受益于AI云服务的发展，微软、Alphabet、Meta收入增加。与此同时，为了研发更先进的AI技术，各大科技巨头的成本也在增加。最近几家公司公布的财报向我们证明：AI是一把双刃剑，一面是收益，一面是成本。
二分法切合当下的现实，AI是一个金钱大坑，不是所有企业都玩得起，这就是如今AI革命幕后隐藏的现实。为了开发更大、更复杂的AI模型，科技巨头必须投入巨额资金。如果想开发出媲美人类的AGI，需要更复杂的AI系统。庞大模型不仅耗电惊人，而且硬件成本也越来越高。
AI模型军备竞赛，驱动科技巨头资本支出猛增
在大企业的助推下，专用AI芯片需求猛增。英伟达市值不断飙升，它提供的H100显示芯片成了AI模型训练的“黄金标配”，单块价格达到3万美元。由于缺货，一些企业虽然早就订购了AI芯片，但要等几个月才能拿到手。
Meta首席执行官扎克伯格称，年底之前Meta准备采购35万块H100，以支持公司的AI项目。虽然Meta能以折扣优惠价购买，但成本仍然高达几十亿美元。
有报告预测，到了2025年，Meta整个公司的资本开支将会达到500亿美元。虽然扎克伯格大手笔向AI下注，但投资者显然不像扎克伯格那么有信心。如果AI投入过高，股价可能会受到影响。
分析师称，今年二季度Meta的资本支出达到95亿美元，环比增长50%。2024年的整体资本支出将会达到350-400亿美元，明年达到420亿美元，2025年可能再增加80亿美元，达到500亿美元。
华尔街对科技巨头的疯狂投资已经表现出担忧，看到谷歌、特斯拉提交的AI开支数据后，纳斯达克指数创下年度新低。分析师认为，2024年谷歌的资本支出将会增加51%，达到500亿美元。
扎克伯格信心十足，他认为AI投资迟早会看到回报。他还认为，最新发布的Llama 3.1在今年年底之前将会成为应用最广泛的AI模型，明年年初成为最先进的AI模型。
Wedbush分析师Dan Ives认为，Meta向元宇宙和AI都投入巨资，但两种投资有明显不同。因为AI军备竞赛在美国、中国及世界其它地方发生，目标是打造强大的企业、消费者AI生态系统，元宇宙没有这样的竞争。
“军备竞赛”四个字在AI产业回荡，不论是企业还是分析师，似乎都认为投资是成功的关键。
不让英伟达专美，军备竞赛蔓延至AI芯片领域
与此同时，围绕AI芯片设计，科技巨头也在展开残酷的军备竞赛。不论是谷歌还是亚马逊，都投入巨资开发AI专用芯片，这样做一方面是为了获取竞争优势，另一方面是防止过度依赖第三方供应商。定制芯片让AI研发变得复杂，成本也会增加。
目前行业面临的硬件挑战有很多，不仅仅限于制造。现代AI模型需要巨大的数据中心，专用设施必须具备应付极端计算负载的能力，散热和能效要求更高。当模型变得越来越大，电力成本和运营成本会增加，对环境的冲击也会更大。
4月份，Anthropic首席执行官Dario Amodei公开表示，目前的AI模型训练成本约为1亿美元。他认为：“正在训练的模型和今年晚些时候或者明年年初推出的模型，其训练成本接近10亿美元；照我的推测，到了2025年和2026年，成本会接近50-100亿美元。”
然后就是数据，它也面临挑战。为了获得庞大的高质量数据，科技巨头们投入巨资收集、清理数据并开发创新性数据技术。一些公司开发复杂的合成数据生成工作，以补充现实世界数据的不足，这种做法进一步推高了研发成本。
随着AI创新速度的加快，基础设施和工具快速迭代，企业必须快速升级系统，必须重新训练模型，这样才能保持竞争力，结果导致企业被一个又一个投资循环缠绕。
AI刺激增长，已在云计算业务中显现
4月25日，微软公布季度财报，它的资本支出达到140亿美元，而且公司预计随着AI基础设施投资的增加，未来支出还会增加。Alphabet每个季度的支出也达到了120亿美元，同比增长91%，因为公司专注于挖掘AI机会，预计今年余下时间开支会保持在当前水平，甚至有所增加。Meta告诉投资者，今年的投资将会增加，年度资本开支将会达到350-400亿美元，比原本预期的最高水平还要高出42%，投资增加主要是AI研发和产品开发带来的。
幸运的是，虽然投资大幅度增加，AI的确能为科技巨头创造营收。微软、谷歌云业务增速明显，这些增长主要是AI服务带来的。数据证明，虽然AI的初始投资极为庞大，但科技巨头仍然愿意投入，因为AI带来的回报让他们感到兴奋。
科技巨头充满自信，市场却对AI成本增加感到担忧。由于尖端AI研发成本越来越高，创新可能会受到限制，因为只有土豪企业可以承受，久而久之，市场竞争会被削弱，AI产业的多样化进程会被打断。
为了解决AI成本问题，企业可能会被迫开发更高效的AI技术。为了降低算力要求，企业正在开发少次学习、迁移学习技术，开发更节能的模型架构；行业对边缘AI（在设备上运行AI模型）的兴趣越来越浓厚，这种技术可以减少对数据中心的依赖。
在未来的AI世界中，如果想成为赢家，单是掌握突破性算法和模型设计技术是不够的，还要克服AI系统扩张时带来的技术、财务麻烦。谁能克服效率挑战，谁就能成为下一波AI革命的领导者。（小刀）
