生成式人工智能在美国掀起了一股前所未有的消费热潮，企业和投资者纷纷投入巨资，相信这项技术将重塑全球经济格局，并拥有巨大的盈利潜力。然而，一个关键问题是：这些巨额投资何时才能，以及是否能够带来回报？
诸如OpenAI旗下的聊天机器人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，企业界仍在探索生成式人工智能在提高生产效率方面的应用潜力。尽管如此，科技巨头们却展现出前所未有的投资热情，重点关注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）在最新财报会议上表示：“与投资不足的风险相比，我们更愿意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
风险投资家普遍预计，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甚至数万亿美元，尽管目前它们中的大多数尚未实现盈利。今年迄今为止，人工智能初创公司已获得高达641亿美元的风险投资，这一数字逼近了2021年全面投资热潮所创下的历史巅峰，而本年度人工智能领域的风险投资占比也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
这些巨额投资的成果正在美国各地显现，新的数据中心如雨后春笋般涌现。与传统数据中心不同，人工智能优化的数据中心配备了专为开发和运行生成式人工智能应用而设计的尖端芯片。传统数据中心主要用于数据存储和非人工智能软件运行。
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，同期谷歌的数据中心数量增长高达80%。甲骨文公司更是将战略重心聚焦于数据中心业务，计划建设100个新的数据中心。
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
与传统数据中心相比，人工智能数据中心的能源消耗更高。这是因为人工智能芯片需要持续稳定的能源供应以维持其高效运行。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。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）最初服务于视频游戏领域，但凭借其卓越性能，高端GPU售价已攀升至数万美元级别。如今，致力于构建和托管人工智能模型的科技企业正争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。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）也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。尽管近期硅谷经历了裁员潮，但科技巨头们仍在斥资数百万美元，争相招募能够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，这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，尤其是对于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。红杉资本的一位合伙人近期分析指出，为了证明今年在数据中心和芯片领域的投资获得合理回报，人工智能业务最终需要创造高达6000亿美元的年营收。虽然大多数公司没有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。当时，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才能显现成效。而皮查伊也表示：“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。”
