AI 需年入 6 万亿美元才配建数据中心

文章稍微谈到了 AI 公司预计从哪里获得收入。我希望这些分析能更进一步，探讨那些 AI 客户又该从哪里弄到这笔钱。

例如，文章提到企业生产力工具将带来 1 万亿美元的收入。简单谷歌一下会发现，全球企业生产力工具市场的价值目前仅约为 0.1 万亿美元。

我们真的指望全世界所有公司的年度支出平均突然增加 1000% 吗？为什么？

为了让大家有个概念，医疗、房地产和银行业每年的收入各自约为 1.5 万亿美元。这是收入（REVENUE），不是利润，而利润显然在每个行业都低于收入。我无法理解，当美国医疗和银行业的总潜在市场（TAM）仅为该数字的四分之一时，AI 如何能实现 6 万亿美元的年收入。

我认为普通大众（他们主要认为 AI 就是 ChatGPT）所忽略的是，这些公司瞄准的是知识工作者的薪资。仅这一项在全球就约为每年 3 万亿美元。除此之外，没有任何理由能证明如此庞大的基础设施支出是合理的。数据中心的投资是在赌这些公司能在未来 5 年内实现知识工作者的虚拟化。

仓库和工厂劳动力是 AI/机器人领域的第二大市场，全球规模约为每年 7 万亿美元。

泡沫问题的核心其实在于目标年份。这些公司能否在投资者失去信心之前，开启一条 AI 开始吞噬这些巨大市场的轨迹？

在我看来，以下两种情况必居其一：

(1) 这确实是一个泡沫，AI 将变成一种集成到万物中的有用工具，但无法达到预期。我们会看到这些核心 AI 公司的股价出现显著的多重压缩，但从长远来看，它们仍将是不错的投资。

(2) 这是一次真正的变革，投资物有所值，这些公司将获得巨额收入，同时引发大萧条时期的失业率（如果一半的知识工作者和工厂/仓库工人能保住工作，失业率将达到 24%）。

基本上，证明基础设施支出合理所需的收入，意味着它们必须开始蚕食现有行业，因为这笔钱肯定不是来自 ChatGPT 或 Claude 的订阅费。

我认为这个说法本身就是错的。

我认为他们能提出的主张（假设他们的证据属实）应该是：

“为了让每一项 AI 投资都盈利，AI 需要 6 万亿美元的年收入。”

我想有些人会赚大钱，而更多人会亏大钱。

大多数投资者都知道这一点，他们冒着亏大钱的风险，试图成为那些赚大钱的人之一。

许多早期的互联网公司倒闭了，只有少数变得极其成功。当时我看到高估值时会问：“是的，但他们怎么赚钱？”当时那些对这个问题没有明确答案的公司现在大多已经不在了。而那些有切实可行的盈利计划的公司，即使当时在亏损，也往往能生存下来。

有很多“愚蠢的钱”流入了 AI 领域，当这些愚蠢的钱来自富裕个人时，我很乐意让他们得不到回报，同时由他们来支付基础设施费用。问题在于，当愚蠢的钱来自那些将其他人的钱转投出去、而其他人对资金如何使用毫无发言权的愚蠢个人时。

这并非 AI 特有的问题，这是一个人们可以在他人不知情或未同意的情况下做决策、让他人承担风险的问题。这才是需要正面解决的问题。

为了避免出现“尾大不掉”（tail wags the dog）的局面，有钱人需要把钱花出去。过去 20 年来，我们一直告诉人们要“学习编程”。除了医疗保健之外，科技行业一直是经济向上流动的主要职业。

当 AI 的普及摧毁了程序员和技术人员正态分布曲线中间 60% 的人群时，会发生什么？如果中产阶级失去了工作，他们如何有钱去购买产品或服务？

我们不能一边创造财富，一边摧毁工作岗位，却又没有任何东西来填补空缺。

美国几乎没有制造业基础。

从经济创造就业的角度来看，科技和金融一直是其差异化优势。如今，这两者都面临着 AI 普及带来的风险。企业必须向某人销售产品，而目前尚不清楚——如果相信所宣称的收入目标，这种情况将如何实现。

话又说回来，我认为对 AI 的投资仅占全球 GDP 的 1-2%。如果你认为这项技术可能将任何涉及信息处理领域的效率提高几倍，那么这似乎并不荒谬。电网、铁路和其他大型基础设施也需要类似的巨额投资，尽管它们花费的时间要长得多。我想这里的主要风险在于所有人竞相抢占市场的速度，因为与电力或铁路不同，这场革命完全是数字化的，竞争几乎在全球范围内展开，一切都要快得多。这大概就是主要风险，如此高速的发展肯定会在某个方向上导致过度超调。

这就像坐在 1997 年，自信地假设所有未来的互联网服务都将运行在 Sun、Compaq/HP、DEC 或 SGI 中的一家之上，并据此预测成本。