新智元报道
编辑：Aeneas 好困
【新智元导读】 AI基础设施的巨额投资，和实际的AI生态系统实际收入之间，差距已经到了不可思议的地步。曾经全球AI面临的2000亿美元难题，如今已经翻成了6000亿美元。
现在，业内关于AI模型收入的质疑声，已经越来越大。
动辄投入几万亿美元打造基础设施，跟部分国家的GDP不相上下，然而从AI模型中得到的回报，究竟能有几何？
在2023年9月，来自红杉资本的David Cahn发表了一篇名为《AI的2000亿美元问题》的文章，目的是探讨：「AI的收入都去哪了？」
根据报告，当时AI基础设施建设的预期收入，和AI生态系统的实际收入增长之间存在巨大差距。同时，这也反映了终端用户的价值。
对此，他解释道：「每年需要填补1250亿美元的空缺，以应对当前的资本支出水平。」
随着英伟达一度成为全球市值最高的公司，如今的「2000亿美元问题」是解决了，还是更加严重了？
结果出乎意料：AI的2000亿美元问题，现在已经变成了6000亿美元问题。
2000亿美元问题，直接翻了3倍
最近，David Cahn再次发表博文，对全世界提出警告：人工智能泡沫，如今正在接近临界点！
他列出了下面这张表格，并且详细解释了6000亿美元是怎么算出来的。
那么，自2023年9月以来发生了什么变化呢？David Cahn进行了以下总结。
1. 供应短缺已经缓解
2023年末是GPU供应最紧张的时候。当时，初创公司纷纷联系风险投资公司，甚至任何愿意帮助他们的人，只为获得千金难求的GPU。
如今，这种焦虑几乎完全消失了。如今的现状是，获取GPU变得很容易，交货时间也非常合理。
2. GPU库存正在增加
英伟达在第四季度报告中指出，其数据中心收入中约有一半，都来自大型云供应商。仅微软一家公司，可能就占了英伟达第四季度收入的约22%。
如今，超大规模的资本支出正达到历史新高。
这些投资也成为了大科技公司2024年第一季度财报的主要亮点，CEO们明确表示：「无论你们喜不喜欢，我们都会投资GPU。」
在业内，囤积硬件已经不是什么新鲜事了，一旦库存增加到足以减少需求，就会引发市场调整。
3. OpenAI仍然占据AI收入的最大份额
《The Information》最近报道，OpenAI的收入已增至34亿美元，在2023年末，他们的收入还是16亿美元。
虽然也有一些初创公司达到了不到1亿美元的收入规模，但显然，跟OpenAI相比，它们还在努力追车尾。
除了ChatGPT，今天消费者真正使用的AI产品有多少呢？
如果需要付费，每月15.49美元的Netfix，或者每月11.99美元的Spotify，岂不更香？
从长远来看，AI公司提供的价值需要足够显著，才能让消费者有持续的掏钱意愿。
4. 1250亿美元的空缺现在变成了5000亿美元的空缺
在上次分析中，David曾经做过这样一种乐观的的假设：每年，谷歌、微软、苹果和Meta能从新产生的AI相关收入中获利100亿美元。
他还假设，甲骨文、字节跳动、阿里、腾讯、X和特斯拉每家能产生50亿美元的全新AI收入。
即使这些假设仍然成立，并且再增加几家公司到名单中，那么1250亿美元的空缺，现在将变成5000亿美元的空缺。
5. B100即将到来
今年早些时候，英伟达官宣了B100芯片，它的性能提高了2.5倍，而成本却仅仅增加了25%。
David预计，这将最终导致对英伟达芯片的需求激增。
因为B100在成本与性能上较H100有显著提升，可能会导致今年晚些时候的又一次供应短缺，到时候大家都会争相抢购B100。
在GPU资本支出中，我们忽略了什么
对此，David表示赞同，但也提出了他们忽略的一些问题。
1. 缺乏定价权
在物理基础设施建设中，所建的设施本身是有一定的内在价值的。
如果你拥有从旧金山到洛杉矶的铁轨，你可能会有某种垄断定价权，因为在A地和B地之间，只能铺设有限的铁轨。
而在GPU数据中心的情况下，定价权则要少得多。
GPU计算，如今越来越像是一种按小时计费的商品。
不同于成为寡头垄断的CPU云，后来者正在持续不断地涌入市场，建设专用的AI云。
在没有垄断或寡头垄断的情况下，高固定成本+低边际成本的业务，价格竞争下降到边际成本几乎会成定局（比如航空公司）。
2. 投资焚烧率
即使在铁路建设中，投机性投资狂潮也往往会导致极高的资本焚烧率。
在新技术出现时，也是如此。
在关于技术投资的最佳教科书之一《推动市场的引擎》中，得出的主要结论是：在投机性的技术浪潮中，很多人损失了大量资金。（比如铁路）
想要找出赢家很难，但要找出输家，则容易得多。（在铁路的情况下是运河）。
3. 折旧
从技术历史中我们知道，半导体的发展会越来越好。
英伟达还将继续生产更强的下一代芯片，如B100。这将导致上一代芯片更快的折旧。
因为市场低估了B100和下一代芯片改进的速度，它高估了今天购买的H100在3-4年内保价的程度。
不过，这种情况在物理基础设施中是不存在的，因为物理基础设施不会遵循任何摩尔定律曲线，成本与性能也不会持续改进。
4. 赢家与输家
现在，我们需要仔细看看谁是赢家，谁输家——在过度的基础设施建设期间，总是会有赢家的。
David认为，AI可能是下一个变革性的技术浪潮，而GPU计算价格的下降，实际上对长期创新和初创公司是有利的。
如果他的预测成真，主要受损的就是投资者了。
而创始人和公司建设者将继续在AI领域创新，因为他们将受益于更低的成本，和在这一实验期间积累的经验教训。
因此，他们更有可能成功。
谁为终端用户提供价值，谁就会获得回报
显而易见，AI将带来巨大的经济价值。那些专注于为终端用户提供价值的公司，终将获得丰厚的回报。
如今，我们正处在一个有潜力重新定义一代人的技术浪潮中。
像英伟达这样的公司，在这一变革中功不可没，并且很可能在未来很长一段时间内，都会继续在生态系统中扮演关键角色。
投机狂潮是技术发展的一部分，因此不必害怕。
在这个时刻保持冷静的人，有机会建起极其重要的公司。
但是，我们需要警惕那种从硅谷蔓延到全美，甚至全球的幻想：我们都能快速致富，因为AGI明天就会到来，我们都需要囤积唯一有价值的资源——GPU。
实际上，前方的道路将会很长。
它会有起伏，但可以肯定的是，这条路是值得走的。
参考资料：
https://www.sequoiacap.com/article/ais-600b-question/
大数据、云计算、人工智能时代的临界点，你离目标还有多远？
马云曾说过，十年前世界上争夺的是石油，十年后世界争夺的将是 大数据、云计算、人工智能 ！ 目前，中国人工智能行业正处于一个创新发展时期，据中商产业研究院大数据显示，2015年中国的人工智能市场规模达12亿美元，2017年中国的人工智能市场规模达700亿元，预测将在2020年达到1600亿元的规模。 在国务院《新一代人工智能发展规划》中也明确表示，我国新一代人工智能发展的战略目标： 第一步到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径；第二步到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；第三步到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。 2018年时代的临界点，你离目标还有多远？ 目前创新企业普遍面临的难题：1、获客难 每日互联网用户千千万万，但是，真正是你客户的有多少？2、营销难 人工智能时代，技术创造未来，同行产品多，营销渠道少，市场竞争压力大；3、运营难 客户永远是一群追逐利益最大化、最善变的群体，客户要什么，运营就得提供什么；4、成本高 人工成本+招聘成本+培训成本+硬件成本+五险一金+场地，企业成本高；5、情绪化 每天重复的回答简单的问题，繁琐的营销流程，因天气、因心情、因同事、因客户等不同情绪影响。 作为国家、深圳“双新”高新科技企业，独立研发的新一代AI人工智能—智能语音机器人。 采用 真人语音、自动拨打、自动应答、智能分类、语音记录、人机交互、自主学习、多轮对话、智能语音、预测外呼、直转坐席... ... 有效的降低企业成本，提高企业效益。 截止目前，我们已经看到了人工智能全球的发展，在不久后的未来，每个人都可能有一个人工智能私人助理，帮你打理生活琐事，安排行程；生病不怕再耽搁，人工智能传感器实时采集你的各项生理数据，并针对性地给出健康生活的改善建议，做到重大突发疾病的早期预警；出行不再需要司机，智能自动驾驶无人车，安全把你送达目的地；旅游不再需要翻译，智能翻译耳机将听到的英文实时翻译成中文播给你听； 人工智能，一切让人类生活 更方便、快捷 ！时代的临界点，你离目标还有多远？
人工智能的发展前景如何?
1. 人工智能行业规模巨大 如今，全球科技界最热门的名词之一是“人工智能”。 全球科技巨头如谷歌、微软、苹果、IBM、Facebook、英特尔等都将人工智能视为下一个技术突破点，纷纷投入巨额资金进行研发和竞争。 谷歌将人工智能视为未来重大战略，全力开发“谷歌大脑”；Facebook成立人工智能实验室；微软推出旨在探索人类大脑奥秘的人工智能系统“Adam”（亚当），直接与“谷歌大脑”竞争。 近年来，深度学习、大数据和并行计算共同推动人工智能技术实现跨越式发展。 “人工智能+”应用已开始落地开花，从智能安防到智能客服，再到智慧教育和智慧医疗等。 基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提高了生产效率和生活质量，也推动了各个行业的发展和变革。 得益于深度学习等AI技术的进步，以及AI在各个行业的深入应用，产业发展迅速。 根据沙利文的统计预测，2019年全球人工智能行业的市场规模约为1917亿美元，初步估计2020年全球人工智能市场规模将达到2335亿美元。 2. 欧美国家投资规模波动上涨，日本相较欧美差距较大 欧洲人工智能处于领先地位，近年来，欧洲为推动人工智能的发展，欧盟制定了覆盖整个欧盟的人工智能推进政策、研究和投资计划，协同推进战略实施，确保在人工智能领域的全球竞争力。 从2014-2020年的投资数量和投资金额来看，欧洲人工智能行业的投资规模呈上升趋势，但近几年行业投资热度有所下降，相对而言保持稳定。 2020年，欧洲人工智能相关投资事件为40起，投资金额达到39.72亿美元。 美国在脑科学、量子计算、通用AI等方面超前布局，同时，依托硅谷的强大优势，企业主导建立了完整的人工智能产业链和生态圈，在人工智能芯片、开源框架平台、操作系统等基础软硬件领域全球领先。 从2014-2020年的投资数量和投资金额来看，美国人工智能行业的投资规模不断扩大。 尽管2019-2020年投资事件有所减少，但投资金额却不断增加，单笔平均投资金额持续上升。 2020年，美国人工智能相关投资事件为101起，投资金额达到429.23亿美元。 日本的人工智能研究首先是从大学校园里开始的。 有日本机器人之父之称的早稻田大学教授加藤一郎，早在1970年代就开始研发人工肌肉驱动的下肢机器人。 1990年代又研发出以液压和电机驱动的下肢机器人。 而大阪大学智能机器人学教授石黑浩带领的研究小组，在2010年就开发出了可以模仿人类表情的女性替身机器人。 在战略上，日本政府将人工智能定位为增长战略的支柱。 日本人工智能市场的投资规模远不如美国、欧洲和中国等国家和地区，其中日本人工智能企业数量较少也是影响因素之一。 3. 全球人工智能将呈现螺旋式发展 未来全球的人工智能将呈现螺旋式发展，同时在人工智能应用快速普及的情况下，场景将呈现出快速整合的趋势。 细分赛道中，机器学习、图像识别、智能机器人最具发展潜力。 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。
AI人工智能产业规模有多大？
随着人工智能行业的加速发展，有专业数据调查平台预估：到2026年，整个人工智能产业相应规模会超过6000亿。 人工智能产业规模图，人工智能是人工+智能。 各大从事人工智能产业的企业比拼的不仅仅是AI技术，算法等。 最重要的还是比拼数据，蓝军此处提到的“数据”，不仅仅普通的文字，图片，视频数据；而是需要人工智能算法模型能够读懂的“数据集”。 ”数据集“的产生需要对基础数据包做大量的“数据标注”，因此，人工智能产业的蓬勃发展，也就催生了数据标注业务需求的大量产生，越来越多的企业看到了这个需求市场，纷纷入局，也就有了专门从事给大厂做数据标注基础服务的数据公司。 数据标注报价单。 一般成熟的数据标注平台收费是0.5元/条数据标注官方报价，那么企业要对一个10万数据包进行数据标注，也就是5万的数据标注费用。 同时也有企业按标注框来计费，这样相对更加合理，也能让劳动者最大的激发劳动热情；再来分享数据标注能标注多少条，根据网上有相关文章报道，成熟的数据标注师一天能标注几千条数据，蓝军个人认为是有点不太现实的。 实属个别现象，大部分标注工程师，再面临如此“枯燥”且又有价值的工作，一天能完成800到1000条数据标注，已经算是非常优秀了！
