觀點：Nvidia/Coreweave/OpenAI關係圖中的許多循環論證都可以用人工智慧資料中心缺乏經濟可行性來解釋。 為了理解個中緣由，我們可以看看加密貨幣挖礦的商業模式：隨著挖礦難度的增加，許多加密貨幣挖礦公司最終都因為巨額的折舊成本而虧損，這些成本幾乎每隔幾年就需要更換設備，從而抵消了大部分利潤。從資料中心供應商的角度來看，人工智慧資料中心的情況也大同小異，因為他們只從GPU使用時間中獲利，而不是從實際的人工智慧輸出中獲利，所以計算的實際內容與他們的獲利模式無關。 英偉達、Google和OpenAI正在全部或部分地將資料中心管理外包，因為這些折舊成本在任何資產負債表上都顯得非常糟糕。讓新型雲端平台承擔這些成本更容易，這樣既能享受硬體生命週期兩端的收益，又無需承擔實際的折舊費用。 當英偉達向CW出售GPU，並將GPU使用時間租回給DGX Cloud時，他們實際上是透過GPU銷售和租賃加價來賺錢，而讓CW承擔折舊費用。 這些新興科技巨頭的目標是推高股價，一夕致富。這種策略在一段時間內會奏效，直到它們無法繼續籌集債務融資。屆時，如果大型企業需要承擔全部損失，許多財務數據就需要重新調整。 出於供應鏈和資源方面的考慮，GPU晶片的成本不會隨著時間推移而下降。我們預計，性能更強的新一代GPU將以相同甚至更高的價格持續取代舊硬件，而LLM計算負載也將不斷增大和複雜化。因此，這種模式根本無法扭轉頹勢，實現盈利，它就像一顆定時炸彈，隨時可能因利率變化或流動性挑戰（或兩者兼有）而引爆。 要讓一切順利進行，唯一的辦法就是提高人工智慧範式的效率，從而獲得與傳統雲端運算相同的資料中心經濟效益：透過更經濟的硬體來驅動運算，避免折舊過於嚴重。 在不久的將來，這可能意味著一種更具成本效益的硬件，其供應鏈集中度更低，並且人工智慧架構從根本上來說是不同的，我們可以在更容易製造和廣泛生產的硬體上獲得相同或更好的推理性能。 如果/當泡沫破裂時，從長遠來看，這可能是對人工智慧產業最好的事情，因為它將開始把資金重新分配到比「只是擴大規模、投入更多資金，然後看看會發生什麼」更好的方法。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。