陈静：算力难以变现，美国AI陷入困境

哈佛大学经济学家最近的一项研究发现，尽管美国2025年上半年GDP增​​长1.6%，但几乎完全由数据和信息处理中心驱动，其他领域的增速仅为0.1%。美国预计将达到5200亿美元 从今年开始，微软、谷歌、亚马逊、Meta四家公司作为数据中心的主要投资者，正在争夺AI算力，这在美国花费了640亿到1000亿的巨额现金，但缺乏大额回报，这几乎是“烧钱”性质。近期，Openai也在自身资金有限的情况下制定了五年投资万亿美元的计划，这引发了市场对AI人工智能技术的Industry是否会是泡沫甚至庞氏骗局的巨大质疑。从人工智能的发展来看，个人和企业使用大型模型的好消息是很普遍的。 10月初，每周活跃ChatGPT数据达到8亿，Consumer Ai采用率超出预期。但一个不好的迹象是，如此大量的用户数据仍然无法产生足够的收入来支付运营成本。一般来说，互联网应用的用户数量达到一定规模后，收入前景会更加明朗，投资机构会积极提供扩张资金，占据市场份额，进入万物皆可乐的收获期。但现在，各种消费模式在美国看起来就像是一个无底洞。 人工智能创收的困境与其自身的技术原理有关。大多数互联网行业都具有明显的规模效应。当基础设施充足时，边际成本通常为零。支持一千万个客户的成本几乎是相同的——数百万个客户。收入利润率非常高。对大型模型的每个响应和理解都需要一个信号大量的重复计算。用户越多，需要的计算数据和力量中心就越多。不仅没有规模经济，而且对基础设施和融资的需求越来越高。因此，美国AI投资的扩张不仅是一个伟大的现象，而且在投资效率上也可能存在问题。另一个不利于生成式人工智能商业变现的因素是很难通过广告赚钱。在互联网上展示广告的成本并不高，但收入却非常丰厚。但大型模型应用只能同时呈现一个答案，自然很难进入大量的广告位。这也是为什么“订阅”成为大模特收入的主要程序。然而，相比每年数十亿美元的道路投资规模，“唯一”的ChatGPT订阅的年收入一百亿美元是杯水车薪。商业云服务是数据中心寄予厚望的另一个方向。相比于KaranLeaving商业“云”运营主要起到数据存储的作用，美国企业希望AI数据中心更加智能，帮助企业提高运营效率、降低成本、增加收入。然而，麻省理工学院 8 月份的一份报告显示，95% 的公司在业务中引入人工智能后并没有赚钱。 Oracle Gpuang云胡拉通业务毛利率仅为14%，低于公司整体业务70%的水平。考虑折旧后，净毛利率下降至7%。企业“AI智能导入”未到位，“假象”问题深重，算力成本居高不下。当人们对人工智能的期待超越玩具而进入实用阶段时，泵缺乏当前的生成能力。e AI 被曝光。这一缺陷导致AI技术的商业化进程将在建设过程和财务过程中受到极大的排斥，给未来的收入带来很大的不确定性。对此，美国产业和资本形成了“工业泡沫论”和“金融泡沫论”两派。前者认为数据中心的建设是实体投资，最终会破坏规模门槛，成为电力等主要能源设施；后者警告说，目前的投资规模超出了理性范围，过度的希望可能会重演当年的互联网泡沫。无论是持久的基础设施布局，还是巨头技术的资本博弈，美国AI产业发展模式的不平衡是毋庸置疑的。人工智能驱动经济发展不应仅仅依靠数据中心和计算设施的快速发展。相反，它需要完成从“硬数据”到“软价值”的转变，并向广泛的业务场景证明经济价值。人工智能只有真正渗透到制造业、服务业等传统行业，提高生产力总要素，才能带动各行各业全面可持续发展。当资本的狂欢结束时，真正带来繁荣的不是单一技术的垮台，而是技术与社会需求的价值深度融合与创造。 （一套是社会研究人员提出的技术和方法）