本篇内容来自20VC推出的播客节目。在本次节目中,投资人David Cahn与播客主持人Harry Stebbings就人工智能领域的资本支出、行业竞争、进行了讨论。
David Cahn是谁?红杉美国合伙人,前Coatue的COO及合伙人,主导投资了Runway、HuggingFace、Notion等AI相关领域的明星项目。
在这次访谈中,David Cahn提出了一个很有意思的观点:
很多人认为,计算、算法和数据是AI发展的核心支柱。但在David Cahn看来,钢铁、服务器和电力,将取代模型、计算和数据,成为赢得AI下一轮竞争的关键条件。
原因在于,随着模型规模越来越大,训练下一代模型需要更多的GPU,马斯克甚至要建30万GPU的集群。这就需要建造一个全新的数据中心。
而建设一个庞大的数据中心,是一项混乱而复杂的业务,不仅需要购买足够的土地、钢铁和电力,还需要完成从钢和混凝土,到工业部件和GPU安装漫长的建造过程。
这将给AI行业带来两个变化:
一是它改变了模型之间的交付周期。原本公司在6到12个月内训练你的模型,现在则需要增加18到24个月的建造时间才能真正开始训练。
二是它改变了最大竞争优势的来源。在新时代,“基建效率”可能比“研究突破”更重要。
这样的变化正在发生。大型科技公司的年化资本支出,从1380亿美元同比增长到2290亿美元。这910亿美元的增量运营支出,就有相当一部分都花了了AI数据中心建设上。
以下为本期内容目录:
01 AI会改变世界,还是一个泡沫
02大模型竞赛离不开现金牛
03 数据中心的未来发展
04 AI发展三大支柱
05 David Cahn的AI发展预测
/ 01 /
AI会改变世界,还是一个泡沫
Harry Stebbings:当我们讨论未来的发展时,自然而然地会谈到人工智能。今年你在《人工智能资本支出的博弈论》中,提出了两个问题:人工智能会改变世界吗?资本支出是否过高?你说这是两个不同的问题。能解释一下为什么吗?
David Cahn:我研究人工智能已有大约六年时间。从2019年起,我担任Weights & Biases的董事会成员,并主导了Runway的早期投资,当时还没有任何AI视频生成技术。我还领导了Hugging Face的C轮融资,所以我在人工智能领域已经有一段时间了。
我对人工智能充满热情。我坚定地相信,当我80岁时,人工智能将彻底改变我们的生活和社会运作方式。
然而,同时我们也在投入数千亿美元的资金,这是非常大的金额。整个SaaS市场的规模也只是2500亿美元,而我们现在谈论的资本支出要大得多。
过去一年里,很多人工智能的支持者认为无论投入多少都是值得的,人工智能会改变世界,不用担心这些支出。我并不完全反对这种观点,但我认为我们需要认真审视这些数字,看看这将如何发展,这会影响整个生态系统。相信人工智能和相信未来两年内无限制的资本支出是两回事。你可以相信人工智能,但也要意识到未来24个月内的资本支出可能难以收回。
Harry Stebbings:我完全同意。我最近和一家大公司的高管聊过,他说,这就像曼哈顿计划,一旦开始就不能停止。
David Cahn:我们现在谈论的是扎克伯格刚刚承认过度建设后的情况,桑达尔也提到过这个问题。所以我认为本周发生了一些重大变化,扎克伯格、桑达尔和我基本上都有相同的看法。
之前有很多人推崇人工智能,他们认为资本支出不重要,预算也不重要。但这周你从桑达尔和扎克伯格那里听到的声音是,他们明白这有风险,但这是值得冒的风险,他们必须冒这个风险。即使是扎克伯格也没有说这是无风险的。他的意思是,如果通用人工智能(AGI)实现了,那太好了,这将是一次很好的投资。如果没有实现,这可能会是一项艰难的投资,但这是我们必须冒的风险。
Harry Stebbings:那么,桑达尔和马克的意识觉醒会导致什么变化呢?是会减少资本支出,还是会有意识地继续超额支出?结果会是什么?
David Cahn:我认为不会有太大变化。这只是我的观点。我不认为任何一家大科技公司能在董事会上说,他们知道如何收回这些投资。
但这没关系,他们在做战略决策。如果不投资,他们的竞争对手就会占据优势。人们没有意识到的是,我们正在面对商业史上最强大的寡头垄断之一。微软、亚马逊和谷歌加起来拥有7万亿美元的市值,占全球市值的10%。在此背景下,他们为了维护自己的垄断地位,会不惜进行一种激进的资本支出。
很多人会以为像这样的大公司知道一些常人难以知晓的信息,未来两年在AI方面的收入会有保障,所以敢于进行投资。我并不认同,我认为大家会逐渐认识到他们的这些投资也是投机性的,同样面临很大风险。
Harry Stebbings:这些投机性的投资是由拥有大量资金的既有企业进行的。如果成功了,我们将拥有令人惊叹的产品,消费者也会从中受益。如果失败了,那也没关系,因为不是我们买单,而是那些有巨额现金储备的公司承担了风险。你怎么看这种观点?
David Cahn:我一直持这种观点。这对创业公司非常有利。这些大科技公司是计算能力的生产者,而创业公司是计算能力的消费者。如果计算能力的生产过剩,价格下跌,创业公司就会受益,因为他们购买这些计算能力。
计算成本的降低直接转化为创业公司的毛利率提升,使公司更有价值。所以我很高兴看到这一切的发生,我认为这对经济和技术生态系统都是非常好的。但我们需要清楚地认识到这种现象,并且对未来几年的发展保持清醒的头脑。
Harry Stebbings:也有一种观点认为,这会让权力进一步集中,使得寡头垄断变得更加强大。对此你怎么看?
David Cahn:我认为这很有道理。你可能会认为这些公司太强大了,他们正在设置进入壁垒。要成为一个人工智能云服务提供商,你需要烧掉一大笔钱,这是一个非常重要的进入壁垒。而且,从这周的言论来看,这并不是偶然的,这正是他们明确的意图,他们不能让其他人攻击他们能下金蛋的核心业务。
现在的云计算业务是一个2500亿美元的市场,与整个SaaS行业的规模相当。这就是Azure、谷歌和AWS控制的业务。因此,他们当然会竭尽全力保护这一块市场。
Harry Stebbings:我有个难题,我在20 VC节目中学到了很多像你和Samuel这样聪明人的知识,但我有时会难以调和两个观点:计算能力的过剩意味着创业公司可以以更低的成本获取资源,而Sam Altman又非常坚定地认为计算能力是未来的货币,是最重要的东西。这两种观点是相悖的吗?还是可以共存?
David Cahn:我认为它们有些冲突,我来解释一下为什么。计算能力是一个委婉的说法,指的是你消耗的资源。但如何生成算力非常重要。算力是指在伊利诺伊州某个数据中心中的大量GPU和液冷系统等物理设施。这就是为什么关于人工智能的对话变得如此极端,因为人们使用这些委婉的说法,比如计算能力、云计算等等,但这些并没有真正反映出它们的物理现实。
所以问题是,大型科技公司在未来两年内将如何建设数据中心?建设一个数据中心大约需要两年时间,每个数据中心的成本大约是20亿美元。他们会购买目前市场上最好的H100芯片,并将其安装在数据中心。
现在想象一下,两年后,英伟达的B100芯片成为了主流。那么他们需要更换所有数据中心里的芯片,或者安装这些新的芯片,因为这些新的芯片更好。此外,液冷系统可能也会改变,所以需要更换液冷系统。
算力是未来的关键。然而,算力来自于现实世界中建造的物理资产。如果我们建造这些设施时出错了,我们就必须面对这些问题,并且可能需要重新建造。因此,这不是简单的事情,不是说我们现在就可以打造15年的算力,并认为万事大吉了。这其中有复杂性,有权衡。
/ 02 /
大模型竞赛离不开现金牛
Harry Stebbings:那正好是我要问的问题,你认为一家初创公司能做到这些吗?考虑到资本支出的庞大和你提到的垂直整合,即使OpenAI或Anthropic能筹集到10亿、20亿甚至30亿美元,而微软每天有3.3亿美元的自由现金流,这是否是一场只有头部公司能玩的游戏?
David Cahn:过去几年的证据显示,要参与大模型游戏,你需要一个现金牛,而这个现金牛不能是AI业务本身。Facebook有一个叫Instagram的现金牛,Amazon有一个叫AWS的现金牛,微软有一个叫Azure的现金牛。我认为你需要一个现金牛才能竞争。
Harry Stebbings:Facebook是唯一一家没有云业务作为现金牛的公司,你认为这会如何影响他们的行为?
David Cahn:我认为云服务公司是在防守,而Meta是在进攻。这可能是最简单的解释。云服务公司是在保护他们现有的业务,而Meta可以更加有创造性。而且我认为Meta不需要像云服务公司那样防守,因为如果他们觉得不值得,他们可以停止投资。云服务公司陷入了一种囚徒困境,他们必须继续投资。如果他们不投资,他们就有可能失去市场份额,这是历史上最伟大的业务之一。而Meta可以为未来而战。扎克伯格还很年轻,他做得非常好,我可以想象扎克伯格在AI的未来中扮演重要角色。
Harry Stebbings:如果你是今天的扎克伯格,你会做什么?
David Cahn:我会做他现在正在做的事情。他非常聪明,我认为他正在做的事情是有意义的。他正在创造一个开源或开源替代品,我认为这对世界有好处,对Meta也有好处。所以我认为Llama很棒,它对将在Llama之上构建的初创公司来说是个好东西,他们在开源基础上构建。我认为消费者层面的杀手级用例还没有出现,但显然Meta有出色的分发能力。如果他们能解锁这个杀手级用例,他们会找到方法赚钱。所以我认为Meta的策略非常合理。
Harry Stebbings:鉴于长期来看这些AI公司需要与某个现金牛业务紧密绑定,
Anthropic、OpenAI以及其他一些小公司如Coherent,他们会被收购并成为Amazon或Google的一部分吗?这是他们唯一的出路吗?
David Cahn:我不知道。看起来目前AI领域的很多事情都涉及反垄断问题。微软可能不想收购OpenAI,Amazon可能不想收购Anthropic。我认为这种情况可能会持续下去,因为现在很难收购这些公司。你可以收购一些较小的公司,比如我们看到的Inflection和Adept,但像Anthropic这样的公司会很难收购。
/ 03 /
数据中心的未来发展
Harry Stebbings:你提到需要用新的H100芯片替换旧的芯片,那么如果模型变得更加高效,我们还需要更换这些芯片吗?你认为模型效率的提升是否可以避免这种更换?
David Cahn:我在博弈论文章中提到的一个观点是,如果你对人工智能持乐观态度,你可能会更担心数据中心会过时。有人说过一句话,我一直在思考:没有人会在同一个数据中心两次训练前沿模型,因为当你完成训练时,GPU已经过时,数据中心也变得不合适了。这让我想到了哲学家赫拉克利特的名言:“人不能两次踏进同一条河流。”
假设模型变得更好,假设我们继续遵循规模定律,所有这些好事都发生了。实际上,这意味着我们可能需要改变数据中心的架构,可能需要新的芯片。现在每个人都在追求10万GPU的集群,这是目前的尖端。埃隆·马斯克说他将建立一个30万GPU的集群。
如果这些都实现了,那么这将极大地改变数据中心的物理架构和所需的基础设施。我认为越来越多的人可以认为模型就像一个数据中心一样。随着这些模型的规模越来越大,规模定律变得越来越重要。这些研究人员从一个实验室跳到另一个实验室,不同公司之间的实际模型差异越来越小。因此,我认为有一个非常好的论点,即数据中心是最重要的资产,我们需要学习如何建造这些大型数据中心。
Harry Stebbings:数据中心是如何变化的?你提到它们在房地产方面的变化,从10万个到30万个服务器,我们会在这变革的过程中看到什么?
David Cahn:现在的情况是,很多人都没有注意到这一点。亚马逊在过去六个月里公布了总计500亿美元的新数据中心。这就是我在谈论AI时所说的6000亿美元的问题之一,这些数据中心正在建设中。他们需要雇佣人来建造这些设施。有一家叫CyrusOne的公司,还有一家叫QTS的公司,这些公司是数据中心的房地产开发商。
微软或亚马逊会找到这些房地产开发商提供数据中心建设需求,然后房地产开发商会找到一个叫DPR的公司,这是建造数据中心的最大总承包商。DPR会去找分包商,而分包商则需要找到1000名电工和其他工作人员。劳动力是数据中心建设的最大成本。分包商会在Facebook上打广告说:“需要电工,请到伊利诺伊州的某个小镇来,我们需要你们来建造数据中心。”所有这些人会坐飞机来到这里,他们会住在酒店里。在接下来的12个月里,这一切的物理过程是非常壮观的,我认为这会很有趣。
Harry Stebbings:考虑到你提到的复杂性,我们是否高估了建设这些数据中心的速度?会不会看到模型的发展速度远远超过数据中心的建设速度,从而带来挑战?
David Cahn:这就是关于规模定律的问题,这回到人们谈论的“痛苦教训”。问题是,研究人员能否比我们更快地做出研究突破,而不仅仅是建造更大的数据中心?硅谷有很多人认为现在唯一重要的就是规模,但也有很多人认为我们会在推理方面取得突破,会找到更好的利用数据的方法,使模型更加高效。我认为这两种观点都有支持者。目前的证据更倾向于支持规模定律,但我希望看到更多的证据表明其他突破也能推动进步,因为我希望看到尽可能多的进步。如果我们能同时拥有两者,那就比只有一个更好。
Harry Stebbings:我们提到创业公司在计算成本下降时受益,因为他们是消费者。这是否会导致一些公司变得更糟糕,因为他们无法提高收费,但却有更高的成本,因为整合AI的成本很高?
David Cahn:马斯克在Sequoia的Base Camp活动上说过一句话,这句话我记忆犹新:“唯一重要的事情就是做出有用的东西,其他商业问题都会自己解决。如果你做了有用的事情,人们通常会为之付费;如果你没有做有用的事情,人们就不会付费。”
所以,问题在于,Canva和其他这些软件公司能否通过AI使产品变得更有用?如果答案是肯定的,那么他们可能有定价权。如果你为最终用户带来了价值,你就可能赚取利润。然而,如果你只是为了告诉投资者你有AI而注入AI,却没有为消费者带来实际好处,那你只是增加了成本而没有任何收益。如果没有对消费者的好处,他们就不会支付更多费用。
Netflix或者Spotify这些产品给消费者带来了巨大的价值,而且价格并不高。资本主义在这方面很神奇,所以商业中提供价值的负担是很高的,而我们在AI领域还没有那么强烈地看到这一点。
Harry Stebbings:我不确定是否同意“如果你增加价值,你就可以收取更多费用”。因为如果所有供应商的功能相当且逐渐商品化,比如Canva、Adobe、Sketch等,尽管它们增加了更多的价值,但如果有大量其他供应商提供相同的功能,定价权就会消失,并且会陷入价格竞争的局面。我认为我们已经在许多领域看到了这一点。你怎么看这个问题?我有错吗?
David Cahn:不,你说得对,这有其复杂性。关键在于,具有进入壁垒的行业有定价权,而没有进入壁垒的行业没有定价权。所以我认为这将是按行业区分的。在一些行业中,商品化现象会出现,毛利率基本会降到0%。
在结构性低毛利率的行业中,提高毛利率是非常困难的。如果成本上升,你会稍微提高价格来弥补,但不会大幅提高价格。在有高进入壁垒的行业中,例如拥有数据壁垒的行业,如果我把所有数据放在你的平台上,我就不能轻易迁移,这些公司有定价权。如果在AI之前有定价权,AI之后仍然会有定价权。如果在AI之前没有定价权,AI之后也可能不会有。
Harry Stebbings:回到计算问题,我们看到越来越多的企业谈论垂直整合,比如苹果公开表示他们计划使用和实现自己的芯片,以摆脱对英伟达的依赖。你认为这会成为一种趋势吗?
David Cahn:分两部分来说。某种意义上,我认为是的;另一种意义上,我认为不是。说不是的原因是,我六年来一直有一个信念,它对我很有帮助,那就是不要赌黄仁勋会输。我认为很难与黄仁勋和英伟达对赌。黄仁勋是我们这个时代的史蒂夫·乔布斯,他是一个出色的CEO。我认为很难与出色的CEO和有远见的CEO对赌。
说是的原因是,这与数据中心建设和运行有关。在过去的几个月和一年中,我改变了一个观点。你听到马斯克经常谈论数据中心建设和垂直整合,我认为这是一个很聪明的做法。
我认为模型层和数据中心之间的垂直整合很重要。另一个进行垂直整合的公司是Meta,扎克伯格控制着自己的数据中心,也在构建模型。所以我认为垂直整合的关键在于你不能有一个单独的团队运行数据中心和一个单独的团队构建模型。随着这些模型越来越大,你需要紧密结合这些东西。马斯克和扎克伯格正在做这些。我认为微软、OpenAI、亚马逊和Anthropic将面临的一个大问题是如何进行垂直整合。Anthropic和OpenAI与控制数据中心的母公司是分开的。
/ 04 /
AI发展三大支柱
Harry Stebbings:我不久前与Scale的Alex Wang进行了对话,他说,基本上有三件事:计算、算法和数据。你同意他的观点吗?你认为哪一个是核心限制?
David Cahn:有趣的是,我曾经有点同意Alex的观点,但我觉得我的思维模式已经改变了,我认为计算、模型和数据已经融合了。
但我认为今天很难说任何一家大模型公司有数据优势。计算只是你为之付费的商品,很难说任何公司有计算优势。至于模型,他们都会说自己有一些独家技术,但如果你相信规模定律和“苦涩教训”(源自机器学习先驱 Rich Sutton 在 2019 年的一篇经典文章,核心观点为人工智能如果想要长期获得提升,必须利用强大的算力),那么所谓的独家技术就没那么重要了。
所以我提出我认为最重要的三件事:服务器、钢铁和能源。我对AI的工业性质更感兴趣,这是一场工业革命。服务器,这包括英伟达、AMD、Broadcom等公司,这是芯片创新。英伟达的毛利率很高,会有大量竞争,芯片战争才刚刚开始,这里有很多有趣的事情发生。
钢铁,我们之前提到过,很多建设正在进行,许多大受益者实际上是建筑公司和房地产公司。电力,我们没怎么谈到,我觉得电力元素非常有趣。我们已经讨论了几年的能源革命,可能因为AI这次真的会发生。
Harry Stebbings:那我们从你提到的芯片战争开始。你如何预期芯片战争的发展?你说我们刚刚开始看到英伟达的令人难以置信的产品路线图,可以详细谈谈你如何看到这一切的发展吗?
David Cahn:硅谷历史的一个部分是摩尔定律,芯片变得更便宜更好。这是硅谷令人惊叹的地方之一,价格下降,产品变得更好。你看看B100,你将支付的价格与他们公开宣布的性能相比是惊人的。所以性价比继续改善,我看不出这种趋势会停止。
英伟达是一家了不起的公司,他们有创新的记录,有新产品的记录。你可以相信黄仁勋在极力推动他的团队开发下一代芯片,所以我认为英伟达会继续给我们带来惊喜。同时,AMD、Broadcom等公司,他们看到这个巨大的市场。现在你看到很多初创公司也想竞争,这是一个巨大的市场。
Harry Stebbings:关于钢铁,我很好奇,我们必须解决的核心考虑因素是什么?如果我们钢铁短缺会发生什么?如果钢铁供过于求又会怎样?人们没有考虑到的关于钢铁的重要因素有哪些?
David Cahn:我用钢铁作为所有工业物资的代称,包括发电机、电池等必须制造的所有工业产品。当我与大型云计算公司交谈时,他们告诉我:我们正在联系制造合作伙伴、工厂,比如钢铁厂、发电机厂等。我们告诉他们,我们有一个巨大的订单即将到来。这是我们未来五年的计划。我们将订购大量你们的产品。请增加你们的生产能力来支持我们。
他们得到的回应是:我们不相信你们。我们不想将产能翻倍,因为作为制造合作伙伴,比如说你是生产柴油发电机的公司,你必须建一个新工厂才能生产更多发电机。如果微软停止购买你的发电机,那个工厂就会闲置。你刚投入了大量资金。
所以这里有一些非常有趣的供应链动态,你需要说服你的供应链增加产能。你告诉他们大量订单即将到来。但供应链的人不是AI专家,他们是擅长管理工厂的制造业人士。我认为供应链如何管理也很有趣,大公司在这方面做得非常好。我认为这是他们被低估的另一个优势,说服供应链改变行为是他们有很多经验的事情。
Harry Stebbings:他们是怎么做到的?是通过预付款吗?我只是想了解他们是如何做到的。
David Cahn:微软可以打电话给你说,我要买下你未来五年的所有产能。请建一个新工厂,好吗?如果你是工厂老板,你会这么做的。所以我认为这是大型科技公司的另一个优势。
Harry Stebbings:你一开始跟我说房地产开发商的事。我在想,为什么我们要投资AI CRM?房地产似乎是更好的生意。
David Cahn:我透露一下我的秘密,这正是我现在关注的领域。我在供应链领域花了很多时间,我认为那里有很多有趣的事情正在发生。而且我认为这个领域竞争还不那么激烈。
Harry Stebbings:好的,请详细说说。你认为供应链中哪些部分最有趣且竞争最不激烈?
David Cahn:房地产开发商就是一个例子。KKR拥有CyrusOne,黑石集团拥有QTS,这些都是非常好的投资。对这些公司来说,这些将是回报巨大的投资。这个领域还有其他很有趣的公司。如果你只看房地产,这是一个不错的生意,对吧?所以进入这个行业是个不错的选择。
电力领域是每个人都在谈论的。大约两三周前我去了西弗吉尼亚,参观了一家我之前投资的公司,他们正在建造长效电池。他们在过去12个月里建造了一个价值10亿美元的工厂。所以正在发生巨大的工业转变。我认为12个月后,你会看到各种图表显示正在建造比以往更多的工厂等等。工业革命才刚刚开始。
Harry Stebbings:你能详细解释一下工业革命刚刚开始是什么意思吗?还有电力需求,我们有足够的电力供应来支持工业革命吗?我们刚才讨论的计算需求呢?
David Cahn:我们没有。这里有一个有趣的现象,拜登政府通过了通货膨胀削减法案,这是一个巨大的刺激法案,基本上激励每个人建造太阳能发电厂、电池等。作为一个资本主义者,我认为一个很大的讽刺是,资本主义的力量,也就是AI,将比任何政治规定都更能推动能源革命。
Harry Stebbings:太棒了。为什么会这样?是因为我们需要降低能源成本来促进我们需要的AI发展吗?
David Cahn:没错。因为对电力的需求超过了我们现有的电力供应。例如,几乎所有人都同意我们需要更多的发电能力。所以如果你能建一个新的太阳能发电厂,你会这么做,因为经济上是合理的。你有买家,另一边有很大的需求。这需要时间,但有很多成熟的公司在做这件事。
NextEra是美国最大的公用事业公司之一,是一家非常棒的公司。市值超过1000亿美元。硅谷大多数人都没听说过这家公司。这家公司一直在投资,实际上在过去10年里一直如此。他们通过非管制业务进行投资。他们一直在投资电池、太阳能和新技术。当我看清洁技术投资时,我经常看到他们在场。这对美国来说是非常积极的,对吧?美国有像NextEra这样的优秀公司,他们做得非常出色,他们会继续创新,他们会看到另一边的需求,人们会针对这种需求进行建设。
Harry Stebbings:所以你不认为我们正在进入能源危机吗?
David Cahn:我认为我们需要更多能源。20年前,每个人都在说太阳能会成为一件大事。现在太阳能确实是一件大事了。这个预测已经实现了。现在没人谈论它了。有趣的是,有时最大的变化是悄无声息地发生的。今天,美国有很大一部分发电能力来自太阳能。所以我不认为会出现人们预期的那种大声疾呼的危机。我认为我们会缓慢地朝着更多可再生能源、更多电网供电的方向发展。
/ 05 /
David Cahn的AI发展预测
Harry Stebbings:有两个核心问题我真的想听听你的看法。第一个问题是,我们之前提到了扎克伯格的开源方法,相比之下其他人采取了更封闭的方法。你如何看待这实际上对社会的影响,我们应该采用开放还是封闭模型?Marc Andreessen等人持完全相反的观点,认为一旦放出来就收不回去了。Alex Wang在节目中说这比核武器还危险。但你如何看待这个核心问题,这是否太危险而不能开放?
David Cahn:我认为这有点像AGI的争论,对吧?如果你认为AGI明天就会实现,那么你会非常害怕。如果你不这么认为,那你就不会害怕。这决定了你是否相信封闭系统。我有点质疑这个问题,我其实并不太担心这些事情。我AI可能会改变我们的生活,让它变得更好。它会提高生产力。也许当你我90岁的时候AGI会实现,但我不认为AGI会在明天实现。我觉得挺好的。我们有封闭源代码的选择,也有开源的选择。有两种选择很好,我绝对不想生活在一个只有一种选择的世界里。所以我很高兴我们两种都有,但我不太担心这些事情。
Marc Andreessen也谈到过这一点。我其实很喜欢Marc Andreessen说的很多东西,他说硅谷的人没有宗教信仰,所以他们担心AGI。
Harry Stebbings:我昨天采访了Ethan Mollick,他是一位研究AI社会影响的教授。他的观点很有趣。他说,如果相信AGI会实现,那么今天就不应该再投资SaaS公司。因为如果AGI实现了,你的中小企业税务会计产品就没有存在的必要了。所以你可以相信AGI,但只投资AGI相关项目;或者你不相信AGI,继续投资SaaS。但同时持有这两种观点是互相矛盾的。
Harry Stebbings:我必须问一下,我们提到了潜在的危险。另一个让我有些担心的是中国的发展。很多人说中国落后美国两年,你相信这种说法吗?还是你认为我们低估了他们的能力和实际水平?
David Cahn:我认为中国会赶上来。美国是个很棒的国家,我们有很多优势。我们有良好的移民政策,有强大的资本主义经济,有很多自由。所以有很多理由相信美国会做得很好。中国也会做得很好。
总的来说,我可能更倾向于认为美国会表现出色。我认为美国在AI革命中的成功很大程度上源于美国是一个非常适合做生意的地方。如果你想做成一番大事,这里是一个很好的选择。硅谷有很棒的文化。所以我认为美国有很好的机会保持领先。但不要低估你的竞争对手。我认为你总要假设你的竞争对手会表现得非常出色。希望这能激励我们做得更好。
我不认为会出现美国完全落后的情况。如果说有什么的话,过去两年的证据表明美国做得相当不错。
Harry Stebbings:我们几个月后会看到你写的一篇新文章,叫"9000亿美元问题"吗?还是这个数字会缩小?我是认真地问,你认为我们应该期待什么?还是你认为随着我们之前提到的认识,这个数字会回落?
David Cahn:首先,我可能不会发表那篇文章,因为我只在有话要说的时候才发表文章。我不是那种喜欢为了说话而说话的人。我在"6000亿美元问题"上有话要说,所以我写了那篇文章。
Harry Stebbings:David,如果你只在有知识可分享的时候才说话,你就不会是一个很好的风投了,我向你保证。
David Cahn:我正在尽力。但我要说,我们很可能会达到1万亿美元。这只是背后的数学问题,对吧?让我提醒一下大家背后的计算方法。你基本上只需要拿英伟达的年化收入乘以2,就可以得到数据中心的总成本。因为数据中心的成本大约一半是GPU,一半是其他东西。然后再乘以2得到消费AI的公司的隐含收入。所以我能得到1万亿美元吗?当然可以。
如果说有什么的话,我认为我们这周从扎克伯格和桑达尔那里听到的是我们必须继续建设。我们别无选择。我们陷入了这个囚徒困境。所以我看不到尽头。
我不知道什么会成为人们停止建设的催化剂。他们现在在做的一件我认为很有趣的事,就是他们基本上转向了资产负债表外融资。以前每个人都是用自己的资产负债表进行这些资本支出。微软建自己的数据中心,亚马逊建自己的数据中心,他们雇用建筑公司,雇用所有做这项工作的人,这直接从他们的资产负债表上支出。这是资本支出,是现金流出。现在这些数字变得相当大了。
所以我认为我们会看到更多的资产负债表外融资。这意味着别人建数据中心,然后微软或者谷歌同意租用20年。这改变了在投资者眼中的财务状况。以前看起来微软刚花了20亿美元。现在看起来微软承诺在未来20年每年花2亿美元。这是什么?这基本上就是债务,对吧?资本化租赁是一种债务形式。但我认为人们会这么做。我在想,这些做法是否是为了减少人们认为正在支出的金额,因为你可以用这种方式支出,实际上是对你未来业务的一种负担,而不是今天的现金流出。
Harry Stebbings:你认为我们会看到新的金融工具出现,以促进从资产负债表内到资产负债表外的转移吗?
David Cahn:这是很有可能的。我和一些房地产投资者交谈过,人们可能不知道的是,很多用于资助数据中心的资金来自房地产开发商和投资者。我和这些房地产投资者交谈,我问他们:“你相信你资助的数据中心会被使用吗?这个数据中心会有足够的需求吗?”他们说:“我其实不太在乎。
对我来说,我是在给微软提供资金。这是对一家大型科技公司的贷款。我做的这笔交易是由微软、亚马逊或谷歌的信用作为后盾的。我可以以X%的收益率购买微软的债券,而我在这里能获得X+2%的收益率。所以这是一个风险调整后的良好投资。对我来说,这意味着这些大型科技公司基本上是在用自己的资产负债表发行债务,但这是通过这些中介机构进行的。”所以它被认为是一种资产负债表外融资。
编译/林白
免责声明:本文来自 乌鸦智能说客户端,不代表超天才网的观点和立场。文章及图片来源网络,版权归作者所有,如有投诉请联系删除。