AI 使用量 + 成本 + 虧損增長 = 前所未見 (AI Usage + Cost + Loss Growth = Unprecedented)
我們前面已經談到了 AI 使用者數量、使用頻率以及資本投入的空前增長，也分析了訓練成本高昂而推理成本下降的現象。現在，我們要面對一個更為現實的問題：在 AI 如此高速的發展背後，其商業模式和盈利能力究竟如何？儘管 AI 的使用量在飆升，但與之相伴的成本和潛在的虧損增長也是「前所未見」的。這聽起來可能有點像一盤「賠本賺吆喝」的生意，但情況遠比這複雜。
第一部分：「甜蜜的負擔」——使用量增長帶來的成本壓力
AI 的使用量增長雖然是好事，代表著技術的普及和市場的認可，但它也像一把雙刃劍，直接推高了運營成本。
- 推理成本的「聚沙成塔」： 我們提到 Token 的推理成本在大幅下降。這聽起來是個好消息，對吧？但問題在於，AI 的使用量（特別是像 ChatGPT 這樣的應用）是以「天文數字」級別在增長。想像一下，即使每處理一個 Token 的成本降到了極低的水平，但如果每天需要處理數萬億甚至數百萬億個 Token，那麼總推理成本依然會是一個非常龐大的數字。以 OpenAI 為例，雖然收入在快速增長，但其計算費用也同樣在急劇膨脹，甚至在某些階段可能超過收入，導致虧損（如 2023 年預估虧損 5 億美元，而 2024 年雖然收入達到 37 億美元，但計算費用依然高昂）。這說明了「薄利多銷」模式在 AI 推理領域面臨的挑戰——「銷量」實在是太大了。
- 基礎設施的「持續輸血」： 為了支撐如此巨大的使用量，AI 公司和雲服務提供商必須不斷投入巨資建設和擴展數據中心、購買最新的 AI 晶片、升級網絡帶寬。這些都是沉重的固定資產投資和運營費用。我們在第二個論點中已經看到了科技巨頭們驚人的資本支出增長，這正是為了應對 AI 使用量帶來的基礎設施壓力。
- 「免費」模式下的成本困境： 許多流行的 AI 應用，如 ChatGPT 的基礎版，都採用免費模式來吸引用戶。雖然這有助於快速獲取市場份額，但也意味著大部分用戶並不直接貢獻收入，而他們產生的每一次查詢、每一次交互，都在消耗著實實在在的計算資源和帶寬成本。如何將龐大的免費使用者群體有效地轉化為付費用戶，或者通過其他方式（如廣告）來覆蓋成本，是 AI 公司面臨的巨大難題。
第二部分：「燒錢的競賽」——AI 領域的虧損現狀
在 AI 技術快速迭代和市場競爭白熱化的背景下，「燒錢」似乎成為了行業的常態。許多 AI 公司，尤其是那些致力於開發基礎大模型的公司，在實現規模化盈利之前，往往需要經歷長時間、大規模的虧損。
- 高昂的研發投入： 除了訓練模型的直接計算成本，AI 公司還需要在前沿研究、人才招募和保留、數據獲取和處理等方面投入巨資。基礎大模型的研發週期長、風險高，很多投入可能無法立即轉化為商業回報。
- 市場推廣與生態建設： 為了在激烈的市場競爭中脫穎而出，AI 公司還需要在品牌建設、市場推廣、開發者生態培育等方面投入大量資源。這進一步加劇了公司的財務壓力。
- 「先發者」的虧損與「後發者」的壓力： 即便是像 OpenAI 這樣在技術和市場上取得領先地位的公司，也可能在初期面臨鉅額虧損。這給後來的追趕者帶來了更大的壓力，它們不僅要在技術上追趕，還要準備好承受可能更長時間、更大規模的虧損，才能在市場上立足。
- 科技巨頭的「戰略性虧損」： 對於 Google 、微軟、亞馬遜、 Meta 這些科技巨頭而言，它們有雄厚的財力來支持 AI 業務的早期虧損。它們將 AI 視為未來增長的關鍵引擎和維持其市場領導地位的核心戰略。因此，它們願意在短期內承受虧損，以換取長期的競爭優勢。報告第 174 頁的圖表展示了這些巨頭在 AI 領域的資本支出大幅上升，同時其自由現金流利潤率卻有所下降，這在一定程度上反映了它們為 AI 投入而犧牲部分短期利潤的策略。這種「前所未見」的虧損增長，並非簡單的經營不善，而是 AI 產業發展初期階段的典型特徵，是技術突破、市場搶佔和生態構建過程中難以避免的「學費」。
第三部分：「似曾相識燕歸來」：科技史上的「先虧損後盈利」模式
報告引用了歷史上一些成功科技公司的案例，這為我們理解當前 AI 領域的「虧損增長」提供了重要的視角。這些公司在早期都經歷了巨大的虧損和市場的質疑，但最終憑藉其創新的商業模式、強大的網路效應和持續的產品迭代，實現了規模化盈利，成為了行業的領導者。
- 亞馬遜 (Amazon)：早期因大規模投資於物流、技術和擴展商品品類而長期虧損，被市場戲稱為「亞馬遜炸彈」。但它最終建立了強大的電商帝國和雲計算業務 (AWS) 。報告提到，亞馬遜在其上市後的 27 個季度內累計虧損 30 億美元，但在最近的 27 個季度內，其累計淨利潤達到了 1760 億美元。
- 谷歌 (Google)：在 IPO 時，其資本支出佔收入的比例高達 22%，這在當時被認為是不可思議的高。但正是這種對基礎設施的大規模投入，奠定了其在搜索和廣告領域的霸主地位。
- 特斯拉 (Tesla)：在實現盈利之前，連續多年虧損數十億美元，用於研發電動汽車技術、建設超級工廠和擴展充電網絡。如今，它已成為全球領先的電動汽車製造商。
- 優步 (Uber)：在實現自由現金流轉正之前，累計燒掉了數百億美元，用於補貼司機和乘客，以快速搶佔市場份額。
這些案例告訴我們，在具有巨大潛力的新興科技領域，「先投入、後產出」、「先虧損、後盈利」的模式並不少見。關鍵在於，這種投入和虧損是否能夠轉化為可持續的競爭優勢、強大的網路效應和最終的盈利能力。報告引用了海明威在《太陽照常升起》中的一句話：「逐漸地，然後突然地」(gradually, then suddenly)，來形容科技轉捩點的到來。這也暗示著，AI 領域的盈利模式可能也需要經歷一個「逐漸」的探索和積累過程，然後在某個「突然」的時刻迎來爆發。
第四部分：「盈利之路在何方？」——AI 商業模式的挑戰與機遇
儘管面臨著巨大的成本壓力和虧損挑戰，AI 領域的參與者們也在積極探索各種商業化路徑。
- 訂閱模式 (Subscription Models)： 這是目前許多基礎大模型提供商（如 OpenAI ChatGPT Plus 、 xAI Grok Premium）採用的主要模式。通過向用戶收取月費或年費，提供更強大的模型能力、更多的使用次數或更快的響應速度。這種模式的優點是收入相對穩定，但挑戰在於如何設定合理的價格、提供足夠的差異化價值以吸引用戶付費，以及應對來自免費或低價競爭者的壓力。
- API 調用收費 (API Fees)： 向開發者提供 API 接口，按 Token 使用量收費，是另一種重要的商業模式。這使得 AI 能力可以被集成到各種第三方應用和服務中，從而擴大了 AI 的應用範圍。但如前所述，單位 Token 價格的持續下降，以及開源模型的競爭，都給這種模式帶來了壓力。
- 企業解決方案 (Enterprise Solutions)： 針對特定行業或企業需求，提供定制化的 AI 解決方案或平台服務，是許多 AI 公司（包括科技巨頭和垂直領域的專業公司）重點佈局的方向。這類業務的客單價通常較高，但銷售週期可能較長，對技術實施和服務能力的要求也更高。報告中提到了像 Palantir 這樣的公司，其美國商業客戶數量在快速增長。
- 廣告模式 (Advertising)： 將 AI 能力與廣告業務相結合，例如在 AI 生成的內容中植入廣告，或者利用 AI 提升廣告投放的精準度，是具有巨大潛力的方向，尤其是對於擁有龐大用戶基礎的平台型公司（如 Google 、 Meta）。報告在第 185 頁提到 Google 已經開始在部分 AI Overviews 中添加廣告。
- 硬體銷售與生態建設 (Hardware Sales & Ecosystem)： 對於像 NVIDIA 這樣的晶片製造商，以及未來可能出現的 AI 專用硬體提供商，其主要的盈利模式是銷售硬體產品，並圍繞其硬體平台構建強大的軟體和開發者生態。
- 「賣鏟子」的生意 (Selling Shovels in a Gold Rush)： 在 AI 淘金熱中，除了直接「淘金」的公司，還有一些公司專注於提供「鏟子」和「牛仔褲」，即 AI 產業鏈中的基礎工具、服務和數據。例如，數據標註公司 Scale AI 、數據存儲和管理公司 VAST Data 、 AI 算力租賃公司 CoreWeave 等，它們通過為 AI 的發展提供必要的支撐服務來獲取收入。
第五部分：費曼解釋的總結——「前所未見」的增長背後的「前所未見」的挑戰
所以，朋友，這個論點告訴我們，AI 的發展是一場充滿機遇但也代價高昂的「盛宴」。
- 使用量暴增是事實：越來越多的人和企業開始使用 AI，AI 正在以前所未有的速度融入我們的生活和工作。
- 成本高昂也是事實：支撐這種使用量增長需要巨大的計算資源、基礎設施投入和研發費用，這些成本是 AI 公司必須承擔的。
- 虧損增長在所難免：在 AI 產業發展的初期階段，尤其是在技術快速迭代和市場競爭激烈的背景下，大規模的投入和戰略性的虧損是普遍現象。
這種「使用量、成本、虧損」三者同步「前所未見」的增長，是 AI 產業獨特性的體現。它不同於傳統行業的線性發展模式，也不同於以往一些科技浪潮的演進節奏。
這是否意味著 AI 是一場註定失敗的泡沫？報告顯然不這麼認為。它通過回顧科技史上的成功案例，暗示了 AI 領域的領先者們也有可能通過持續的創新、有效的商業模式探索以及對海量用戶價值的深度挖掘，最終實現盈利並重塑行業格局。然而，這條路註定不會平坦。 AI 公司需要在技術領先、用戶增長、成本控制和商業變現之間找到精妙的平衡。正如報告在第 154 頁所引述的：「『這次不一樣，我們會在規模上彌補回來，我們將來會想辦法從用戶身上賺錢』通常是商業中最危險的三句話。但話說回來，在科技投資領域，偶爾它們也能變成金子。」
AI 的未來充滿了不確定性，但其潛在的回報也同樣巨大。理解這種「前所未見」的增長、成本和虧損之間的複雜關係，是我們客觀評估 AI 產業發展前景的基礎。