AI 算力「泡沫」

在美國的North Dakota，有一個小鎮名叫Ellendale。常住人口只有一千多人。當地沒什麼著名建築或景點。現在正在建設一個造價高達70億美元的數據中心。當地人一年勞動生產力全加起來，遠遠比不上一個數據中心的投資。就這樣，一個平平無奇的小鎮，踏上AI浪潮新賽道。

這就是資本市場對AI不停投資的其中一個小例子。放長雙眼去看，任何故事，任何概念，任何改變人類生活的新技術或產業，最終還是看資本回報率，與自由現金流產出。這是資本市場運作多年的規律。

根據Bain & Company的預測，到2030了年，想把今天對AI基建的投資的資本收回來，全球整個AI行業需要產生20000億美元的收入，這是一個什麼概念？這相當於Amazon + Apple + Nvidia + Google + Meta + Microsoft，6間公司的2024營收總和。而根據Morgan Stanley的計算，去年2024年，AI產業產生的收入是450億美元。投資的資本投入與營收所得，差距是數十倍。

回顧資本市場的歷史，類似的故事屢見不鮮。兩世紀前的大英帝國，鐵路投資熱成了當時的投資新浪潮，短短十數年修了數千公里的火車道，資本不停投入整個產業，但問題是運力對比需求嚴重過剩，火車票價格不停下跌，令很多鐵路公司破產與倒閉。

這類型故事其實不少，拿數十年前的美國電信公司做例子，不停投入資本在海底埋下數百萬公里的光纖電纜，幻想互聯網流量會不停上升，但事實的需求卻追不上供應的大增，泡沫爆破後，很多公司宣佈破產。

上述兩個故事的終局是這樣的：英國的大量鐵路對國家的長遠經濟生產力出現大幅提升，而數十年前大量埋下的光纖電纜，等待十數年，最終也有其需求而不至於完全荒廢。但單從資本市場去看，在熱潮中積極參與的平民與公司卻血本無歸。

AI基建投資的終局如何？

人工智能基建跟前兩者（鐵路與光纖）最大不同的地方在於芯片的更新周期太快，大約只有三至四年吧。即是說，新一代芯片出現後，舊貨便會大幅貶值。鐵路與光纖也有維修與運營成本，但起始投入的基建可持續運行數十年，不至於數年便大幅貶值。

另一方面，新的芯片用來供應不停推出的新世代LLM大模型，新模型運算成本大升數倍，LLM性能的確變好了，但收入卻不見得按相同比例的成本支出一起上漲。相關公司不停融資燒錢，資本市場持續買單的原因在於大家一起相信一個無限美好的故事：即人工智能完全改變世界，取代大量無用的職業，人類生產力大幅提升，足以填補現在的巨額支出。

MIT研究卻發現：90%的公司在AI的投資沒產生任何實質回報。同時間預測現有的LLM中，絕大多數不會產生正數的資本回報。在歐洲，有研究也發現，大量公司用了AI聊天機械人後，對公司的產出沒有任何正面影響。

最近，Meta的Mark Zuckerberg受訪，對相關的AI資本投入說得很坦白：整個AI基建投資可能是一個大泡沫，公司可能因而蝕本數千億美元。但公司現在不可能放慢投資步伐，因為不能接受輸在這個AI賽道的可能性。相比起可能輸在新賽道（從而令整個行業邏輯徹底改變）的代價，數千億美元的成本微不足道。

從企業去看，Meta這公司主業的護城河很強大，自由現金流十分穩健，數千億美元可能只是公司未來數年或最多十年的自由現金流總和吧，這個數字當然輸得起。但從投資散戶去看卻是另一回事。若果整個AI基健投入沒有在未來數年展示出相應的現金收入，加上這類投資折舊相當快，這一些基本因素的變化會否對公司股價出現負面影響？任何一個資本浪潮的終局，總有人受益，總有人需要埋單，但埋單的不會是護城河強大的Meta或Amazon，而是高位接火棒（變相等於高價投入沒有資本回報的東西）買前景的投資者。受益方（起碼現階段去看）反而很明顯，即是所謂在淘金浪潮中賣鏟子的公司如台積電或英偉達。

我個人看法相對簡單，人工智能會對整個社會運作產生變化，過程中泡沫出現無可避免（從資本市場數以百年計的運作規律去看），整個大局中總有公司與投資者需要交學費。我什少在線下跟朋友聊天談到這些說法。人類很容易把自己看法變成一種宗教信仰，稍有不同意見便馬上回應： 「你不能追上這個科技變化急促的年代，世界即將進入AI年代。」

AI會對整個社會與人類的生活帶來巨大的變化，同時間是一個巨大的資本泡沫，兩者沒有矛盾。

-----------------------------------------------------------

近日，有消息指出OpenAI與電商巨企合作。OpenAI持續燒錢需要資本投入，整個想像與故事雖然宏大，事實是投資人需要看到實際收入數據才會持續買單，追逐夢想的資本從不會無限量供應。

Chatgpt現在已在全球擁有數億個活躍用家，當中有不少都是付費用家。但Chatgpt的數億用家跟google或facebook的數億用家，從成本方向看是兩個完全不同的概念。用家使用Chatgpt一次，LLM模型的訓練成本是多少？這當然是OpenAI公司機密。Sam Altman曾打趣表示，用戶在Chatgpt簡單表達thank you，Chatgpt的回答成本是數百萬美元。單以收20美元月費，什至200美元月費為單一變現渠道，似乎不能支持整個巨額資本不停投入的運行模式。

與電商合作表明OpenAI急於找尋可變現的生態與場景，某程度上証明了我原有的看法 : 整個AI浪潮的其中一個受益者，可能是本身擁有既有生態與場景的公司 (而不是大力投資電力設備，或數據中心的重資產類型公司。)，利用別人開發的LLM大模型去降本增效，從而提高營運效率，如騰訊，它沒有身先士卒不停燒錢投資大模型，而是跟國內先進模型供應方合作，這是最佳的選擇。還有拼多多，它跟AI表面上可能完全佔不上邊，但在如何利用手中用戶數據去增加營運效率，卻是這公司持續專注在做的事情（拼多多沒用AI去優化營運效率 ? 不可能）。

我傾向同意MIT的報告 : 大多數現有的LLM大模型都不會帶來正現金回報。

現在AI產業的發展道路跟二十多年前開始蓬勃發展的互聯網產業完全不同。互聯網產業著重的是人流量 / 網絡效應 / 規模效應 / 連接各產業或消費者的橋樑，也出現線上對接線下的模式，產業發展其中一個重點是：軟件比硬件重要，to C的生意往往比to B更能反映互聯網的價值。但人工智能卻恰似相反，硬件（芯片 / 數據中心 / 電力）比軟件重要，在to B為各產業增加價值，可能才是AI的核心應用，而不是努力去找尋在to C方面的全新商業模式。