人工智能市场现状
神译局是36氪旗下的编译团队，重点介绍海外新技术、新观点、新趋势，重点介绍科技、商业、职场、生活等领域。
编者按:虽然人工智能的受欢迎程度并没有下降，但很多人对人工智能投资收益率的质疑却在增加。人工智能需要消耗大量的计算能力和电力，但收益不在一个水平。本文将量化分析人工智能价值链的收入来源，帮助大家了解人工智能行业的现状。文章来自编译。
鉴于近期人们对人工智能的投资收益率（ROI）随着怀疑的不断增加和对“人工智能泡沫”破裂的担忧，我想对迄今为止人工智能价值链的收入来源进行量化分析。我的目标是让大家了解收入的全貌，评价人工智能的主要市场。文章分为以下几个部分:
人工智能ROI之争
人工智能市场现状总结
半导体市场
数据市场
云市场
人工智能技术
1. 人工智能ROI之争
一年半以来，舆论首次出现，态度变成了“超大规模数据中心的支出太疯狂了。人工智能是泡沫。”我不想听从别人的建议。投资就是寻找被低估的机会；越悲观越好。
我们不应该对人工智能的悲观情绪日益增加感到惊讶。预计基础设施和实用价值之间会有差距。所有大型基础设施都不能完美满足需求。没关系。从基础设施到价值创造的转变不会是一个完美的过程。
从某种意义上说，近期人工智能悲观情绪的上升源于最新的超大规模资本支出数据。
科技巨头资本支出状况
在过去的四个季度，亚马逊、谷歌、微软和微软 Meta 总资本支出已达到 1770 亿美金。从 2023 年度第二季度到了 2024 2008年第二季度，该数字平均增长 59%。数字令人瞠目结舌，但有两点可能是真的：
当前，人工智能投资的ROI尚不清楚。
对于超大型企业来说，做出资本支出业务决策是正确的。
我们应该区分人工智能投资的ROI和超大规模人工智能支出的ROI。人工智能ROI最终取决于应用程序对最终用户的价值。当公司决定开发人工智能技术时，它是基于收入或成本的潜力。
对大型云服务提供商而言，情况各不相同。
约 50% 用于数据中心“套件”的费用，例如 GPU、存储和网络。到目前为止，这一直是需求驱动的支出！三家超大型公司都指出，他们是 AI 在计算能力方面受容量限制。
其它50%的生态资源大多用于确保未来15年仍将稀缺：房地产和电力。
她们会自己或者通过 QTS、Vantage 或 CyrusOne 等待开发商这样做。他们购买了数据中心的房地产，这些房地产靠近边缘，电力充足，价格低廉。他们已经获得了数据中心的大部分黄金地段；现在，他们主要根据电力的可用性来选择地点。电力将继续成为计算需求的瓶颈，超大型公司知道这一点。
资料中心的功耗情况
超大型企业的方程式比较简单：数据中心至少需要 15 年度投资。它们下注 15 年后的计算需求会更高(这个假设并不疯狂)。
若不能保证这些自然资源的安全，可能会发生三件事：
它们的业务将输给有实力的竞争者。
她们将被迫获得性价比较低的次优土地。
挑战者将购买这些土地和电力，并蚕食超大型企业的份额。
如果他们得到了他们想要的土地，并且他们不需要立即获得计算能力，他们可以在数据中心建造“套件”，直到需求准备好。他们可能提前几年花费了数百亿美元，这并不理想。然而，三大云提供商的年收入是 2250 亿美金。
正如谷歌CEO桑达尔所说：“投资不足的风险高于投资过多。
到目前为止，我们已经开始看到人工智能基础设施的建设，主要是购买 GPU ，而数据中心的建设成本，我们的疑问是：“到目前为止，在哪里创造了价值，将来又将在哪里创造价值？”
2. 人工智能市场现状总结
目前，人工智能的价值大多集中在基础设施上，尤其是英伟达及其相关企业。我们开始看到“人工智能数据中心”的建设，但我还处于这种趋势的初始阶段，能源是这种建设的真正瓶颈。
云供应商通过模型 API 或“GPU 也就是说，“服务”获得了一部分收益，即购买。 GPU 并且通过云服务出租。
我们还没有看到大规模的应用收入。人工智能技术已经创造了一个合同 200 一亿美元的收益，到目前为止，它所创造的价值(成本下降)将比这一数字高出数倍，但与基础设施成本相比却微不足道。
行业最终将由人工智能技术价值(收入或成本替代)驱动。这一价值将由消费者或单位的最终价值驱动。
所以可以得出这样的结论：人工智能技术解决的问题越大，整个价值链积累的价值就越大。
如今，基础设施投入巨大，希望能够从应用中获得收益。问题是：人工智能在哪里创造了重要的价值？
回答是，目前还不清楚。现在还为时过早。但是没关系。
我想在深入探讨之前，先简单介绍一下我观点的理论框架(简化版)。
人工智能价值链
从广义上讲，所涉及的市场可以分为半导体(及其价值链)、数据中心(和能源)、云层平台，模型，数据和网络层。
3. 人工智能和半导体市场
英伟达一家占据了人工智能半导体收入的大部分市场份额，英伟达的供应链从中受益匪浅，HBM 内存与定制 ASIC 其中有两种类型。
英伟达，英伟达的供应链和供应链 AMD
上个季度，英伟达在数据中心板块的收入是 263 亿美元，其中 37 一亿美元来自互联网。回顾以前的资本支出数字， 45% 的收入（即 118 来自云提供商的亿美元。
台积电是英伟达生产尖端芯片半导体代工厂中最直接的受益者，其评论如下：
今年我们预测了几种 AI 处理器的收益贡献率将翻倍以上， 2024 每年占我们总收入的10%以上。在接下来的五年里，我们预测将 50% 复合年增长率提高， 2028 每年都会有我们的收入 20% 以上。根据狭义的定义，这些模型 AI Cpu包含 GPU、AI 加速器以及 CPU 执行、训练和推理功能不包括网络边缘AI或板载。 AI。
台积电 2024 年收入预测平均值为 863 亿美元；其中估计有 12% 由于来自人工智能，因此估计人工智能的收益约为 104 亿美金。
随着收入的增加，台积电的资本支出将会增加，从而为半导体资本设备提供商创造收入。
那 AMD 呢？
苏姿丰在上一季度的收益报告中估计， MI300X 收入将超过 45 亿美元，高于之前的预期。 40 亿美元。但是最重要的一点是，她在之前的收入电话会议上评论道：
“从全年的角度来看，我们 40 1亿美元的数字不受供应上限的限制。
在你最大的竞争者中 GPU 销售额约为 200 当1亿美元，销量不足时，这种情况并不理想。尽管如此，开发芯片生产线还是需要时间的，从芯片发布到一年的收入都超过了。 40 十亿美元的成就和令人印象深刻。
HBM、Broadcom 和Marvell一起
为了减少高带宽内存芯片的数量 AI 内存瓶颈的工作负荷；SK 在这类芯片中，海力士、三星和美光是三家制造商。
Trendforce “总的来说，称，”SK 现在海力士已经占据了 HBM 市场约 50% 近年来，该公司与三星基本上分享了这个市场份额。考虑到这一份额状况， DRAM 预计行业收入将会到来 2024 年增至 841.5 十亿美元，如果 TrendForce 估计准确，SK 海力士在 2024 年 HBM 收入可能高达 84.5 亿美金。”
此外，Marvell 与 Broadcom 还有两个主要的型号 AI 商品：
大多数网络设备的数据中心半导体(供应给 Arista 和 Cisco 等客户）。
共同设计战略伙伴关系，帮助企业发展定制 AI 最好的例子是博通和谷歌合作开发芯片 TPU）。
博通：“这个季度，我们的 AI 商品收入达到创纪录 31 得益于与谷歌合作生产的亿美元 TPU和网络半导体。上个季度，他们披露了大约的收入。 2/3 来自 TPU，1/3 来自网络。
Marvell：“今年我们设定的目标是什么？ 15 一亿美元，来年的目标是 25 亿美元…我可以告诉你的是，这两个目标已经扩大了。”
半导体板块总结，我们预计英伟达在AI方面的年收入为 1050 一亿美元，博通的年收入是 124 亿美金，AMD 2024年 AI 收益预计为 45 亿美元，台积电在 AI 预计收入为 104 内存供应商亿美元 HBM 收益约为 160 亿美金（SK 海力士 市场份额约为 46-52%，三星的市场份额大约是 美光的市场份额约为40-45%。 4-6%），而 Marvell 的 AI 收益可能在 20 大约1亿美元。
人工智能数据中心市场
AI 这个数据中心的故事非常有趣。我们可以看到收入流向两个方面：GPU/AI 加速器和数据中心的建设。我们还没有看到收入流向 Arista、Pure Storage 或 NetApp 其它数据中心设备供应商。
资料中心子支出状况
建设数据中心最直观的驱动因素是超大规模的资本支出。亚马逊，谷歌，微软和微软 Meta 过去四个季度的资本支出总额达到 1770 十亿美元。平均而言， 2023 年度第二季度到了 2024 2008年第二季度，这一数字增加 59%。
大约50%的直接用于房地产、租赁和建筑费用。
Synergy Research 指出，超大规模数据中心的总规模仅用了四年时间就翻了一番，而且这个规模在未来四年又会翻一番。
我们还看到数据中心在规模上存在一些差异。虽然核心数据中心的规模越来越大，但部署的数据中心数量也在增加，以便将基础设施推向更接近客户的地方。总的来说，主要的增长趋势线正在急剧上升，并向右发展。
很明显，数据中心正在如火如荼地建设，但是谁能从中受益呢？
从理论上讲，价值应该流经传统的数据中心价值链：
这些数据的有趣矛盾在于，我们还没有看到收入流向传统的数据中心网络和存储提供商...到目前为止。这意味着到目前为止，收入主要流向框架级别的实施和数据中心的建设。
Vantage、QTS 和 CyrusOne 等待数据中心开发商购买土地和电力，然后将其出租给科技巨头。接着，开发商将完成数据中心的建设过程，然后将设备投入使用。
到目前为止，其它主要受益者包括戴尔和 SMCI 等待服务器制造商，这些制造商提供配备。 Nvidia GPU 机架。戴尔上个季度销售了价值 32 亿美元 AI 服务器，环比增长 23%。SMCI 上个季度的收入是 53 亿美元，同比增长 143%。
那电力呢？
很明显，能源价值链会创造财富，需求会增加。有哪些瓶颈会缓解以满足这一需求(我还没有一个好的答案)？
以下故事突出了能源供应的重要性：
美国最大的电网运营商 PJM Interconnection 于 2024 年 7 月 22 每日当周举行一年一度的电力竞拍。PJM 为全球最大的数据中心枢纽所在地北弗吉尼亚提供服务。拍卖价格最终定为 269.93 美元/兆瓦/天(许多地区)高于上一次拍卖。 28.92 美元/兆瓦/天。
明年的价格可能会比今年高。 10 倍数。这突出了超大型企业对能源的焦虑，以及他们愿意发挥的创造力来保证电能。
5.人工智能云市场
三家超大型企业都希望成为垂直整合 AI 供应商，让顾客可以使用任何服务层(基础设施、平台、应用程序)。它也是他们使用传统云软件部署的游戏。
到目前为止，微软的表现无疑是最好的，让我们来看看云。 AI 收入有很好的理解。我们可以根据贡献率粗略估计Azure。 AI 好处。把它和好 Azure 结合净收入，我们可以知道他们每个季度增加了多少。 AI 收益：
他们的上个季度 Azure AI 年收入已达到约定 50 亿美金。
谷歌和亚马逊都指出，他们的人工智能业务年收入达到“数十亿美元”，但是没有透露更多细节。
Oracle 价值已签署 170 亿美元 AI 如果我们把平均分成合同， 12 个季度，Oracle 每季度的 AI 收益将达到约定 13 亿美元，与其它超大型公司处于同一水平。
再加入 GPU 完善云数据 AI 整体收益情况：
Coreweave 2023 预计年收益为 5 亿美金，2024 年度合同收入为 20 亿美金。Lambda Labs 2023 预计年收益为 2.5 亿美金。Crusoe 2023 预计年收益为 3 超过1亿美元。这类企业加起来可以 AI 云市又增加了数十亿美元。
总结：到目前为止，我们已经 AI 云服务的年收入有一个很粗略的估计，大约是 200 亿美金。
上面讨论的所有内容都是我所说的“AI “基础设施”，其建设是为了支持而实现的。 AI 实用价值。可以看出，从半导体到数据中心再到云，收入急剧下降。这说明到目前为止 AI 整体收入情况。
半导体板块将于今年在人工智能领域获得。 1000-2000 过去四个季度，超大型公司的资本支出已经超过了1亿美元的收入。 1750 今年，云提供商将在人工智能领域获得约1亿美元。 200-250 收益为亿美元。
云计算的收益让我们看到有多少股票投资于人工智能技术；不言而喻，它比迄今为止对基础设施的投资要少得多。
6.人工智能模型和应用收益
AI 当前的实用价值 AI 这是市场上最重要的问题。AI 最终，实用价值将促进整个价值链的投入。如果没有后端的价值创造，所有这些基础设施都将成为泡沫。
AI应用的收入规模取决于为客户创造的价值。它解决了哪些问题？这种问题有多大？
坦率地说，我们现在还没有好的答案。Sapphire 对以下数字进行估算：
Scale AI(据报道，今年的收益达 10 亿美金）与 VAST Data（去年 ARR 为 2 亿美元，今年高得多)等数据公司对此进行了解释。 AI 应用需求明显。然而，这些仍然属于基础设施类，并没有与终端用户接触。
我们对 AI 应用收益的最佳指标来源于模型收益（OpenAI 的 API 收益估计为 15 亿美金，Anthropic 2024 年收入估计为 6 亿美金）。Altimeter 的 Freda Duan 详细分析了 OpenAI 与 Anthropic 对财务状况的估计。
问题在于分析这个收益的投资回报率。对于基于此。 LLM 我们可以假设毛利率是什么？ 80%的应用收入是 50 亿至 100 十亿美元之间。但是，劳动取代成本创造的价值又如何呢？比如 Klarna 节省了客户服务方面的经济性 4000 一万美元成本。
我可以肯定两点：
人工智能技术在一段时间内不会对基础设施建设的投资产生净正的投资回报。
为了证明基础设施建设的合理性，人工智能技术必须不断完善和解决新问题。
关于后一点，人工智能的未来似乎在智能体(大模型有记忆力，可以规划，可以和工具一起完成任务)。这似乎代表了人工智能技术价值突破的下一个阶跃函数。但事实上，人工智能的价值可能会以我们无法预测的方式显示出来。（ 2000 多年来，你怎么能预测到因特网让住在别人家里或者搭别人的车成为可能？)
如同 Doug O'Laughlin 我们指出，我们仍处于人工智能的初始阶段：
新技术很难预测，尤其是在短期内。但没关系。价值会以不可预测的方式创造出来。从长远来看，在技术上下注是一个错误的选择；我不这么认为。
译者：boxi。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com