红杉资本合伙人前瞻:大模型三要素已经过时，电力、服务器、钢铁成功取胜的关键。

【导读】AI资格赛已经结束，下一阶段建设为王，巨头和创业者如何继续获得下半场？

Davidid是一家著名风险投资公司红杉资本的合作伙伴。 Cahn在5号参加了20VC节目采访，这位优秀的投资者在一个小时的采访中详细介绍了AI发展的未来宏观趋势。

David在成为红杉资本合作伙伴之前，毕业于宾夕法尼亚大学，曾担任Coatue的普通合作伙伴和首席运营官，带领Coatue对Runway。、HuggingFace、投资于Notion和Supabase。

接下来，让我们跟随风险投资大佬的步伐，看看华尔街先知如何把握AI的大方向，如何看待AI的投入产出率，独角兽后半段会卷入什么？

AI投入产出博弈论

最近，科技巨头们开始公布第二季度的财务报告。在科技财务报告季节，华尔街人们脑海中浮现出一个问题:AI什么时候开始赚钱？

自ChatGPT推出人工智能军备竞赛以来，科技巨头们承诺，在运行大型人工智能模型所需的数据中心和半导体上，技术将彻底改变每一个行业，花费数百亿美元。

与伟大的愿景相比，他们迄今为止推出的产品感觉有点微不足道——聊天机器人没有明确的实现方式，节约成本的措施是九根牛一毛，人工智能搜索似乎前途未卜。

然而，虽然大型科技公司花费了数十亿美元，但在人工智能有利可图的新产品方面仍然获得较少的收益，投资者逐渐变得不安。

例如，在英特尔投入巨资适应人工智能浪潮后，他正试图通过降低100亿美元的成本并解雇数万名员工来调整情况。公司股价周五暴跌25%。

去年九月，David写了一篇文章，《AI’s $200B Question》，2000亿人工智能难题。

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

上个月，David又写了一篇题目叫做的文章。《AI’s $600B Question》，6000亿美元的人工智能问题。

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

在这两篇文章中，David从2000亿到6000亿量化了一个非常重要的指标，那就是「在AI生态系统中，AI基础设施隐含的收入预期和实际工资增长」它们之间有很大的差距

这一差距，就是标题所说的6000亿美元。

David认为，在节目中，「AI 改变命运」和「AI资本支出水平过高？」目前共存。

人工智能在过去的一年里就像一个美金焚烧炉，尽管许多支持者表示，「无论这个数字有多高，都无所谓。人工智能将改变命运，不必担心。」

然而，David认为，AI的投入产出率不应该盲目乐观，这也是他写6000亿美元人工智能的原因。

另一方面，相信人工智能的发展前景是无限的；另一方面，也要清楚地把握未来两年人工智能资本的无限支出。

您可以相信人工智能，但也可以相信，至少在未来一年内，人工智能资本支出将难以偿还。

在节目中，David提到他前两天刚和小扎谈过这个话题，小扎也意识到了这个问题。起初，他进入了人工智能领域，试图说资本支出不重要，预算不重要。

但是随着AI军备竞赛进入下一阶段，他们都知道这是一种风险，但是这是一种值得冒险的风险。

在追求科技热点时，金融市场会产生大量的影响。「资本消耗」。投机者可以加快科技创新的速度，但是随着市场上大量的投机失败者。

AI投资背后的博弈论就在这里。如果AGI真的来了，那将是一项伟大的投资。如果它迟迟没有到来呢？这意味着投资者和科技巨头必须承担风险。

David认为，现在AI的泡沫主要集中在GPU，即AI基础设施，因此英伟达这一最大赢家应运而生。

但是，随着技术的发展，计算能力的价格肯定会下降，最终受益者将从基础设施创造者转变为用户。

核心：数据中心基础设施

在节目中，David提到了一个非常有趣的观点，他认为，目前AI发展的形势有利于初创企业的发展。

大科技巨头是计算的生产者，创业公司是计算的消费者。

所以，如果认为计算生产过剩，计算价格下降，那么，创业公司就会从中获利。

会计成本降低将转化为初创企业更高的毛利率，直接代表更高的价值。

换句话说，如果巨头的投资计算率建设成功，我们将拥有惊人的产品，消费者将从中获得巨大的价值。如果他们不成功，他们不会赔钱。我们不是为此付出代价的人。

主持人继续询问计算能力的问题。一个是计算过剩的生产，这意味着创业公司的成本会降低。奥特曼曾经非常乐观地说，计算率是未来的货币。这两种观点有区别吗？

根据David的解释，虽然计算率听起来是一个抽象的概念，但计算率是位于某个地方的数据中心，有一堆GPU。、一堆有物理存在的东西，比如一堆液冷系统。

所以David认为，关于人工智能计算能力的讨论之所以存在一些分歧，「计算」和「云」这一说法并未真正捕捉到其背后的物理实质。

实际上，我们还不知道如何建立GPU数据中心，所以大型技术公司只能以最好的方式建立。

Nvidia的B100芯片在两年后成为主导芯片，这就涉及到更换H100芯片的问题，液冷系统也将大规模更换风冷系统。

所以，David认为，在下一阶段，建设效率可能比研究突破更重要。技术上的突破使得模型越来越大，但是模型数据中心应该有足够的容纳。

但是，计算是从物理资产中产生的，它将面临巨大的建设成本和淘汰成本。

David还提到，最近听到有人说了一句很棒的话，「在同一数据中心，没有人会训练两个前沿模型，因为当你训练它时，GPU会落后，数据中心会太小。」

假设模型发生了变化，假设Scaling 继续建立Law，未来AI的发展充满活力，这意味着需要改变数据中心的结构，需要新的芯片。

这类模型越大，Scaling Law越来越主导，所有的研究人员都从一个实验室跳到另一个实验室，数据中心变成了最重要的资产，每个巨头都要学会如何建立这些真正的数据中心。

今日，7家顶级AI公司已站在本次比赛的起跑线上，竞相扩大数据中心规模：微软/OpenAI、亚马逊/Anthropic、谷歌、Meta 和 xAI。

David分析了每个参与者将如何使用独特的方法(来源于他们自己的业务基本原理)来取得胜利：

Meta和xAI都是消费企业，都会垂直整合。在更智能模型的支持下，两家公司将寻求引入客户应用程序，简化模型建设，并将其与数据中心的设计和建设紧密结合。

微软和亚马逊拥有强大的数据中心团队和雄厚的资金，他们利用这些资产与顶级研究实验室建立了战略伙伴关系。

她们希望通过一方面的销售培训算率，另一方面的销售模式推理来实现。

两个企业需要管理其前沿模型（GPT 5 和 Claude 四是在建设数据中心之间进行合理的资源配置。

谷歌既有消费业务，也有云业务，还有自己的内部研究团队。谷歌还使用TPU垂直整合到芯片层，各种因素应提供长期的结构优势。

三个要素：钢材、服务器和电力

Alexander Wang最近在节目中表示，他与许多人有不同的看法，他认为信息是当今模型和人工智能发展的核心瓶颈，除了计算率。

David认为，计算模型和数据已经融合在一起，今天很难说任何一家大型模型公司都有数据优势，计算只是一种需要付费的产品。

随着资本支出计划的实施和竞争格局的确定，人工智能竞赛的后半段开始了。在人工智能的新阶段，钢铁、服务器和电力将取代模型、计算和数据，成为任何想要领先的人。「必胜之选」。

David说，他对AI的工业特性更感兴趣，就像正在发生的工业革命一样，与服务器相关的芯片创新来自英伟达、AMD和博通。英伟达毛利率惊人，竞争激烈。芯片战争才刚刚开始。

第二，关于钢材，未来将有大量的建设项目，其中最大的受益者基本上是建筑公司和房地产公司。

钢铁是包括发电机和电池在内的所有工业用品的总称。当David与大型云计算公司交谈时，他们说他们正在给制造商打电话，说他们订单很高。

它们要求制造商提高生产能力，制造商犹豫不决，因为他们必须建造一个新的工厂，这需要大量的资金。

最后是电力。David认为电力元素将是一个非常有趣的环节。等待能源革命已经好几年了。也许它最终会因为人工智能而出现。

参考资料：

https://x.com/HarryStebbings/status/1820504228277694550/

https://m.youtube.com/watch?v=nAz2xL1tQfg&

本文来自微信公众号“新智元”，编辑：耳朵 经授权发布的乔杨，36氪。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com