GPU过剩了吗？

头图来自：视觉中国

9 月 20 日，VC 巨头红杉一纸文章将英伟达甚至整个 AI 行业推上了风口浪尖。

红杉合伙人 David Cahn 认为，保守估计下，英伟达 500 亿美元 GPU 销售，对应其他企业 1000 亿美元的数据中心支出，以 50% 的利润率假设，AI 行业需要 2000 亿美元的收入才能抵消这部分支出，但目前只有 750 亿美元的年收入，缺口达到 1250 亿美元。

Cahn 指出，GPU 的产能正在过剩，预计 " 金钱焚烧炉 " 模式将在 AI 领域重演。

事件发酵了三天之后，硅谷创投巨头 A16Z 特别顾问、AI 初创公司 2X 创始人 Guido Appenzeller 连发近 10 条推文，不仅推翻了红杉对于 AI 赚钱能力的估算，还指出红杉最根本的问题是，低估了 AI 历史性革命的影响。

Appenzeller：AI 会颠覆一切软件，收入缺口并不存在

在一系列推文中，Appenzeller 指出了 Cahn 文章的三大错误。

首先，Cahn 文章开头用了一个 2000 亿美元的数字来吸引眼球，但 Appenzeller 认为，这一数字的计算过程存在问题。

Appenzeller 指出，Cahn 把 GPU 的购买成本（资本性支出）、每年的运营成本、GPU 使用周期内的累计收入和 AI 应用带来的年收入都加到了一起，得到了 2000 亿美元这一看起来超级夸张的数字。

但是，更合适的计算方法应该基于 GPU 买家投入资本后，每年能够获得的投资回报。也就是说应该计算 GPU 买家的投资回报率，而不是简单地把不同时间段和性质的各种成本和收入进行加法计算。

其次，Appenzeller 认为，GPU 的电费成本也被夸大了。Cahn 假设 GPU 的电费消耗和硬件成本之比为 1:1，但实际上并没有那么夸张。

根据 Appenzeller 的说法，一块 H100 PCIe GPU 的成本大约是 3 万美元，耗电量约为 350 瓦，考虑到服务器和冷却，总功耗可能在 1 千瓦左右。

如果电价是 0.1 美元 / 千瓦时，那么这块 H100 GPU 在 5 年的生命周期内，在 GPU 硬件上每花 1 元，其需要的电费仅为 0.15 美元，远低于 Cahn 估算的 1 美元。

以上两个估算还不是最致命的，Appenzeller 认为，文章最根本的问题是，它低估了 AI 革命的影响范围。

Appenzeller 表示，AI 模型就像 CPU、数据库和网络一样，是一种基础设施组件。而现在，几乎所有的 AI 软件都在使用 CPU、数据库和网络，未来也是如此。

所以 AI 模型将深刻影响所有的软件和 IT 系统，其影响范围远不止文章中分析的那些狭窄领域。文章忽视了 AI 模型作为未来软件基础设施的地位，因此低估了 AI 革命的真正意义。

初创企业能够填上这个缺口吗？Cahn 认为有 " 很大的机会 "，AI 领域的技术飞跃和空前的 GPU 购买潮，对人类来说总归是好消息，但是：

在历史上的技术周期中，基础设施的过度建设往往会焚烧资本，但同时也会通过降低新产品开发的边际成本来释放未来的创新。我们预计这种模式将在 AI 领域重演。

那么，问题来了，AI 行业到底能不能赚够 2000 亿美元？Appenzeller 给出了肯定的答案，而且不止如此，作为网络基础设施，它创造的收入会以不同形式存在于每个部门。

Appenzeller 表示：

每年在网络基础设施上的支出超过 2000 亿美元，能够创造 8000 亿美元的 " 网络软件 " 收入吗？

不能，但是谷歌使用网络基础设施来销售广告，产生的收入显示为广告收入，而不是 " 网络软件 " 收入，微软 Office 365 实现的收入也不会标注为 " 网络软件 " 收入。

也就是说，基础设施带来的收入会因为部门的不同被标记为不同的收入类别。

最后，Appenzeller 总结称，AI 会颠覆一切软件，Cahn 笔下的 "AI 收入缺口 " 其实并不存在：

文章假设的 "AI 收入缺口 " 其实是不存在的。AI 和其支持的基础设施支出，最终都会以不同形式体现在各行业的软件支出和收入中。

AI 将深刻影响所有软件，而不仅仅是窄义的 "AI 软件 "。所以我们不必担心任何 " 收入缺口 "，可以充满信心地看待 AI 革命对整个 IT 产业的深远影响。

英伟达客户迟迟不赚钱，资本的耐心正在 " 亿点点 " 耗尽

值得注意的是，其实红杉对于 AI 变现能力的担忧不无道理。

华尔街见闻此前文章提到，每一块 GPU 的巨额投入，最终要转化为终端客户价值，行业才能长远走下去。

眼下，作为 " 掘金买铲 " 逻辑的核心受益者，英伟达今年前两季的业绩都相当亮眼。但下游应用层，尚还只见 AI 投入增加，不见业绩改善。

受益于大模型训练带来的巨大需求，AI 基础设施厂商的订单和业绩已经得到了持续验证，但 B 端应用还处于早期，大多数 AI 应用厂商还尚未进入到商业化阶段，从兑现时间来看预计要晚于基础设施层 2-3 个季度。

如果淘金人赚不到钱，卖铲子的业绩爆发，当然也不可能长久。最近一个月里，英伟达股价已经下跌逾 11%，回到了今年 6 月份的水平。

在降本增效仍是全球科技股发展主旋律的前提下，资本市场的耐心已经不多了。

本文来自：华尔街见闻，作者：卜淑情