马斯克豪掷40亿训Grok-3！红杉高盛大泼冷水，AI收支鸿沟或已达5000亿美元

---

  新智元报道  

硅谷大厂的人工智能军备竞赛，还在加剧。

马斯克连连为xAI造势，宣布Grok 2将于下个月上线，并且还将豪掷近40亿买10万张H100训练Grok 3！

根据此前SemiAnalysis的爆料，1.8万亿巨量参数的GPT-4，由13万亿token训练，为此OpenAI斥资6300万美元，用了2.5万张A100。

如今，智算集群早已迈入超万卡时代。据分析，GPT-5的训练或将用到5-10万卡，GPT-6的训练则有很大概率超越10万卡，耗资百亿美元。

图源：阿里云

在模型训练的投资上，根据拾象科技的预测，OpenAI和谷歌未来几年的训练预算将达到200亿-300亿美元。

而在算力投资规模上，已知微软和OpenAI「星际之门」将达到千亿美元。谷歌CEO劈柴也曾表示谷歌的算力投资将超千亿美元。

而美国科技大公司每年在云和AI的投资上，至少要耗资4000亿美元。

然而，商业闭环的路径在哪里？

至今无人回答。

在这样的背景下，业内有越来越多的媒体和机构，开始针对全球的大模型掘金热展开了激烈的讨论。

有部分高盛分析师认为，AI目前根本没有赚到任何大钱，杀手级应用如今尚未出现，即使在未来十年，AI的经济上升空间也极其有限。

与此同时，红杉资本的分析师也发文提醒：如今AI基础设施的巨额投资和实际的AI生态实际收入之间，鸿沟已经大到不可思议。AI行业需要每年赚取6000亿美元来支付巨额的硬件支出，人工智能泡沫正在接近临界点！

但可以肯定的是，在大量泡沫和炒作之中，唯一赚得盆满钵满的，就是英伟达的老黄了。

如今全世界对AI的狂热，就仿佛19世纪加州发现黄金的早期。每个人都在疯狂涌入，希望下一个致富的就是自己。

但有一个「小小」的问题：AI目前还没有赚到大钱。

《经济学人》表示，根据高盛的一项分析，从2022年底以来，希望通过利用AI提高生产力来获利的公司，无论是H&R Block还是沃尔玛，股价表现依然远远落后于大盘。

同时，人工智能的市场渗透率，也是低得出人意料。

根据美国人口普查局的一份报告，只有5%的企业正在使用人工智能，预计到今年秋天，这一数字只会上升到6.6%左右。

当然，企业对于AI的采用率不高，可能是受到AI幻觉和对安全、隐私担忧的阻碍，模型一方面本质是黑箱，另一方面还可能泄露重要的商业机密。

在高盛上个月发布的生成式AI报告中，分析师Jim Covello对AI行业发表了严厉的批评：「为了从昂贵的AI技术中获得足够的回报，AI必须解决非常复杂的问题，但目前它还做不到，甚至可能永远做不到。」

是的，部署和运行AI确实昂贵，这还不包括它对环境的有害影响。因此，使用AI的公司希望看到重大回报。

然而到目前为止，他们还没有看到。也许真正的问题是，在商业领袖转向下一个热点之前，AI行业还有多少发展的时间。

而且，合法行业会从AI中得到多少帮助？我们只知道，目前犯罪分子和黑客们正在用AI窃取大量资金，这反而迫使更多公司不得不在网络安全措施上投入更多。

具体来说，他给我们算了一笔帐：AI公司每年需要赚取6000亿美元，来支付AI基础设施（如数据中心）的费用。

计算这个指标其实很简单。你只需将英伟达的年化收入预测乘以2倍，以反映AI数据中心的总成本（GPU占总成本的一半，另一半包括能源、建筑、备用发电机等）。然后再乘以2倍，以反映GPU终端用户的50%毛利率（例如，从Azure、AWS或GCP购买AI计算资源的初创公司或企业，他们也需要盈利）。

要知道，英伟达去年在数据中心硬件上狠赚了475亿美元（大部分硬件是用于AI和高性能计算应用的计算GPU）。

AWS、谷歌、Meta、微软等大科技公司在2023年纷纷跟进，为了ChatGPT这样的应用在AI基础设施上豪掷了巨额投资。

然而，他们能收回这些投资吗？

答案有点可怕。

David Cahn提出这个令人深思的观点：我们所有人，正在见证一个巨大金融泡沫的增长。

泡沫是怎么来的

要知道，从2023年9月至今，情况已经发生了变化，我们不能对这些变化视而不见——

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。

曾经人们在美国疯狂抢购英伟达GPU的场景，仿佛《饥饿游戏》

如今，这种焦虑得到了极大的缓解。如今的现状是，获取GPU变得比之前容易多了。

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。

所有这一切导致的结果就是——

1250亿美元的空缺现在变成了5000亿美元的空缺！

与此同时，在AI硬件上的投资仍在增长。

在Cahn看来，即使对这些大科技公司AI收入的预测再乐观，也依然不够！

假设谷歌、微软、苹果和Meta每年从AI中产生100亿美元的收入，而其他公司如甲骨文、X和特斯拉也都能产生50亿美元的收入。

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。

AI行业需要学会如何盈利

显然，业内对AI基础设施的投资，态度已经过分乐观了。

与物理基础设施不同，AI GPU计算可能会因新玩家的进入而商品化，比如AMD、英特尔，更不用提谷歌、Meta和微软的定制处理器。

尤其在推理领域，肉眼可见新玩家将引入激烈的价格战。

投机性投资往往会导致高额损失，而新处理器的快速推出，也会导致旧的处理器迅速贬值，这与物理基础设施的稳定价值恰恰相反。

所以，尽管AI具备未来巨大的变革潜力，但前方的道路仍然漫长。

大家都不愿意承认的一个事实就是：目前业内还没有哪家企业或初创公司，开发出了能赚钱的应用程序。

Cahn认为，行业必须降低对AI进步带来快速利润的期望，认识到当前投资的投机性质，以及持续创新并创造价值的必要性。

否则，这个价值数千亿美元的泡沫必将破裂，最严重的情况，就是导致全球的经济危机。当然，后者目前还只是一个猜测。

同样，根据这篇高盛的报告，生成式AI目前还无法解决证明自己成本合理的复杂问题，但即便如此，AI主题也依然有着很大发展的空间。

正如上文中提到的，即使在高盛内部，分析师们对此的看法也是如此不一。

如今，生成式AI技术将改变公司、行业和社会的论调，已是深入人心。

为此，科技巨头，以及各个领域的公司纷纷加大开支，并预计会在未来几年内花费约1万亿美元。其中包括，对数据中心、芯片、其他AI基础设施和电网的重大投资。

但到目前为止，这些支出除了开发人员报告的效率提升外，几乎没有其他显著成果。

甚至是迄今获益最多的英伟达，也一度出现了股票的大幅下跌。

不过， 尽管有一些担忧和限制，高盛依然认为AI主题有着很大发展的空间——或是因为AI开始带来真正的变革，或是因为泡沫需要很长时间才会破裂。

关于AI增长的讨论

之所以生成式AI有可能为经济带来显著的增长，主要是因为它能够自动化大量工作任务。

根据高盛的分析，在广泛采用之后，美国劳动生产率和GDP增长可能会累积增加多达15%。

尽管如此，关于生成式AI的潜在宏观影响仍存在大量争论。

例如，一些研究假设生成式AI将加速机器人技术的发展和采用，或者认为最近生成式AI的进展预示着「超级智能」的出现。这些结果是有可能的，但现在谈论还为时尚早，因为它们通常会预设一个技术水平远超当前的AI。

另一些研究，比如麻省理工学院经济学家Daron Acemoglu对美国生产率和GDP的增长预期，则要低得多了。他的基线估计表明，生成式AI将在未来10年内将美国全要素生产率（TFP）提高0.53%，并将GDP提高0.9%。

更广泛的AI自动化即将到来

与Acemoglu的观点类似，高盛也认为许多暴露于AI的任务在今天并不具备成本效益，甚至在未来十年内也可能不会具备。

除了少数几个受益最大的行业之外，如计算和数据基础设施、信息服务以及电影和声音制作，AI的采用仍然非常有限。

不过，AI全自动化揭示了在较长时间内可能出现的任务，这些任务每年每个工人可能会节省数千美元的成本。

此外，与其他新的技术类似，生成式AI的费用也将会迅速下降，并且一旦应用开发完成，其部署的边际费用可能会非常低，从而极大地提高了AI的采用和自动化率。

劳动力重新配置和新任务的创建

高盛预计，AI将通过在劳动力具有比较优势的领域提高需求，同时创造以前在技术或经济上不可行的新机会来提高产出。

之前信息技术的出现，就带来了非常类似的趋势——它创造了网页设计师、软件开发人员和数字营销专业人士等新职业，并间接推动了医疗、教育和食品服务等行业服务部门工人的需求。

在MIT经济学家David Autor及其合著者的近期研究中也能看到这一点。他们发现，今天60%的工人从事的职业在1940年是不存在的，并且由技术驱动的新职业占过去80年就业增长的85%以上。

因此，高盛认为生成式AI在推动自动化、节约成本和提高效率方面有着巨大的潜力，并最终会显著提升生产率和GDP。

AI芯片的限制

高盛预计，在未来几年内，半导体行业的供应限制将继续成为限制AI增长的重要因素。

随着生成式AI技术的普及，对AI芯片的需求急剧上升，包括从英伟达的GPU到大型云计算公司设计的定制芯片。

这也引发了人们对半导体行业能否满足需求的疑问。

鉴于在两个关键领域的限制——高带宽存储器（High-Bandwidth Memory, HBM）和晶圆级封装（Chip-on-Wafer-on-Substrate, CoWoS），高盛预计，从2024年下半年到2025年初，AI芯片的出货量将更多地由供应而非需求决定。

HBM市场供不应求

目前，AI应用使用两种类型的动态随机存取存储器（DRAM）：HBM和DDR SDRAM。

HBM是一种革命性的存储技术，它将多个DRAM芯片堆叠在一个基础逻辑芯片上，从而在与GPU或AI芯片接口时，通过更高的带宽实现更高的性能。

高盛预计，HBM市场将在未来几年内以约100%的复合年增长率（CAGR）增长，从2023年的23亿美元增长到2026年的302亿美元。

而三大DRAM供应商（三星、SK海力士和美光）的供应比例会不断增加，以满足指数级的增长需求。

封装瓶颈

另一个关键的供应瓶颈是被称为CoWoS的先进封装形式。

这是一种2.5D晶圆级多芯片封装技术，通过将多个芯片并排放置在硅中介层上，从而实现更好的互连密度和HPC应用的性能。

自2022年末ChatGPT出现以来，这种先进的封装能力一直供不应求。尽管台积电和其他供应商正在扩展产能，但这种供不应求显然成为满足AI芯片需求的限制因素。

虽然预测供应何时能赶上需求很困难，但高盛认为，台积电的CoWoS产能今年将增加一倍以上，并在2025年再次翻倍。

因此，芯片供应最终还是赶上强劲的需求，但过程可能会非常艰难。

AI受益者全速前进

当然，AI已经推动美股持续创下新高，许多受益者经历了一幅上涨。

从2023年初以来，英伟达已经取得了709%的回报，曾经短暂成为标普500指数最大的股票。

然而，尽管对AI的乐观情绪让许多大型科技股的估值达到了较高水平，最大的10只TMT股票的估值达到了31倍，但与科技泡沫高峰期的52倍和2021年末的43倍相比，仍然显得逊色。

总体而言，高盛认为AI主题还有很大的发展空间，受益者的范围可能还会扩大，因为投资者正在寻找AI交易的下一阶段，而这将尤其有利于公用事业行业。

AI交易的未来阶段

高盛将AI交易分为四个阶段：

- 「第一阶段」始于2023年初，重点关注英伟达，这是近期最明显的AI受益者；

- 「第二阶段」关注AI基础设施，包括更广泛的半导体公司、云服务提供商、数据中心REITs、硬件和设备公司、安全软件股票以及公用事业公司；

- 「第三阶段」关注那些能够轻松将AI融入其产品以增加收入的公司，主要是软件和IT服务；

- 「第四阶段」则包括那些因广泛AI采用和生产力提升而获得最大潜在收益的公司。

随着第一阶段的顺利展开——英伟达年初至今已经回报139%，占标普500指数15%年初至今回报的28%——投资者越来越关注第二阶段的受益者。

2024年第一季度的财报表明，很多科技巨头都计划在AI相关的资本支出上花费数十亿美元，这将使参与AI基础设施的第二阶段公司受益。

截至目前，第二阶段公司股票的回报率为22%，相比之下，第三阶段为-2%，第四阶段为2%。

公用事业的价值

在第二阶段中，公用事业成为了受欢迎的AI交易对象。

首先，它为投资者提供了AI曝光的机会。

高盛的股票分析师认为，AI需求、非AI需求和能源效率增速放缓的代际组合，将使美国电力需求在2022年至2030年期间以2.4%的复合年增长率增长，而后者在过去十年中，几乎没有增长。

这种电力需求的增加应该会导致公用事业公司增加资本支出，考虑到许多是受监管的实体，回报率有限，这就是满足增量需求的必要条件。

其次，从宏观角度来看，公用事业在投资组合中提供了防御倾向。随着经济增长放缓，这一倾向应该会受益。

根据高盛的分析，自2023年下半年以来，导致经济增长放缓的许多因素将会继续存在。

全速前进，但需警惕风险

虽然高盛预计公用事业将继续受益于AI技术的兴起，但美国较高的利率对该行业构成了风险。

更广泛地说，对AI的持续投资将推动相关公司（第二阶段）获得优异的表现。

然而，如果经济增长放缓的迹象比预期更明显，且AI未能产生足够的投资回报，或者AI领军企业的收益出现明显下滑，投资者可能会降低对AI受益者的估值。