硅谷大廠的人工智能軍備競賽，還在加劇。

馬斯克連連為xAI造勢，宣布Grok 2將于下個月上線，并且還將豪擲近40億買10萬張H100訓練Grok 3！

根據此前SemiAnalysis的爆料，1.8萬億巨量參數的GPT-4，由13萬億token訓練，為此OpenAI斥資6300萬美元，用了2.5萬張A100。

如今，智算集群早已邁入超萬卡時代。據分析，GPT-5的訓練或將用到5-10萬卡，GPT-6的訓練則有很大概率超越10萬卡，耗資百億美元。

圖源：阿里云

在模型訓練的投資上，根據拾象科技的預測，OpenAI和谷歌未來幾年的訓練預算將達到200億-300億美元。

而在算力投資規模上，已知微軟和OpenAI「星際之門」將達到千億美元。谷歌CEO劈柴也曾表示谷歌的算力投資將超千億美元。

而美國科技大公司每年在云和AI的投資上，至少要耗資4000億美元。

然而，商業閉環的路徑在哪里？

至今無人回答。

在這樣的背景下，業內有越來越多的媒體和機構，開始針對全球的大模型掘金熱展開了激烈的討論。

有部分高盛分析師認為，AI目前根本沒有賺到任何大錢，殺手級應用如今尚未出現，即使在未來十年，AI的經濟上升空間也極其有限。

與此同時，紅杉資本的分析師也發文提醒：如今AI基礎設施的巨額投資和實際的AI生態實際收入之間，鴻溝已經大到不可思議。AI行業需要每年賺取6000億美元來支付巨額的硬件支出，人工智能泡沫正在接近臨界點！

但可以肯定的是，在大量泡沫和炒作之中，唯一賺得盆滿缽滿的，就是英偉達的老黃了。

AI行業有個「小」問題，它不掙錢

如今全世界對AI的狂熱，就仿佛19世紀加州發現黃金的早期。每個人都在瘋狂涌入，希望下一個致富的就是自己。

但有一個「小小」的問題：AI目前還沒有賺到大錢。

《經濟學人》表示，根據高盛的一項分析，從2022年底以來，希望通過利用AI提高生產力來獲利的公司，無論是H&R Block還是沃爾瑪，股價表現依然遠遠落后于大盤。

同時，人工智能的市場滲透率，也是低得出人意料。

根據美國人口普查局的一份報告，只有5%的企業正在使用人工智能，預計到今年秋天，這一數字只會上升到6.6%左右。

當然，企業對于AI的采用率不高，可能是受到AI幻覺和對安全、隱私擔憂的阻礙，模型一方面本質是黑箱，另一方面還可能泄露重要的商業機密。

在高盛上個月發布的生成式AI報告中，分析師Jim Covello對AI行業發表了嚴厲的批評：「為了從昂貴的AI技術中獲得足夠的回報，AI必須解決非常復雜的問題，但目前它還做不到，甚至可能永遠做不到。」

是的，部署和運行AI確實昂貴，這還不包括它對環境的有害影響。因此，使用AI的公司希望看到重大回報。

然而到目前為止，他們還沒有看到。也許真正的問題是，在商業領袖轉向下一個熱點之前，AI行業還有多少發展的時間。

而且，合法行業會從AI中得到多少幫助？我們只知道，目前犯罪分子和黑客們正在用AI竊取大量資金，這反而迫使更多公司不得不在網絡安全措施上投入更多。

紅杉分析師提出6000億美元問題

紅杉資本的分析師David Cahn也在最近發布的博文中，對全世界提出警告：人工智能泡沫，如今正在接近臨界點！

具體來說，他給我們算了一筆帳：AI公司每年需要賺取6000億美元，來支付AI基礎設施（如數據中心）的費用。

計算這個指標其實很簡單。你只需將英偉達的年化收入預測乘以2倍，以反映AI數據中心的總成本（GPU占總成本的一半，另一半包括能源、建筑、備用發電機等）。然后再乘以2倍，以反映GPU終端用戶的50%毛利率（例如，從Azure、AWS或GCP購買AI計算資源的初創公司或企業，他們也需要盈利）。

要知道，英偉達去年在數據中心硬件上狠賺了475億美元（大部分硬件是用于AI和高性能計算應用的計算GPU）。

AWS、谷歌、Meta、微軟等大科技公司在2023年紛紛跟進，為了ChatGPT這樣的應用在AI基礎設施上豪擲了巨額投資。

然而，他們能收回這些投資嗎？

答案有點可怕。

David Cahn提出這個令人深思的觀點：我們所有人，正在見證一個巨大金融泡沫的增長。

泡沫是怎么來的

要知道，從2023年9月至今，情況已經發生了變化，我們不能對這些變化視而不見——

1. 供應短缺已經緩解

2023年末是GPU供應最緊張的時候。當時，初創公司紛紛聯系風險投資公司，甚至任何愿意幫助他們的人，只為獲得千金難求的GPU。

曾經人們在美國瘋狂搶購英偉達GPU的場景，仿佛《饑餓游戲》

如今，這種焦慮得到了極大的緩解。如今的現狀是，獲取GPU變得比之前容易多了。

2. GPU庫存正在增加

英偉達在第四季度報告中指出，其數據中心收入中約有一半，都來自大型云供應商。僅微軟一家公司，可能就占了英偉達第四季度收入的約22%。

如今，超大規模的資本支出正達到歷史新高。這些投資也成為了大科技公司2024年第一季度財報的主要亮點，CEO們明確表示：「無論你們喜不喜歡，我們都會投資GPU。」

在業內，囤積硬件已經不是什么新鮮事了，一旦庫存增加到足以減少需求，就會引發市場調整。

3. OpenAI仍然占據AI收入的最大份額

《The Information》最近報道，OpenAI的收入已增至34億美元，在2023年末，他們的收入還是16億美元。

雖然也有一些初創公司達到了不到1億美元的收入規模，但顯然，跟OpenAI相比，它們還在努力追車尾。

除了ChatGPT，今天消費者真正使用的AI產品有多少呢？

如果需要付費，每月15.49美元的Netfix，或者每月11.99美元的Spotify，豈不更香？

從長遠來看，AI公司提供的價值需要足夠顯著，才能讓消費者有持續的掏錢意愿。

所有這一切導致的結果就是——

1250億美元的空缺現在變成了5000億美元的空缺！

與此同時，在AI硬件上的投資仍在增長。

在Cahn看來，即使對這些大科技公司AI收入的預測再樂觀，也依然不夠！

假設谷歌、微軟、蘋果和Meta每年從AI中產生100億美元的收入，而其他公司如甲骨文、X和特斯拉也都能產生50億美元的收入。

即使這些假設仍然成立，并且再增加幾家公司到名單中，那么1250億美元的空缺，現在將變成5000億美元的空缺。

AI行業需要學會如何盈利

顯然，業內對AI基礎設施的投資，態度已經過分樂觀了。

與物理基礎設施不同，AI GPU計算可能會因新玩家的進入而商品化，比如AMD、英特爾，更不用提谷歌、Meta和微軟的定制處理器。

尤其在推理領域，肉眼可見新玩家將引入激烈的價格戰。

投機性投資往往會導致高額損失，而新處理器的快速推出，也會導致舊的處理器迅速貶值，這與物理基礎設施的穩定價值恰恰相反。

所以，盡管AI具備未來巨大的變革潛力，但前方的道路仍然漫長。

大家都不愿意承認的一個事實就是：目前業內還沒有哪家企業或初創公司，開發出了能賺錢的應用程序。

Cahn認為，行業必須降低對AI進步帶來快速利潤的期望，認識到當前投資的投機性質，以及持續創新并創造價值的必要性。

否則，這個價值數千億美元的泡沫必將破裂，最嚴重的情況，就是導致全球的經濟危機。當然，后者目前還只是一個猜測。

高盛：投入過多，收益太少？

同樣，根據這篇高盛的報告，生成式AI目前還無法解決證明自己成本合理的復雜問題，但即便如此，AI主題也依然有著很大發展的空間。

正如上文中提到的，即使在高盛內部，分析師們對此的看法也是如此不一。

如今，生成式AI技術將改變公司、行業和社會的論調，已是深入人心。

為此，科技巨頭，以及各個領域的公司紛紛加大開支，并預計會在未來幾年內花費約1萬億美元。其中包括，對數據中心、芯片、其他AI基礎設施和電網的重大投資。

但到目前為止，這些支出除了開發人員報告的效率提升外，幾乎沒有其他顯著成果。

甚至是迄今獲益最多的英偉達，也一度出現了股票的大幅下跌。

不過， 盡管有一些擔憂和限制，高盛依然認為AI主題有著很大發展的空間——或是因為AI開始帶來真正的變革，或是因為泡沫需要很長時間才會破裂。

關于AI增長的討論

之所以生成式AI有可能為經濟帶來顯著的增長，主要是因為它能夠自動化大量工作任務。

根據高盛的分析，在廣泛采用之后，美國勞動生產率和GDP增長可能會累積增加多達15%。

盡管如此，關于生成式AI的潛在宏觀影響仍存在大量爭論。

例如，一些研究假設生成式AI將加速機器人技術的發展和采用，或者認為最近生成式AI的進展預示著「超級智能」的出現。這些結果是有可能的，但現在談論還為時尚早，因為它們通常會預設一個技術水平遠超當前的AI。

另一些研究，比如麻省理工學院經濟學家Daron Acemoglu對美國生產率和GDP的增長預期，則要低得多了。他的基線估計表明，生成式AI將在未來10年內將美國全要素生產率（TFP）提高0.53%，并將GDP提高0.9%。

更廣泛的AI自動化即將到來

與Acemoglu的觀點類似，高盛也認為許多暴露于AI的任務在今天并不具備成本效益，甚至在未來十年內也可能不會具備。

除了少數幾個受益最大的行業之外，如計算和數據基礎設施、信息服務以及電影和聲音制作，AI的采用仍然非常有限。

不過，AI全自動化揭示了在較長時間內可能出現的任務，這些任務每年每個工人可能會節省數千美元的成本。

此外，與其他新的技術類似，生成式AI的費用也將會迅速下降，并且一旦應用開發完成，其部署的邊際費用可能會非常低，從而極大地提高了AI的采用和自動化率。

勞動力重新配置和新任務的創建

高盛預計，AI將通過在勞動力具有比較優勢的領域提高需求，同時創造以前在技術或經濟上不可行的新機會來提高產出。

之前信息技術的出現，就帶來了非常類似的趨勢——它創造了網頁設計師、軟件開發人員和數字營銷專業人士等新職業，并間接推動了醫療、教育和食品服務等行業服務部門工人的需求。

在MIT經濟學家David Autor及其合著者的近期研究中也能看到這一點。他們發現，今天60%的工人從事的職業在1940年是不存在的，并且由技術驅動的新職業占過去80年就業增長的85%以上。

因此，高盛認為生成式AI在推動自動化、節約成本和提高效率方面有著巨大的潛力，并最終會顯著提升生產率和GDP。

AI芯片的限制

高盛預計，在未來幾年內，半導體行業的供應限制將繼續成為限制AI增長的重要因素。

隨著生成式AI技術的普及，對AI芯片的需求急劇上升，包括從英偉達的GPU到大型云計算公司設計的定制芯片。

這也引發了人們對半導體行業能否滿足需求的疑問。

鑒于在兩個關鍵領域的限制——高帶寬存儲器（High-Bandwidth Memory, HBM）和晶圓級封裝（Chip-on-Wafer-on-Substrate, CoWoS），高盛預計，從2024年下半年到2025年初，AI芯片的出貨量將更多地由供應而非需求決定。

HBM市場供不應求

目前，AI應用使用兩種類型的動態隨機存取存儲器（DRAM）：HBM和DDR SDRAM。

HBM是一種革命性的存儲技術，它將多個DRAM芯片堆疊在一個基礎邏輯芯片上，從而在與GPU或AI芯片接口時，通過更高的帶寬實現更高的性能。

高盛預計，HBM市場將在未來幾年內以約100%的復合年增長率（CAGR）增長，從2023年的23億美元增長到2026年的302億美元。

而三大DRAM供應商（三星、SK海力士和美光）的供應比例會不斷增加，以滿足指數級的增長需求。

封裝瓶頸

另一個關鍵的供應瓶頸是被稱為CoWoS的先進封裝形式。

這是一種2.5D晶圓級多芯片封裝技術，通過將多個芯片并排放置在硅中介層上，從而實現更好的互連密度和HPC應用的性能。

自2022年末ChatGPT出現以來，這種先進的封裝能力一直供不應求。盡管臺積電和其他供應商正在擴展產能，但這種供不應求顯然成為滿足AI芯片需求的限制因素。

雖然預測供應何時能趕上需求很困難，但高盛認為，臺積電的CoWoS產能今年將增加一倍以上，并在2025年再次翻倍。

因此，芯片供應最終還是趕上強勁的需求，但過程可能會非常艱難。

AI受益者全速前進

當然，AI已經推動美股持續創下新高，許多受益者經歷了一幅上漲。

從2023年初以來，英偉達已經取得了709%的回報，曾經短暫成為標普500指數最大的股票。

然而，盡管對AI的樂觀情緒讓許多大型科技股的估值達到了較高水平，最大的10只TMT股票的估值達到了31倍，但與科技泡沫高峰期的52倍和2021年末的43倍相比，仍然顯得遜色。

總體而言，高盛認為AI主題還有很大的發展空間，受益者的范圍可能還會擴大，因為投資者正在尋找AI交易的下一階段，而這將尤其有利于公用事業行業。

AI交易的未來階段

高盛將AI交易分為四個階段：

- 「第一階段」始于2023年初，重點關注英偉達，這是近期最明顯的AI受益者；

- 「第二階段」關注AI基礎設施，包括更廣泛的半導體公司、云服務提供商、數據中心REITs、硬件和設備公司、安全軟件股票以及公用事業公司；

- 「第三階段」關注那些能夠輕松將AI融入其產品以增加收入的公司，主要是軟件和IT服務；

- 「第四階段」則包括那些因廣泛AI采用和生產力提升而獲得最大潛在收益的公司。

隨著第一階段的順利展開——英偉達年初至今已經回報139%，占標普500指數15%年初至今回報的28%——投資者越來越關注第二階段的受益者。

2024年第一季度的財報表明，很多科技巨頭都計劃在AI相關的資本支出上花費數十億美元，這將使參與AI基礎設施的第二階段公司受益。

截至目前，第二階段公司股票的回報率為22%，相比之下，第三階段為-2%，第四階段為2%。

公用事業的價值

在第二階段中，公用事業成為了受歡迎的AI交易對象。

首先，它為投資者提供了AI曝光的機會。

高盛的股票分析師認為，AI需求、非AI需求和能源效率增速放緩的代際組合，將使美國電力需求在2022年至2030年期間以2.4%的復合年增長率增長，而后者在過去十年中，幾乎沒有增長。

這種電力需求的增加應該會導致公用事業公司增加資本支出，考慮到許多是受監管的實體，回報率有限，這就是滿足增量需求的必要條件。

其次，從宏觀角度來看，公用事業在投資組合中提供了防御傾向。隨著經濟增長放緩，這一傾向應該會受益。

根據高盛的分析，自2023年下半年以來，導致經濟增長放緩的許多因素將會繼續存在。

全速前進，但需警惕風險

雖然高盛預計公用事業將繼續受益于AI技術的興起，但美國較高的利率對該行業構成了風險。

更廣泛地說，對AI的持續投資將推動相關公司（第二階段）獲得優異的表現。

然而，如果經濟增長放緩的跡象比預期更明顯，且AI未能產生足夠的投資回報，或者AI領軍企業的收益出現明顯下滑，投資者可能會降低對AI受益者的估值。