩中推测出很多事情，AI投资现在正以飞快的速度进行，估值也创下了记录，但仍然存在一个重要的问题：所有这些GPU都用于什么？谁是最终的客户？为了使这种快速的投资回本，需要创造多少价值？
考虑以下情况：
每1美元的GPU支出，大约对应1美元的数据中心能源成本，也就是说，如果英伟达到年底能卖500亿美元的GPU（根据分析师的保守估计），数据中心的支出就高达1000亿美元。
进一步假设，如果GPU的终端客户，即那些做GPU应用的公司，能在AI业务上赚取50%的利润才能不亏，就意味着至少需要2000亿美元的收入，才能收回前期的投资成本。这还没算云供应商的利润，如果要让他们赚钱，总营收要求甚至应该更高。
根据公开文件，数据中心建设的增量，大部分来自大科技公司。例如，谷歌、微软和Meta都报告了数据中心资本支出的大幅增长。另据相关报道，字节、腾讯、阿里这些公司也是英伟达的大客户。展望未来，亚马逊、甲骨文、苹果、特斯拉和Coreweave等公司可能也会在数据中心建设上花费重金。
要问的重要问题是：这些资本支出建设有多少与真正的终端客户需求相关，有多少是根据“预期需求”而建设的？这是一个价值2000亿美元的问题。
根据The Information的报道，OpenAI的年收入约为10亿美元，微软曾表示，预计Copilot等产品有望带来100亿美元的年收入，再把其他公司算进来：假设Meta、苹果也能靠AI年入100亿，甲骨文、字节、阿里、腾讯、X、特斯拉等公司的AI业务能赚50亿美元，加一块也只有750亿美元——
——这些都是虚拟的假设，重点是，即使你从AI中获得极大的收益，以今天的支出水平来看，离回本至少还差1250亿美元。
创业公司有很大的机会填补这个差距，我们的目标是“跟随GPU”，找到利用AI技术创造真正终端客户价值的下一代创业公司——我们希望投资于这些公司。
这个分析的目标，是突出显示我们今天看到的差距。
AI炒作终于赶上了自2017年以来开发的深度学习技术突破。这是好消息。正在发生主要的资本支出建设。这应该会在长期内大幅降低AI开发成本。以前，你必须购买一个服务器机架来构建任何应用程序。现在，你可以以更低的成本使用公有云。
同样，今天许多AI公司将大部分风险投资用于GPU。随着今天的供应限制让位于供应过剩，运行AI工作负载的成本将下降。这应该会刺激更多的产品开发。它还应该吸引更多的创始人来在这个领域创业。
在历史上的技术周期中，基础设施的过度建设往往会焚烧资本，但同时也会通过降低新产品开发的边际成本来释放未来的创新。我们预计这种模式将在人工智能领域重演。
对于初创公司来说，教训很明显：作为一个社区，我们需要将思维从基础设施转向终端客户价值。满意的客户是每个伟大企业的基本要求。为了让AI产生影响，我们需要想办法利用这项新技术来改善人们的生活。我们如何将这些令人惊叹的创新转化为客户每天都使用、喜爱并愿意付费的产品？
AI基础设施的建设正在进行中。基础设施不再是问题。许多基础模型正在被开发出来——这也不再是问题。而且，今天AI的工具也相当不错。
因此，2000亿美元的问题是：
你打算如何利用这些基础设施？你将如何用它们改变人们的生活？