著名風險投資公司紅杉資本的合伙人David Cahn在5號參與了20VC的節(jié)目訪談，1小時的訪談中，這位出色的投資人詳解了AI發(fā)展的未來宏觀風向。

在成為紅杉資本合伙人之前，David畢業(yè)于賓夕法尼亞大學，曾擔任Coatue的普通合伙人和首席運營官，領導了Coatue對Runway、HuggingFace、Notion和Supabase的投資。

接下來就跟隨風投大佬的腳步，看看華爾街預言家如何把握AI大方向、怎樣看待AI投入產(chǎn)出比、獨角獸們下半場又要卷什么？

AI投入產(chǎn)出博弈論

最近，科技巨頭們紛紛開始公布第二季度財報，正值科技財報季，華爾街人士腦海中浮現(xiàn)一個問題：投入了這么多，AI到底什么時候開始賺錢?

自ChatGPT啟動人工智能軍備競賽以來，科技巨頭們承諾該技術將徹底改變每個行業(yè)，在運行大型人工智能模型所需的數(shù)據(jù)中心和半導體上花費數(shù)百億美元。

與偉大愿景相比，他們迄今為止推出的產(chǎn)品感覺有點微不足道——聊天機器人沒有明確的變現(xiàn)途徑，成本節(jié)約措施杯水車薪，人工智能搜索好像也前途未卜。

但大型科技公司盡管花費了數(shù)十億美元，但在人工智能有利可圖的新產(chǎn)品方面獲得的收益仍然相對較少，投資者開始變得焦躁不安。

例如，英特爾在為適應人工智能浪潮而投入巨資后，目前正試圖通過削減100億美元成本并解雇上萬名員工來控制局面，該公司股價周五暴跌25%。

David在去年9月寫過一篇文章，《AI’s $200B Question》，人工智能的2000億難題。

文章地址：https://www.sequoiacap.com/article/follow-the-gpusperspective/

上個月，David又寫了一篇，題目叫做《AI’s $600B Question》，人工智能的6000億美元問題。

文章地址：https://www.sequoiacap.com/article/ais-600b-question/

從2000億到6000億，David在這兩篇文章當中量化了一個非常重要的指標，那就是「AI基礎設施建設所隱含的收入預期與AI生態(tài)系統(tǒng)中的實際收入增長」之間有著非常大的差距

這個差距，就是文章標題所說的6000億美元。

在節(jié)目中，David認為，「AI 改變世界」和「AI資本支出水平過高」目前并存。

在過去的一年里，人工智能宛若一個美元焚燒爐，雖然很多支持者都表示，「無論這個數(shù)字有多高，都沒關系。人工智能將改變世界，不用擔心。」

但是，David認為不能盲目樂觀，要具體量化AI的投入產(chǎn)出比，這也是他寫下人工智能6000億美元問題的原因。

一方面，相信人工智能發(fā)展前途無限；另一方面，也要清楚把握未來兩年人工智能資本支出也無限。

你可以相信人工智能，但也可以相信至少未來1年內(nèi)，人工智能的資本支出可能都難以償還。

在節(jié)目中，David提到在前兩天剛剛和小扎談論了這個話題，小扎也認識到了這個問題，剛開始進入人工智能領域，試圖說資本支出不重要，預算不重要。

但隨著AI軍備競賽進入下一階段，他們都明白這是有風險的，但這是一個值得冒的險。

資本市場在追逐科技熱點的時候會造成大量的「資本損耗」。投機者會加速科技進步的速度，但市場里隨之會出現(xiàn)大量投機失敗者。

AI投資背后的博弈論就在此，如果AGI真的到來，這將是一項偉大的投資。如果它遲遲沒有到來呢？這就是投資者和科技巨頭們必須承擔的風險。

David認為，現(xiàn)在AI的泡沫主要集中在GPU，也就是AI基建，所以出現(xiàn)了英偉達這個最大贏家。

但隨著技術的發(fā)展，算力的價格一定會下降，最終受益者將會從基建創(chuàng)造者轉(zhuǎn)變?yōu)槭褂谜摺?/span>

核心：數(shù)據(jù)中心基建

David在節(jié)目中提到了很有趣的一個觀點，他認為，當前AI發(fā)展的局勢利好初創(chuàng)企業(yè)的發(fā)展。

大型科技巨頭是計算的生產(chǎn)者，初創(chuàng)公司是計算的消費者。

因此，如果認為計算生產(chǎn)過剩，計算價格下降，那么，初創(chuàng)公司就會從中獲利。

計算成本降低將轉(zhuǎn)化為初創(chuàng)公司更高的毛利率，直接意味著更高的價值。

換句話來說，巨頭投資算力建設，如果他們成功了，我們將擁有令人驚嘆的產(chǎn)品，消費者將從中獲得巨大的價值；如果他們沒有成功，那也不虧，我們不是為此買單的人。

主持人繼續(xù)追問有關算力的問題，一種是計算生產(chǎn)過剩，這意味著初創(chuàng)公司的成本會下降。而奧特曼曾非常樂觀地表示，算力是未來的貨幣，這兩種觀點是否矛盾?

David解釋道，算力雖然是一種聽上去抽象的概念，但是算力就是位于某處的數(shù)據(jù)中心，擁有一堆GPU、一堆液冷系統(tǒng)等等的一堆有物理存在的事物。

所以David認為圍繞人工智能算力的討論變得有些矛盾的原因是，「計算」和「云」這種說法并沒有真正捕捉到它背后的物理本質(zhì)。

實際上，我們還不知道如何構建GPU數(shù)據(jù)中心，所以大型科技公司只能以可能的最佳方式進行構建。

兩年后，Nvidia的B100芯片成為主導芯片，那么就涉及到替換H100芯片的問題，液冷系統(tǒng)也會大規(guī)模替換風冷系統(tǒng)。

所以，David認為下一階段，建設效率可能比研究突破更重要。技術的突破讓模型越來越大，但是也要有足夠容納模型的數(shù)據(jù)中心。

但是，計算是從物理資產(chǎn)中生成的，會面臨巨大的建設成本和淘汰成本。

David還提到了最近聽到有人說了一句很棒的話，「沒有人會在同一個數(shù)據(jù)中心訓練兩次前沿模型，因為當你訓練它的時候，GPU會過時，數(shù)據(jù)中心會太小。」

假設模型發(fā)生變化，假設Scaling Law繼續(xù)成立，AI未來發(fā)展欣欣向榮，那就意味著需要改變數(shù)據(jù)中心的架構，需要新的芯片。

這些模型越大，Scaling Law就越成為主導，所有研究人員從一個實驗室跳到另一個實驗室，數(shù)據(jù)中心成為最重要的資產(chǎn)，每個巨頭都不得不學習如何構建這些真正的數(shù)據(jù)中心。

今天，7家頂級的AI公司已經(jīng)站在了這場競賽的起跑線上，競相擴張數(shù)據(jù)中心規(guī)模：微軟/OpenAI、亞馬遜/Anthropic、谷歌、Meta 和 xAI。

David分析了每個參與者將如何采取獨特的方法（源自他們自己的業(yè)務基本原理）來贏得勝利：

Meta和xAI都是消費類公司，它們都將進行垂直整合，兩家公司都將尋求在更智能模型的支持下推出消費者應用程序，簡化模型構建工作并將其與數(shù)據(jù)中心設計和建設緊密結合。

微軟和亞馬遜擁有實力雄厚的數(shù)據(jù)中心團隊和雄厚的財力，他們利用這些資產(chǎn)與頂級研究實驗室建立了合作伙伴關系。

他們希望通過一方面向其他公司銷售訓練算力，以及另一方面銷售模型推理來變現(xiàn)。

兩家公司需要在管理其前沿模型（GPT 5 和 Claude 4）和構建數(shù)據(jù)中心之間進行合理的資源分配。

谷歌既有消費者業(yè)務，也有云業(yè)務，還擁有自己的內(nèi)部研究團隊。谷歌還利用TPU垂直整合到芯片層，這些因素應該會提供長期的結構性優(yōu)勢。

三要素：鋼鐵、服務器和電力

Alexander Wang不久前在節(jié)目中說，他和很多人持不同意見，他認為除去計算和算力之外，數(shù)據(jù)是當今模型和人工智能發(fā)展的核心瓶頸。

David認為，計算模型和數(shù)據(jù)已經(jīng)融合在一起，今天很難說任何一家大模型公司具有數(shù)據(jù)優(yōu)勢，計算只是一種需要付費的商品。

隨著資本支出計劃的落實和競爭格局的確定，人工智能競賽下半場開始了。在人工智能的新階段，鋼鐵、服務器和電力將取代模型、計算和數(shù)據(jù)，成為任何希望領先的人的「必勝之選」。

David表示，他對AI的工業(yè)性質(zhì)更感興趣，就像正在發(fā)生的工業(yè)革命一樣，與服務器相關的芯片創(chuàng)新來自于英偉達、AMD和博通，英偉達擁有驚人的毛利率，競爭將會非常激烈，芯片戰(zhàn)爭才剛剛開始。

其次關于鋼鐵，未來將有大量的建設項目，其中最大的受益者基本上是建筑公司和房地產(chǎn)公司。

鋼鐵是所有工業(yè)用品的總稱，包括發(fā)電機和電池。當David與大型云計算公司交談時，他們說他們正在打電話給制造商，說他們有一筆巨額訂單。

他們要求制造商提高生產(chǎn)能力，制造商猶豫不決，因為他們必須建造新工廠，而這需要大量資金。

最后是電力，David認為電力元素會是非常有趣的一環(huán)，等待能源革命已經(jīng)有幾年了，也許它最終會因為人工智能而發(fā)生。