红杉美国合伙人：AI两千亿美元的问题，现在变成了六千亿美元！|美元_新浪财经

安装新浪财经客户端第一时间接收最全面的市场资讯→【下载地址】

　　转自：有新Newin

　　本周，英伟达超越苹果成为全球市值第一大公司，红杉美国合伙人 David Chan发文称：原先”AI 2000 亿美元的问题“现在已经变成了”AI 6000 亿美元问题。指标的计算非常简单，只需将英伟达年收入预测乘以 2 倍，以反映 AI 数据中心的总成本，然后再乘以 2 倍，以反映 GPU最终用户。

　　6月20日，红杉美国合伙人David Chan发布了最新文章《AI’s $600B Question》，也是继去年9月发表《AI’s $200B Question》后的最新思考。

　　关于David Chan，他于2018年加入Coatue，当时Coatue刚刚开始建立自己的私有软件组合。在加入Coatue 的前三年，他参与了多个重要投资项目，包括Snowflake、Databricks、Confluent、UiPath、Gitlab和Marqeta。

　　晋升为合伙人后，David全力投入AI以及Infra投资，领导了Coatue对Runway、HuggingFace 和Supabase的投资。

　　此外，他还加入了Weights & Biases和Repl.it的董事会，并一路升任为Coatue合伙人&COO。直到去年7月，David Chan加入红杉美国担任合伙人。

　　在去年发布的《AI的2000亿美元之问》文章中，David Chan提出一个问题——所有的收入都在哪里？

　　当时，注意他到AI Infra所暗示的收入预期与AI生态系统中实际收入增长之间存在巨大差距，这也可以看作是终端用户价值的Agent。他将其描述为“每年需要填补的1250亿美元的空缺”。

　　本周，英伟达完成了成为全球最有价值公司的飞跃。经对原先框架的再次计算，原先”AI-2000亿美元的问题“现在已经变成了”AI-6000亿美元的问题”。

　　根据 David Chan，这项指标的计算非常简单。只需将英伟达年收入预测乘以2倍，以反映AI数据中心的总成本（GPU占总拥有成本的一半——另一半包括能源、建筑物、备用发电机等）。然后再乘以2倍，以反映GPU最终用户。

　　例如，从Azure、AWS或GCP购买AI计算的初创公司或企业50%的毛利率。

　　去年 9 月以来发生了什么变化？

供应短缺已缓解：2023年底是GPU供应短缺的高峰期。初创公司纷纷拨打风险投资公司和其他能够提供帮助的人的电话，寻求获取GPU的帮助。

如今，这种担忧几乎完全消除。与David交谈的大多数人表示，现在相对容易在合理的交货时间内获得GPU。
GPU库存增加：英伟达在第四季度报告中表示，其数据中心收入约有一半来自大型云提供商。微软单独可能就占了英伟达第四季度收入22%左右。超大规模资本支出正达到历史水平。

这些投资是大科技公司2024年第一季度财报的主要主题，CEO们实际上向市场传递的信息是：“无论喜欢与否，我们都将投资于GPU。”囤积硬件并不是新现象，重置的催化剂将是当库存大到需求减少时。
OpenAI仍然占据AI收入的大头：据《The Information》最近报道，OpenAI的收入现在为34亿美元，而2023年底为16亿美元。虽然已经看到一些初创公司将收入规模扩大到不到1亿美元的范围，但OpenAI与其他所有公司之间的差距依然巨大。

除了ChatGPT，今天消费者真正使用了多少AI产品？考虑一下Netflix每月15.49美元或Spotify每月11.99美元所带来的价值。从长远来看，AI公司需要为消费者提供显著的价值，以继续让他们掏钱。
1250亿美元的空缺现在变成了5000亿美元：在上次分析中，大方地假设每个谷歌、微软、苹果和Meta能够从新的AI相关收入中每年产生100亿美元。

David还假设Oracle、字节跳动、阿里巴巴、腾讯、X和特斯拉每家公司每年新增50亿美元的AI收入。即使这仍然成立，并且再加上一些公司，1250亿美元的空缺现在将变成5000亿美元；
尚未结束——B100即将到来：今年早些时候，英伟达宣布了其B100芯片，其性能将提高2.5倍，成本仅增加25%。David 预计这将导致对英伟达芯片的需求出现最后一波激增。

B100在成本与性能方面的改进比H100显著，因此今年晚些时候可能会再次出现供应短缺，因为每个人都在争相获得B100。

　　David表示，对于上次文章的一个主要反驳是：“GPU资本支出就像修建铁路，最终火车会来，目的地也会到来——新的农业出口、游乐园、购物中心等。”

　　同意但被忽略的问题

定价能力的缺乏：在物理基础设施建设的情况下，你所建基础设施具有一定的内在价值。如果你拥有旧金山和洛杉矶之间的轨道，你可能拥有某种垄断定价权，因为在A地和B地之间铺设的轨道数量有限。

在GPU数据中心的情况下，定价能力要小得多。GPU计算正日益变成一种按小时计量的商品。与形成寡头垄断的CPU云不同，新进入者正在不断涌入建立专门的AI云市场。

没有垄断或寡头垄断，高固定成本+低边际成本的业务几乎总是会看到价格竞争下降到边际成本（例如航空公司）。
投资烧钱：即使在铁路的情况下——以及在许多新技术的情况下——投机投资狂潮往往会导致高比例的资本焚烧。

《驱动市场的引擎》是技术投资的最佳教材之一，其主要结论——确实专注于铁路——是很多人在投机技术浪潮中赔了很多钱。很难挑选赢家，但挑选输家要容易得多（运河，在铁路的情况下）。
折旧：我们从技术历史中知道，半导体会越来越好。英伟达将继续生产性能更好的下一代芯片，如B100。这将导致上一代芯片的折旧速度更快。

由于市场低估了B100和下一代芯片改进的速度，因此高估了今天购买的H100在3~4年内的价值。这种情况在物理基础设施中并不存在，因为它不遵循任何“摩尔定律”类型的曲线，因此成本与性能不断改进。
赢家与输家：David认为我们需要仔细看看赢家和输家——在基础设施过度建设期间总会有赢家。AI可能是下一个变革性的技术浪潮，正如我在上篇文章中提到的，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。

如果我的预测成真，主要会对投资者造成伤害。创始人和公司建设者将继续在AI领域建设——他们将更有可能成功，因为他们将受益于更低的成本和在此期间积累的经验。