
人們往往以末日般的思維來看待科技泡沫 , 但事情并不一定那么嚴重 。 從經濟學角度來看 , 泡沫是一個過度的押注 , 最終導致供給超過需求 。
要點:這并非全有或全無的情況 , 即使是好的押注 , 如果操作不當也可能變壞 。
AI泡沫問題如此難以回答的原因在于時間線的不匹配 , 即AI軟件開發的飛速發展與數據中心建設和供電的緩慢進程之間的錯位 。
由于這些數據中心需要數年時間建設 , 從現在到它們上線之間必然會發生很多變化 。 支撐AI服務的供應鏈如此復雜和多變 , 很難清楚地預測幾年后我們需要多少供應量 。 這不僅僅關乎人們在2028年會使用多少AI , 更關乎他們將如何使用AI , 以及在此期間我們是否會在能源、半導體設計或電力傳輸方面取得任何突破 。
當押注如此之大時 , 出錯的方式有很多種——而AI押注確實正在變得非常龐大 。
上周 , 路透社報道 , 甲骨文關聯的新墨西哥數據中心園區已從20家銀行組成的財團獲得高達180億美元的信貸 。 甲骨文已經與OpenAI簽訂了3000億美元的云服務合同 , 兩家公司還與軟銀合作 , 作為\"星門\"項目的一部分 , 計劃建設總計5000億美元的AI基礎設施 。 Meta不甘落后 , 承諾在未來三年內在基礎設施上投入6000億美元 。 我們一直在追蹤所有主要承諾 , 但龐大的規模使我們難以跟上 。
與此同時 , 對AI服務需求增長速度存在真正的不確定性 。
上周發布的麥肯錫調查研究了頂級公司如何使用AI工具 。 結果喜憂參半 。 幾乎所有接觸的企業都在某種程度上使用AI , 但很少有企業在任何真正的規模上使用它 。 AI確實讓公司在特定用例中削減了成本 , 但對整體業務并未產生明顯影響 。 簡而言之 , 大多數公司仍處于\"觀望\"模式 。 如果你指望這些公司購買你數據中心的空間 , 你可能要等很長時間 。
但即使AI需求無止境 , 這些項目也可能遇到更直接的基礎設施問題 。 上周 , 薩提亞·納德拉讓播客聽眾感到驚訝 , 他說自己更擔心數據中心空間不足 , 而不是芯片短缺 。 (用他的話說:\"這不是芯片的供應問題;而是我沒有溫控機房可以插入 。 \")與此同時 , 整個數據中心因為無法處理最新一代芯片的電力需求而閑置 。
雖然英偉達和OpenAI一直在盡可能快速地推進 , 但電網和建筑環境仍然以它們一貫的速度移動 。 這為昂貴的瓶頸留下了很多機會 , 即使其他一切都順利進行 。
Q&A
Q1:什么是AI泡沫?為什么很難判斷?
A:AI泡沫是指對AI基礎設施的過度投資 , 導致供給超過需求 。 難以判斷是因為AI軟件開發速度極快 , 但數據中心建設需要數年時間 , 兩者時間線不匹配 , 供應鏈復雜多變 , 很難預測未來幾年的實際需求 。
Q2:目前AI基礎設施投資規模有多大?
A:投資規模非常龐大 。 甲骨文關聯的數據中心獲得180億美元信貸 , 與OpenAI簽訂3000億美元云服務合同 , \"星門\"項目計劃投資5000億美元 , Meta承諾三年內投入6000億美元基礎設施建設 。
Q3:企業對AI的實際使用情況如何?
A:根據麥肯錫調查 , 幾乎所有企業都在使用AI , 但很少有企業大規模使用 。 AI幫助公司在特定用例中削減成本 , 但對整體業務影響有限 。 大多數公司仍處于\"觀望\"模式 , 這可能導致數據中心需求不及預期 。
【AI基礎設施投資熱潮的冷靜思考】
推薦閱讀
- 搜狐不做AI基礎設施,“沉迷物理”的張朝陽很清醒
- IBM專攻推理加速,打造企業AI基礎設施護城河
- Lambda與微軟簽署數十億美元AI基礎設施協議
- 谷歌擬再加大對Anthropic投資力度
- G42與思科擴大戰略合作推動AI創新與基礎設施發展
- 算力進入智能協同時代:商湯科技林海分享AI基礎設施綠色轉型思路
- 亞太地區8000億美元數據中心建設熱潮面臨可持續發展挑戰
- 全球首個AI投資大賽落幕:中國模型全部盈利,美國模型全部虧損
- AWS業績超華爾街預期,云基礎設施需求持續旺盛
- 至多10億美元,英偉達將投資一家AI創企
