AI 獲利悖論：鏟子、賣殼遊戲、與 ROI 之路

當前科技週期中揮之不去的中心問題很簡單：AI 獲利了嗎？ 雖然世界正為大型語言模型 (LLMs) 和生成式代理的能力所著迷，但財務帳目卻呈現出更複雜的故事。最近 Hacker News 上關於追蹤 AI 獲利能力的討論，凸顯了基礎設施建設者與試圖將智能變現者之間的巨大分歧。

「賣鏟子的人」與「淘金者」

在 AI 經濟學分析中最一致的主題之一是「鏟子」類比。在淘金熱期間，賣鏟子的人往往比淘金者本身獲得更穩定的利潤。在當前的 AI 熱潮中，Nvidia 是主要的賣鏟者，正如一位評論者所言，他們基本上是在「收割所有人」。

然而，硬體層面不僅僅是一家公司。討論指出，硬體製造商和雲端供應商與純 AI 軟體公司處於根本不同的風險類別。雖然模型實驗室如果 AI 泡沫破裂可能會倒閉，但硬體供應商留下的成長容量和基礎設施可以用於其他運算需求。

硬體版圖

  • Nvidia: 主導力量，奪取了目前 AI 支出的絕大部分。
  • AMD: 在基礎獲利追蹤器中常被忽視，但正取得重大進展，據報導其 R&D 成本不到其 AI 營收的一半。
  • Cloud Providers (PaaS): 如 AWS、Azure 和 Google Cloud 等公司正在為 AI 提供基石，儘管其獲利能力與其託管的實驗室之間的複雜關係密切相關。

「空手套白狼」的算力額度遊戲

討論中提出的一個特別深刻的觀點是主要雲端供應商與 OpenAI 和 Anthropic 等 AI 實驗室之間正在進行的「空手套白狼」遊戲。其機制如下：

  1. 股權換算力: 雲端供應商向 AI 實驗室提供股權，以換取算力額度 (compute credits)。
  2. 循環營收: AI 實驗室使用這些額度來訓練和運行模型，而雲端供應商隨後將其列為營收。同時，AI 實驗室也將產生的服務列為營收。

正如一位貢獻者所指出的，這創造了一個迴圈，雙方都在列入營收，卻沒有「真實美元」從外部來源進入系統。實際成本——用評論者說的「義大利麵沙拉」——正被 PaaS 供應商的現金儲備所吸收。這引發了一個關鍵問題：在需要切實的、外部 ROI 之前，最大的科技巨頭能負擔得起補貼下一代模型訓練多久？

獲利之路：傳統實驗室 vs. 新一代實驗室

有一種日益增長的理論認為，「傳統實驗室」與「新一代實驗室」之間正在形成分歧。

  • Legacy Labs (OpenAI, Anthropic): 這些公司擁有龐大的營運成本、巨大的訓練成本和高燒錢率。對於某些人來說，鑑於其初始投資的規模，獲利可能看起來幾乎不可能。
  • New-Gen Labs (DeepSeek, Qwen, Kimi): 這些較新的進入者可能正在實現效率突破。評論者指出，特別是 DeepSeek，相對於其總支出，表現似乎非常「出色」，這表明獲利之路可能在於效率而非僅僅是規模。

長期風險：物理與戰略層面

除了財務會計之外，AI 獲利能力還存在根本的物理障礙。在 RAM 或磁碟儲存中移動單個位元 (bit) 數據所需的能量受限於物理極限。要實現可持續、大規模 AI 所需的數量級式的電力效率提升，將需要耗費大量時間和錢。

此外，有人警告，這些公司最終賺錢的方式將會發生戰略性的「相位轉移」。提議的模型是兩階段法：

"1. 擴大支出並比競爭對手活得更久，直到你獲得市場主導地位。用優惠交易贏得並鎖定你的客戶。2. 惡化服務品質 (Enshittify) 並擠壓你的客戶以償還債務。"

結論：重新定義 ROI

現有獲利追蹤器的批評者認為它們太狹隘了。他們無法考慮到將 AI 定位於現有產品中（例如 Meta 使用 AI 來優化廣告排名）而非將 AI 作為獨立產品銷售所帶來的生產力提升和 ROI。

雖然「純 AI」公司可能仍處於虧損狀態，但將 AI 整合進更廣泛的經濟中，這表明價值正在被捕捉，而不是在「AI 營收」這一項，而是在整個數位生態系統效率的提升中。

Sources