1250亿的AI商机在应用层？红杉合伙人：GPU在哪里，AI的机会就在哪里

---

  新智元报道  

AI行业从去年开始的大爆发，到底是一轮炒作，还是真正的技术革命？

除了大公司的AI军备竞赛，为什么初创公司几乎没有机会？

这些问题，不单是创业者和用户在思考，即便是世界上最有影响力的风投机构，也在寻求自己的答案。

红杉资本合伙人，两个明星产品——Hugging Face和Notion——的投资人David Cahn最近撰文，分享了他对AI行业社会价值和投资价值的精辟分析。

从去年夏天开始的生成式AI浪潮现已进入超速状态。

英伟达第二季度的盈利水平，以及远超市场分析师预测的盈利预期，把AI巨浪朝着更加深远的方向推去。

因为英伟达的财报向市场传递了这样一个信号——行业对于GPU和AI模型训练的需求远远无法被满足。

在英伟达的第二季度财报发布之前，像ChatGPT、Midjourney和Stable Diffusion这样的消费者级产品已经让AI技术的发展破圈。

随着英伟达的财报公布，创业者和投资者看到了AI能够产生数十亿美元净增量收入的实质证据。

尽管投资者已经从英伟达的财报中获得了非常多的信息——并且AI投资项目现在以极快的速度在推进，创业公司的估值也纷纷创下了新的记录。

但是依然还有一些重大的问题悬而未决：所有这些GPU到底被用在了哪里？

英伟达的客户到底为谁在创造价值？

整个行业需要创造多少价值才能使现在这种如此高的投资回报率要求达到平衡状态？

因此，如果英伟达到年底销售了500亿美元的GPU（基于分析师预测的保守估计），这意味着靠着这些GPU建立起来的数据中心大约需要花费1000亿美元。

GPU的最终用户——例如，Starbucks、X、Tesla、Github Copilot或一家新的初创公司——也需要获得利润。

假设他们的利润率要达到50%的话，意味着为了挣回前期的资本投入，这些GPU每年需要产生2000亿美元的收入。

这还不包括中间云供应商的应得利润——要获得合理的正回报，行业的总收入需求将会更高。

根据AI行业中各大公司公开的财务报告来看，大量的数据中心扩建主要由各家科技巨头承担：谷歌、微软和Meta财报中都了增加的数据中心资本支出。

公开的财报同时也表明，字节跳动、腾讯和阿里巴巴也是英伟达的大客户。

展望未来，像亚马逊、甲骨文、苹果、特斯拉和Coreweave这样的公司也会成为重要的产品服务供应商。

所以，一个需要回答的重要问题出现了：这些资本支出带来的AI基础设施建设有多少是与真正的最终客户需求有关，有多少是预先为未来的最终客户的需求而买单的？

这就是围绕这2000亿美元而产生的最重要的问题。

根据《The Information》之前的报道，OpenAI每年将产生10亿美元的收入。

微软表示，预计像Microsoft Copilot这样的AI产品会产生100亿美元的AI相关收入。

假设谷歌会从他的AI产品（如Duet和Bard）中产生差不多规模的收入，再假设Meta和苹果每家也都从AI中产生100亿美元的收入。

对于甲骨文、字节跳动、阿里巴巴、腾讯、X和特斯拉，我们预估他们每家产生50亿美元左右的收入。

而关键在于，即使假设AI能带来极大的收益，按照目前的资本支出水平，整个行业每年还需要填补1250亿美元以上的收入空缺。

红杉的目标是「追踪GPU」，寻找利用AI技术为真正的终端客户创造价值的下一代初创公司。

红杉想要投资这些公司。

这篇文章进行的这一系列分析的目标就是突出这个缺口。

自2017年以来，不断进化的深度学习技术突破终于迎来了这一波热潮。

这是个好消息。大规模的资本正在进入AI行业。长远来看，这会大幅降低AI开发的成本。

按照以往的经验和现在AI基础设施获得的资本投入来看，过去需要购买本地服务器来构建应用程序。现在，开发者可以使用公有云以更低的成本达到同样的效果。

如今许多AI公司正在将他们的风险资本的绝大部分都投入到GPU上。

随着今天的GPU短缺转变为GPU过剩，运行AI的工作负载成本未来一定会下降。

这就会刺激更多的AI产品被开发出来，也会吸引更多的创业者投入到AI行业。

在历史上的技术周期中，基础设施的过度建设经常会烧掉很多资本，但同时，会通过降低新产品开发的边际成本来催生未来的创新。

红杉预计，这个模式在AI行业中将会再次上演。

对于初创公司来说，结论很明确：创投圈需要将我们的思维从基础设施转向终端客户的价值。

满足终端客户的需求是每一个伟大的生意的基本前提。

为了让AI产生真正的影响，我们需要弄清楚如何利用这一新技术来改善人们的生活。

我们如何将AI技术产生的惊人创新转化为客户每天使用、喜爱并愿意为之付费的产品？

科技巨头对AI基础设施的建设已经箭在弦上了。

未来AI基础设施将不再是行业的限制因素。

现在许多基础模型正在开发中——未来这也不再是问题。并且现在手头的AI工具已经相当不错了。

那么和这2000亿美元营收最相关的问题就变成了：

你打算用所有这些基础设施来做什么？它将如何改变人们的生活？