大模型三要素已過時，電力、伺服器、鋼鐵成致勝關鍵

著名創投公司紅杉資本的合夥人David Cahn在5號參與了20VC的節目訪談，1小時的訪談中，這位出色的投資人詳解了AI發展的未來宏觀風向。

在成為紅杉資本合夥人之前，David畢業於賓州大學，曾擔任Coatue的普通合夥人和首席營運官，並領導了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掌握AI大方向、怎麼看待AI投入產出比、獨角獸們下半場又要卷什麼？

AI投入產出賽局理論

最近，科技巨頭們紛紛開始公佈第二季財報，正值科技財報季，華爾街人士腦海中浮現一個問題：投入了這麼多，AI到底什麼時候開始賺錢?

自從ChatGPT啟動人工智慧軍備競賽以來，科技巨頭們承諾該技術將徹底改變每個產業，在運行大型人工智慧模型所需的資料中心和半導體上花費數百億美元。

與偉大願景相比，他們迄今為止推出的產品感覺有點微不足道——聊天機器人沒有明確的變現途徑，成本節約措施杯水車薪，人工智慧搜尋好像也前途未卜。

但大型科技公司儘管花費了數十億美元，但在人工智慧有利可圖的新產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慧浪潮而投入巨資後，目前正試圖透過削減100億美元成本並解僱上萬名員工來控制局面，該公司股價週五暴跌25%。

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

文章網址：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》，人工智慧的6000億美元問題。

文章網址：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基礎建設所隱含的收入預期與AI生態系統中的實際收入增長”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。

在節目中，David認為，「AI 改變世界」和「AI資本支出水準過高」目前並存。

在過去的一年裡，人工智慧宛若一個美元焚燒爐，雖然很多支持者都表示，「無論這個數字有多高，都沒關係。人工智慧將改變世界，不用擔心。」

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

一方面，相信人工智慧發展前途無限；另一方面，也要清楚掌握未來兩年人工智慧資本支出也無限。

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

在節目中，David提到在前兩天剛剛和小札談論了這個話題，小札也意識到了這個問題，剛開始進入人工智慧領域，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，但市場裡隨之會出現大量投機失敗者。

AI投資背後的博弈論就在此，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？這就是投資人和科技巨頭們必須承擔的風險。

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

但隨著科技的發展，算力的價格一定會下降，最終受益者將從基建創造者轉變為使用者。

核心：資料中心基建

David在節目中提到了一個很有趣的觀點，他認為，當前AI發展的局勢利好新創企業的發展。

大型科技巨頭是計算的生產者，新創公司是計算的消費者。

因此，如果認為計算生產過剩，計算價格下降，那麼，新創公司就會從中獲利。

計算成本降低將轉化為新創公司更高的毛利率，直接意味著更高的價值。

換句話說，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。

主持人繼續追問有關算力的問題，一種是計算生產過剩，這意味著新創公司的成本會下降。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，算力雖然是一種聽起來抽象的概念，但是算力就是位於某處的資料中心，擁有一堆GPU、一堆液冷系統等等的一堆有物理存在的事物。

所以David認為圍繞人工智慧算力的討論變得有些矛盾的原因是，「計算」和「雲」這種說法並沒有真正捕捉到它背後的物理本質。

實際上，我們還不知道如何建置GPU資料中心，所以大型科技公司只能以可能的最佳方式進行建置。

兩年後，Nvidia的B100晶片成為主導晶片，那麼就涉及到取代H100晶片的問題，液冷系統也會大規模取代氣冷系統。

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，但也要​​有足夠容納模型的資料中心。

但是，計算是從實體資產產生的，會面臨巨大的建造成本和淘汰成本。

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

假設模型發生變化，假設Scaling Law繼續成立，AI未來發展欣欣向榮，那就意味著需要改變資料中心的架構，需要新的晶片。

這些模型越大，Scaling Law就越主導，所有研究人員從一個實驗室跳到另一個實驗室，資料中心成為最重要的資產，每個巨頭都必須學習如何建立這些真正的資料中心。

今天，7家頂尖的AI公司已經站在了這場競賽的起跑線上，競相擴張資料中心規模：微軟/OpenAI、亞馬遜/Anthropic、Google、Meta 和xAI。

David分析了每位參與者將如何採取獨特的方法（源自於他們自己的業務基本原理）來贏得勝利：

Meta和xAI都是消費性公司，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，簡化模型構建工作並將其與數據中心設計和建設緊密結合。

微軟和亞馬遜擁有實力雄厚的資料中心團隊和雄厚的財力，他們利用這些資產與頂尖研究實驗室建立了合作關係。

他們希望透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。

兩家公司需要在管理其前沿模型（GPT 5 和Claude 4）和建構資料中心之間進行合理的資源分配。

谷歌既有消費者業務，也有雲端業務，也擁有自己的內部研究團隊。谷歌也利用TPU垂直整合到晶片層，這些因素應該會提供長期的結構性優勢。

三要素：鋼鐵、伺服器與電力

Alexander Wang不久前在節目中說，他和許多人持不同意見，他認為除去計算和算力之外，數據是當今模型和人工智慧發展的核心瓶頸。

David認為，計算模型和數據已經融合在一起，今天很難說任何一家大模型公司具有數據優勢，計算只是一種需要付費的商品。

隨著資本支出計畫的落實和競爭格局的確定，人工智慧競賽下半場開始了。在人工智慧的新階段，鋼鐵、伺服器和電力將取代模型、計算和數據，成為任何希望領先的人的「必勝之選」。

David表示，他對AI的工業性質更感興趣，就像正在發生的工業革命一樣，與伺服器相關的晶片創新來自於英偉達、AMD和博通，英偉達擁有驚人的毛利率，競爭將會非常激烈，晶片戰爭才剛開始。

其次關於鋼鐵，未來將有大量的建設項目，其中最大的受益者基本上是建築公司和房地產公司。

鋼鐵是所有工業用品的總稱，包括發電機和電池。當David與大型雲端運算公司交談時，他們說他們正在打電話給製造商，說他們有一筆巨額訂單。

他們要求製造商提高生產能力，製造商猶豫不決，因為他們必須建造新工廠，而這需要大量資金。

最後是電力，David認為電力元素會是非常有趣的一環，等待能源革命已經有幾年了，也許它最終會因為人工智慧而發