9月12日消息，据国外媒体报道，生成式人工智能引发了美国现代史上最大的消费热潮之一，企业和投资者押注数千亿美元，深信这项技术将重塑全球经济版图，并潜藏着巨大的盈利前景。但问题在于：这笔庞大的投资是否以及何时能带来回报？

诸如OpenAI旗下聊天机器人ChatGPT等应用，已吸引了数以亿计的用户，但愿意为高级服务付费的用户群体仍然有限。同时，企业界尚处于探索阶段，致力于挖掘生成式人工智能在生产效率提升方面的潜力。尽管如此，科技巨头们却毫不吝啬，正以前所未有的力度注入资金，主要聚焦于开发支撑人工智能模型研发与运行的尖端硬件。

谷歌及其母公司Alphabet的首席执行官桑达尔·皮查伊（Sundar Pichai）在最新财报会议上强调：“面对投资不足的风险，我们宁愿承担投资过度的风险。”



图注1：亚马逊、微软、Alphabet和Meta的季度资本支出情况，第二季度四大巨头共花费500多亿美元

风险投资家们普遍预期，未来几年内，至少有数家人工智能初创公司的估值将跃升至数千亿乃至数万亿美元，尽管目前它们中的大多数尚未实现盈利。

今年到目前为止，人工智能初创公司已斩获高达641亿美元的风险投资，这一数字正逼近2021年全面投资热潮所创下的历史巅峰，且本年度人工智能领域的风险投资占比已攀升至历史最高水平。



图注2：左图为人工智能初创公司每年获得的风险投资，右图为这类投资占风险投资总额的比例。2024年迄今，约1/3风险投资流向了人工智能公司

这些巨额投资的成效正逐步显现于美国各地，新数据中心如雨后春笋般涌现。与往昔主要承载数据存储及非人工智能软件运行功能的传统数据中心不同，经过人工智能优化的数据中心配备了尖端芯片，它们专为开发和运行生成式人工智能应用而设计。

具体而言，微软的数据中心数量自2020年初以来已翻了一番有余，谷歌亦不甘落后，同期增长高达80%。而甲骨文公司更是将战略重心聚焦于数据中心业务，计划建100个新数据中心。



图注3：截至2024年第一季度，Meta、谷歌、微软和亚马逊的数据中心数量预计接近1000个

相较于传统的数据中心，人工智能数据中心在能源消耗上更高，这是由于人工智能芯片需要不间断的稳定能源供给以维持其高效运行。任何电力供应的短暂波动，都可能对人工智能模型通过海量数据分析优化其性能的“训练过程”造成不利影响，尤其是对于那些耗资巨大、每次训练成本动辄数千万乃至数亿美元的大型模型而言，这一风险尤为突出。

自2015年以来，美国和加拿大的数据中心向能源公司订购的电量已激增近九倍，这一趋势直观反映了人工智能发展对数据中心电力需求的急剧增长。



图注4：美国和加拿大数据中心每年向能源公司订购的电量

英伟达已成为人工智能模型训练与运行芯片领域的主导力量，其GPU（图形处理单元）虽最初服务于视频游戏领域，但凭借着卓越性能，高端GPU售价已攀升至数万美元级别。如今，致力于构建与托管人工智能模型的科技企业正竞相争夺英伟达芯片资源，以满足日益增长的需求。

Meta首席执行官马克·扎克伯格（Mark Zuckerberg）已公开宣布，其公司目标是在2024年底前拥有60万颗GPU，以支撑其人工智能战略宏图。同样，特斯拉首席执行官兼人工智能初创公司xAi的创始人埃隆·马斯克（Elon Musk）亦不甘示弱，他表示计划在明年夏季前采购30万颗GPU。



图注5：英伟达自2020财年以来的季度收入

高技能人才也成为了市场上的稀缺资源。尽管硅谷近期经历了裁员潮，科技巨头们仍不惜斥资数百万美元，竞相招募那些能引领人工智能探索新边疆的研究科学家。这些专家中的许多人此前还在学术界工作。如今，他们已跻身全球收入最丰厚的技术人才之列。

即便是掌握机器学习基础知识的专业人才，也能轻松获得六位数的薪资岗位。值得注意的是，与去年同期相比，7月份人工智能相关职位的新增招聘量激增近50%，与同期科技行业整体招聘略有下滑的趋势形成鲜明对比，凸显了市场对人工智能人才的高度渴求。



图注6：这张折线图显示美国新发布的人工智能相关职位、科技职位以及所有行业招聘情况

投资者对硅谷人工智能巨额投资的耐心正逐渐消磨，尤其是对Meta、微软等企业在收入增长滞后时仍加大人工智能支出的做法表示不满，这已经在这些公司的股价上有所体现。

红杉资本某合伙人近期分析指出，为了证明在今年数据中心与芯片领域的投资获得合理回报，人工智能业务最终需创造高达6000亿美元的年营收。虽然大多数公司未披露他们从人工智能中获得的收入，但分析师估计，每年的总收入最多在数百亿美元，与预期相去甚远。

关于人工智能前景的疑虑，不禁让人联想到25年前的互联网泡沫时期，企业盲目投资于光纤网络，以期支撑对互联网普及的过度乐观预期，但现实发展却远不及预期。

面对此番质疑，科技巨头高层纷纷发声呼吁人们保持耐心。扎克伯格在财报会上坦言，人工智能应用的商业化进程尚需数年时间方能显现成效。而皮查伊亦表示：“在利用基础技术并将其转化为有意义的解决方案方面，存在时间曲线。”