GPU容量过剩。从长远来看，这是好事。短期内可能会变得混乱。生成式人工智能浪潮自去年夏天开始，已经进入超高速状态。这种双重加速的催化剂是英伟达的Q2盈利指南和随后的超额完成。这向市场表明了对GPU和人工智能模型训练的无法满足的需求水平。
在 Nvidia 的宣布之前，像 ChatGPT、Midjourney 和 Stable Diffusion 这样的消费者推出活动已经让人们意识到人工智能的重要性。通过 Nvidia 的结果，创始人和投资者得到了实证证据，证明人工智能可以创造数十亿美元的净新收入。这使得这个领域进入了最高速度。尽管投资者从英伟达的业绩中推断出很多东西——人工智能投资正在以惊人的速度和创纪录的估值进行——但一个重大的悬而未决的问题仍然存在：所有这些图形处理器（ GPU ）被用于什么？谁是客户的客户？为了让这种快速投资回报，需要创造多少价值？考虑以下情况：每花费1美元购买 GPU，大约需要花费1美元的能源成本来运行数据中心中的 GPU。因此，如果 Nvidia 到年底以每年销售500亿美元的 GPU 收入（基于分析师预测的保守估计），那么数据中心的支出大约为1000亿美元。GPU 的最终用户，例如星巴克、X 公司、特斯拉、Github Copilot 或一家新创企业，也需要获得利润。假设他们需要获得50%的利润率。这意味着为了偿还前期资本投资，这些GPU 每年需要产生2000亿美元的终身收入。这还不包括云供应商的利润率，为了使他们获得正回报，总收入要求甚至更高。根据公开文件，大部分增量数据中心的建设来自大型科技公司：例如，谷歌、微软和Meta 都报告了数据中心资本支出的增加。报告显示，字节跳动、腾讯和阿里巴巴也是英伟达的重要客户。未来，亚马逊、甲骨文、苹果、特斯拉和 Coreweave 等公司也将成为重要的贡献者。重要的问题是：这个资本支出的建设有多少是与真正的最终客户需求相关的，有多少是为了未来最终客户需求而建设的？这是一个价值2000亿美元的问题。据《信息》报道，OpenAI 每年的收入达到10亿美元。微软表示，预计从 Microsoft Copilot 等产品中获得100亿美元的人工智能收入。假设谷歌从其 Duet 和 Bard 等人工智能产品中获得类似的收入。再假设 Meta 和苹果各自从人工智能中获得100亿美元的收入。我们可以将 Oracle、字节跳动、阿里巴巴、腾讯、X和特斯拉的收入设定为50亿美元。这些都是虚拟的假设，重点是即使你对人工智能的收益非常慷慨，每年的资本支出仍然存在1250亿美元以上的缺口。 创业生态系统有很大的机会填补这个空白。我们的目标是“追随 GPU ”，找到下一代利用人工智能技术创造真正终端客户价值的创业公司。我们希望投资这些公司。这项分析的目标是突出我们今天看到的差距。人工智能的炒作终于赶上了自2017年以来的深度学习技术突破。这是个好消息。主要的资本支出正在进行中。这应该会大大降低人工智能开发成本。过去你必须购买一个服务器机架来构建任何应用程序。现在你可以以更低的成本使用公共云。同样，今天许多人工智能公司将大部分风险投资用于 GPU。随着今天的供应限制让位于供应过剩，运行人工智能工作负载的成本将下降。这应该会刺激更多的产品开发。它还应该吸引更多的创始人来在这个领域建立。在历史技术周期中，基础设施的过度建设往往会烧掉资本，同时通过降低新产品开发的边际成本释放未来的创新。我们预计这种模式将在人工智能领域重演。对于初创企业来说，要点很明确：作为一个社区，我们需要将思维从基础设施转向最终客户的价值。让客户满意是每个伟大企业的基本要求。为了让人工智能产生影响，我们需要找出如何利用这项新技术来改善人们的生活。我们如何将这些令人惊叹的创新转化为客户每天使用、喜爱并愿意为之付费的产品？AI基础设施的建设正在进行中。基础设施不再是问题。许多基础模型正在开发中，这也不再是问题。而且，如今AI的工具非常好用。所以，2000亿美元的问题是：你将如何利用所有这些基础设施？它将如何改变人们的生活？本文翻译自David Cahn, AI’s $200B Questionhttps://www.sequoiacap.com/article/follow-the-gpus-perspective/-------------------------------
扫码获取社群二维码，加入社群
欢迎与我们交流和分享你们的故事和想法，我们会是最好的倾听者。稿件经采用可获邀进入Z Potentials内部社群，优秀者将成为签约作者，00后更有机会成为Z Potentials的早期共创成员。我们将经认证真实身份的产品、技术和创业者邀请至对应的产品群、技术群和创业者群，若想加入认证实名群可以扫码填写问卷，经认证后邀请加入。
关于Z Potentials