华尔街日报 | AI 算力成本暴跌90%,谷歌、OpenAI 为何反而越亏越多?

新闻

作者：微信文章
人工智能领域的公司们正在以史诗般的速度亏损，因此许多人都认为巨大的 AI 投资泡沫已濒临破裂，并可能触发规模堪比甚至超越2000年互联网泡沫的危机。

诚然，就像当年的互联网幸存者一样，总会有少数头部玩家能从这场潜在的行业崩塌中幸存下来，并最终改变世界。但残酷的现实是，即便是那些公认最有可能成为终局赢家的 AI 巨头，眼下也正承受着巨额亏损。

我们也许无法预测最终的结局，但或许能从某个关键线索中窥见未来：以 token 来衡量的 AI 需求。

目前，这一需求正在以骇人的速度飙升。整个 AI 行业的世纪豪赌最终是赢是输，或许完全取决于这股需求浪潮能冲得多高、多远。

在花旗全球技术与通信研究部门主管 Heath Terry 看来，行业早在一年前就已埋下关键的判断隐患。

当时，所有人的目光都紧盯着 AI 单位算力的成本如何以“类摩尔定律”的速度（大约每七个月下降90%）持续走低，并理所当然地认为性价比会持续提升。然而，他们却集体忽略了更为致命的问题：

真正完成一项任务，到底需要多少 token？

当所有人都预期使用量会随着价格下降而稳步增加时，它的增长速度却远远超过了所有预测，堪称疯狂。

Alphabet 旗下的 Google 在今年五月的一篇博文中写道：“去年此时，我们的所有产品和 API 每月处理的 token 总量是9.7万亿，而现在，这个数字是480万亿——整整翻了50倍。”

这家科技巨头在七月的第二季度财报电话会议上宣布：“自那以后，该数字又翻了一番，现在我们每月处理的 token 超过980万亿，增幅实在是过于惊人。”

到了本月，Google 称该数据又已经攀升至1300万亿。

更深的资源黑洞

Token 需求之所以爆炸性增长，部分原因正在于，行业要竭力解决生成式 AI 模型那个臭名昭著的顽疾——幻觉。

为了提升答案的可靠性，当前最前沿的模型不得不采取更复杂的内部运行机制。例如，它们在给出正式答复前，可能会在内部对同一个问题进行多次自我辩论与验证，或者向由多个专业化模型组成的“专家混合体”进行会诊。

于是，局面变得颇为尴尬：单个 token 的单位价格确实下降了，但 token 的总消耗量却陷入了彻底的疯狂。

而这股需求狂潮丝毫没有减退的迹象。OpenAI 的短视频应用 Sora 一经问世便引爆市场。Anthropic 新发布的大语言模型 Claude Sonnet 4.5，甚至能持续不断地编写代码长达30个小时。

这类具备长时思考能力的新兴 AI 模型，将进一步榨干行业本已捉襟见肘的数据中心容量。正是这种需求与消耗的非线性增长，导致 AI 初创公司们的亏损额比原先的悲观预期还要再多出数百亿美元。

Terry 表示，眼下，这些亏损正由初创公司自身和背后的风险资本家们共同承担，其模式与当年 Uber 为了培育市场而大举补贴打车价格如出一辙。

三大变量

在 Terry 看来，有三股力量正在形成，并有望在未来某个时间点交汇，从而将 AI 的经济模型推向盈利的拐点。

首先，模型效率的持续进化。

虽然作为大语言模型等生成式 AI 基础的 Transformer 架构，其发展可能已进入平台期，但开发者们正在创造新的混合模型形态。更有些开发者称，他们正接近一个转折点，即 AI 系统开始有能力辅助自身的迭代与改进。

Meta Platforms 首席执行官 Mark Zuckerberg 在七月的财报电话会议上表示：“过去几个月，我们已经初步见证了我们的 AI 系统实现自我改进的曙光。”

所有这些技术进步，都将使 AI 模型变得更有效率，从而对 AI 的经济性产生根本性的积极影响。

其次，全球数据中心产能的集中释放。

世界各地正在兴建的大量数据中心即将陆续投入运营，这将极大增加算力和能源的供给，进而压低 AI 训练和推理的成本。

科技巨头微软上月便透露，其位于威斯康星州、耗资33亿美元的数据中心已进入建设收尾阶段，并同时宣布了在该地区启动第二个价值40亿美元设施的计划。

最后，当模型效率提升、算力基建扩容两大条件成熟后，持续增长的需求终将从负担转变为真正的红利。

Terry 预测，在未来几个月或几个季度内，正当上述两股力量开始显现威力之时，AI 需求很可能将迎来又一轮大规模的增长。届时，其主要驱动力将是海量企业级 AI 应用，它们将正式从试点验证迈向规模化部署。

英伟达 CEO Jensen Huang 上个月在播客节目中的判断则更为激进，他表示：“AI 的算力还将增长十亿倍，这就是一场工业革命。”

比例悬殊

花旗银行预测，未来五年，AI 行业的年均收入增长率将接近80%，市场总规模将在2030年达到7800亿美元，而今年的数字仅为43亿美元。

但即便如此，AI 时代的最终回报也可能呈现出极端的集中化，让绝大多数的竞争者血本无归。

著名风险投资家 Vinod Khosla 表示：“在风险投资的世界里，6%的投资项目贡献了60%的总回报。而在 AI 领域，我认为这个比例会更加悬殊——3%的项目就能贡献超过60%的回报。”

他这番评论，援引的是 a16z 在2015年一篇博文中提及的数据，该数据来自投资机构 Horsley Bridge 长达三十年的统计。

Khosla 和其他投资人正在押注的，正是他们投资组合中那极少数的超级赢家，其回报将足以覆盖其他所有项目的损失。这在科技投资界是一套早已被反复验证的法则。

然而，有一点已经毋庸置疑：在这场关乎未来的竞赛中，不存在任何折中路线。无论是在模型研发还是在基础设施建设上，任何浅尝辄止的策略，都绝无可能扭转这项技术背后残酷的经济现实。

这已经是一场押注于万亿级未来的“All-in or Nothing”的豪赌，而牌桌上的投资者们早已倾尽所有。

作者：Steven Rosenbush

刊载于：THE WAIL STREET JOURNAL

◉    ◉    ◉    ◉
Hi，我是盒里，关注 AI 领域的商业资讯与应用

本公众号仅用于记录我的个人日常阅读、思考

译文必然存在语言和翻译工具使用上的局限性

建议前往对应平台查阅原内容

▼ 欢迎关注公众号留言交流 ▼