Is there an excess of GPUs? Sequoia Capital: AI cannot earn 200 billion, A16Z "refutes word by word": AI is going to disrupt everything

9 月 20 日，VC 巨頭紅杉一紙文章將英偉達甚至整個 AI 行業推上了風口浪尖。

紅杉合夥人 David Cahn 認為，保守估計下，英偉達 500 億美元 GPU 銷售，對應其他企業 1000 億美元的數據中心支出，以 50% 的利潤率假設，AI 行業需要 2000 億美元的收入才能抵消這部分支出，但目前只有 750 億美元的年收入，缺口達到 1250 億美元。

Cahn 指出，GPU 的產能正在過剩，預計 “金錢焚燒爐” 模式將在 AI 領域重演。

事件發酵了三天之後，硅谷創投巨頭 A16Z 特別顧問、AI 初創公司 2X 創始人 Guido Appenzeller 連發近 10 條推文，不僅推翻了紅杉對於 AI 賺錢能力的估算，還指出紅杉最根本的問題是，低估了 AI 歷史性革命的影響。

Appenzeller：AI 會顛覆一切軟件，收入缺口並不存在

在一系列推文中，Appenzeller 指出了 Cahn 文章的三大錯誤。

首先，Cahn 文章開頭用了一個 2000 億美元的數字來吸引眼球，但 Appenzeller 認為，這一數字的計算過程存在問題。

Appenzeller 指出，Cahn 把 GPU 的購買成本 (資本性支出)、每年的運營成本、GPU 使用週期內的累計收入和 AI 應用帶來的年收入都加到了一起，得到了 2000 億美元這一看起來超級誇張的數字。

但是，更合適的計算方法應該基於 GPU 買家投入資本後，每年能夠獲得的投資回報。也就是説應該計算 GPU 買家的投資回報率，而不是簡單地把不同時間段和性質的各種成本和收入進行加法計算。

其次，Appenzeller 認為，GPU 的電費成本也被誇大了。Cahn 假設 GPU 的電費消耗和硬件成本之比為 1:1，但實際上並沒有那麼誇張。

根據 Appenzeller 的説法，一塊 H100 PCIe GPU 的成本大約是 3 萬美元，耗電量約為 350 瓦，考慮到服務器和冷卻，總功耗可能在 1 千瓦左右。

如果電價是 0.1 美元/千瓦時，那麼這塊 H100 GPU 在 5 年的生命週期內，在 GPU 硬件上每花 1 元，其需要的電費僅為 0.15 美元，遠低於 Cahn 估算的 1 美元。

以上兩個估算還不是最致命的，Appenzeller 認為，文章最根本的問題是，它低估了 AI 革命的影響範圍。

Appenzeller 表示，AI 模型就像 CPU、數據庫和網絡一樣，是一種基礎設施組件。而現在，幾乎所有的 AI 軟件都在使用 CPU、數據庫和網絡，未來也是如此。

所以 AI 模型將深刻影響所有的軟件和 IT 系統，其影響範圍遠不止文章中分析的那些狹窄領域。文章忽視了 AI 模型作為未來軟件基礎設施的地位，因此低估了 AI 革命的真正意義。

初創企業能夠填上這個缺口嗎？Cahn 認為有 “很大的機會”，AI 領域的技術飛躍和空前的 GPU 購買潮，對人類來説總歸是好消息，但是：

在歷史上的技術週期中，基礎設施的過度建設往往會焚燒資本，但同時也會通過降低新產品開發的邊際成本來釋放未來的創新。我們預計這種模式將在 AI 領域重演。

那麼，問題來了，AI 行業到底能不能賺夠 2000 億美元？Appenzeller 給出了肯定的答案，而且不止如此，作為網絡基礎設施，它創造的收入會以不同形式存在於每個部門。

Appenzeller 表示：

每年在網絡基礎設施上的支出超過 2000 億美元，能夠創造 8000 億美元的 “網絡軟件” 收入嗎？

不能，但是谷歌使用網絡基礎設施來銷售廣告，產生的收入顯示為廣告收入，而不是 “網絡軟件” 收入，微軟 Office 365 實現的收入也不會標註為 “網絡軟件” 收入。

也就是説，基礎設施帶來的收入會因為部門的不同被標記為不同的收入類別。

最後，Appenzeller 總結稱，AI 會顛覆一切軟件，Cahn 筆下的 “AI 收入缺口” 其實並不存在：

文章假設的 “AI 收入缺口” 其實是不存在的。AI 和其支持的基礎設施支出，最終都會以不同形式體現在各行業的軟件支出和收入中。

AI 將深刻影響所有軟件，而不僅僅是窄義的 “AI 軟件”。所以我們不必擔心任何 “收入缺口”，可以充滿信心地看待 AI 革命對整個 IT 產業的深遠影響。

英偉達客户遲遲不賺錢，資本的耐心正在 “億點點” 耗盡

值得注意的是，其實紅杉對於 AI 變現能力的擔憂不無道理。

華爾街見聞此前文章提到，每一塊 GPU 的鉅額投入，最終要轉化為終端客户價值，行業才能長遠走下去。

眼下，作為 “掘金買鏟” 邏輯的核心受益者，英偉達今年前兩季的業績都相當亮眼。但下游應用層，尚還只見 AI 投入增加，不見業績改善。

受益於大模型訓練帶來的巨大需求，AI 基礎設施廠商的訂單和業績已經得到了持續驗證，但 B 端應用還處於早期，大多數 AI 應用廠商還尚未進入到商業化階段，從兑現時間來看預計要晚於基礎設施層 2-3 個季度。

如果淘金人賺不到錢，賣鏟子的業績爆發，當然也不可能長久。最近一個月裏，英偉達股價已經下跌逾 11%，回到了今年 6 月份的水平。

在降本增效仍是全球科技股發展主旋律的前提下，資本市場的耐心已經不多了。