---
title: "红杉资本：生成式AI的2000亿美金难题"
id: "20231024A07MWC00"
publicationAccount: "非凡产研"
originalPublishedAt: "2023-10-24T17:30:00+08:00"
canonical: "https://ffcap.cn/research/20231024a07mwc00"
source: "https://view.inews.qq.com/a/20231024A07MWC00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["商业化","收入与 ARR","融资与投资","OpenAI","游戏","营销增长","销售与客服"]
---

# 红杉资本：生成式AI的2000亿美金难题

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

   **AI发展的不断升温与未来新难题**

始于去年夏天的生成式AI浪潮已进入超高速发展阶段。这个二次加速的催化剂是英伟达（Nvidia）的第二季度盈利报告和超预期业绩。这标志着**市场已经无法****满足对 GPU**_（GPU的全称是图形处理单元（Graphics Processing Unit），是一种专门用于加速计算机图形和图像处理的电子电路。GPU可以集成在显卡、主板、手机、个人电脑、工作站和游戏机上。GPU的主要特点是具有高度并行的结构，能够同时处理大量的数据。）_ **和人工智能模型训练的需求。**

在Nvidia 发布公告之前，ChatGPT、Midjourney 和 Stable Diffusion 等消费级生成式AI产品的推出已经让AI进入公众视野。Nvidia 的业绩向创业者和投资者证明，**人工智能可以带来数十亿美元净营收这一概念，已经有了实证****。**这让人工智能进入了前所未有的发展阶段。

虽然投资者已经从Nvidia 的业绩中推断出了许多，人工智能投资增速与估值也在迅速攀升，但一个巨大的问题亟待解决：**这些GPU被用来做什么？客户如何使用这些GPU进一步为他们自己的客户创造价值？****这些快速增长的投资需要产生多少价值才能开始盈利？**

   ****GPU运维成本与AI收支鸿沟****

请考虑这些： 在 GPU 上每花费 1 美元，数据中心运行 GPU 的能源成本就需要大约 1 美元。因此，如果到今年年底 Nvidia 的 GPU 销售额达到 500 亿美元（根据分析师的预测做出的保守估计），这意味着数据中心的成本约为 1000 亿美元。GPU 的最终用户--例如星巴克、X、特斯拉、Github Copilot 或其他新创公司--也需要赚取利润。

假设他们需要获得 50% 的利润，**那么在目前 GPU 产生成本的每一年，这些 GPU 需要产生 2,000 亿美元的稳定收入，才能收回前期投资。**这还不包括云计算供应商的任何利润，而他们也需要获得盈利，因此总收入要求只会更高。

![红杉资本：生成式AI的2000亿美金难题 · 原文图片 1](https://inews.gtimg.com/om_bt/O7UaEKVVEiK18hzbTLheGjCY2zLoO3VoQw9E8_fnI-hyoAA/1000)

根据公开文件，数据中心建设的增量大部分来自大型科技公司：例如，谷歌、微软和 Meta 都报告了数据中心资本支出的增长。报告显示，Bytedance、腾讯和阿里巴巴也是 Nvidia 的大客户。展望未来，亚马逊、Oracle、苹果、特斯拉和 Coreweave 等公司也将成为重要的贡献者。

我们要问的重要问题是：**在这些资本支出中，有多少是与真正的终端客户需求相关联的？又有多少是为了满足对未来终端客户的可能需求？**这就是标题所说的2000亿美元问题。

The Information 报道称，OpenAI 的年收入为 10 亿美元。微软曾表示，预计微软 Copilot 等产品将带来 100 亿美元的人工智能收入。我们假设谷歌将从 Duet 和 Bard 等AI产品中获得相似的收入，Meta 和苹果也都将从AI中获得 100 亿美元的收入。

我们再姑且假设Oracle、Bytedance、阿里巴巴、腾讯、X 和特斯拉的收入为 50 亿美元。这些都是没有数据的凭空假设——但关键在于，**即使我们假设人工智能的收益如此丰厚，按照目前的情况，每年的资本支出也还有1250 亿美元以上的缺口。**

**这个缺口，大概率会由初创企业生态系统填补。**

   ****市场供需关系变化与初创企业思路转型****

这篇分析报告是为了强调我们今天看到的供需差距。**人工智能的热潮终于赶上了 2017 年以来深度学习技术的突破发展，这是一个好消息。**大规模的投资建设正在进行中，从长远来看，这应该会使人工智能的开发成本大幅下降。过去，构建应用程序必须购买一个服务器机柜。

现在，您可以以更低的成本使用公共云。同样，如今许多人工智能公司将大部分风险投资都用在了 GPU 上。随着供应不足转变为供应过剩，运行人工智能负载的成本将会下降，刺激更多的产品开发，也会吸引更多的创业者进入这一领域。

**在历史上的技术周期中，基础设备的过度建设往往非常烧钱，但同时也会降低新产品开发的边际成本，为未来的创新打开通路。**我们预计这种现象将在人工智能领域重演。

对于初创企业来说，目标很明确：作为一个社区，我们需要将思维从基础设施转向最终客户价值。满足客户是每个伟大企业的基本要求，要想让人工智能产生巨大影响，我们需要弄清如何利用这项新技术来改善人们的生活——**如何将这些惊人的创新转化为客户每天使用、喜爱并愿意为之付费的产品？**

人工智能基础设施正在建设中，因此设备不再是问题；许多基础模型正在开发中，因此模型也不再是问题；而AI的易用化问题，如今也已经有了许多解法。**因此，2000 亿美元的问题本质是：你打算用这一切资源来做什么？它将如何改变人们的生活？**

---

原始发布版本：https://view.inews.qq.com/a/20231024A07MWC00

本站阅读页：https://ffcap.cn/research/20231024a07mwc00