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