AGI市场,必然要迎来一次泡沫吗?
2024-04-10 11:19

AGI市场,必然要迎来一次泡沫吗?

本文来自微信公众号:未尽研究 (ID:Weijin_Research),作者:未尽研究,原文标题:《AGI:模型扩展、资本扩张与市场泡沫》,题图来自:视觉中国

文章摘要
本文讨论了在AGI市场中是否会出现一次泡沫,并分析了资金涌入大模型的趋势。科技巨头正在为通用人工智能的基础设施添砖加瓦,而风险投资市场几乎只有人工智能相关初创企业才能享受到估值的提升。文章探讨了通用人工智能的技术革命以及市场是否需要迎来一次泡沫。

• 💰 风险投资市场中人工智能相关初创企业的估值不断上升

• 📈 科技巨头正推动美国股市上涨,市值从4万亿美元迈向10万亿美元

• 🌍 通用人工智能的发展将影响各行各业,并呈现出万亿级的潜力

尽管面临泡沫质疑,资金仍在涌向大模型。科技巨头正在为通往通用人工智能的基础设施添砖加瓦。英伟达创造算力硬件,微软、亚马逊与谷歌分发这些算力,四家公司的总市值从ChatGPT刚推出时的4万亿美元,迈向10万亿美元,成为推动美国股市上涨的主导力量。在风险投资市场,几乎只有人工智能相关初创企业才能享受到估值的提升。


在估值不断上升中,人们开始担心,这一切是否能够持续。红杉资本年度演讲递出了“刀子”:去年企业投入500亿美元买的GPU,最终应用收回来30亿美元。


暂时无法盈利的创新,甚至最终无法盈利的创新,算是一次泡沫吗?在创新最终盈利之前,市场必然需要迎来一次泡沫吗?这一切取决于我们是否把生成式AI的突破所代表的通用人工智能(AGI),看成是一次真正的技术革命。


一、通用人工智能是技术革命


当下,沿着扩展定律发展的GPT模式,冒出了通用人工智能的火花。人们越来越相信作为新一代“通用技术”的AGI正在到来,将广泛影响各行各业。金融科技公司Klarna用大模型技术处理了2/3的客户服务;首个AI软件工程师Devin可以用智能体独立完成相当数量的编码任务,危及码农饭碗;Sora将希望从理解文本信息扩展到理解物理世界。


红杉资本估计,在探索通用人工智能的短短一年里,最终用户已经创造了30亿美元的总收入,这还不算云巨头以及Claude这样的大模型服务。要知道,SaaS市场用了近10年才达到这个规模。如此迅猛的速度与规模,让红杉资本确信,AI应用将有万亿级的潜力。如果将采购GPU的500亿美元按5年分摊,每年应该是100亿美元。


我们处于佩蕾丝(Carlota Perez)所谓的“技术革命”的早期。在她的定义里,技术革命是一组相互关联的技术,各自超越了所发端的行业,扩散到更广泛的领域,形成新的技术-经济范式。很难在完整的“技术革命”呈现前,描绘并列举那些缺失的拼图,比如超导或者核聚变等,曾在100天内惊动世界,也许将是低成本智能算力密集型经济的重要一环。


ChatGPT似乎就是率先到来的“大爆炸”时刻,相当于50年前英特尔的微处理器问世,开启了信息与互联网革命。它脱胎于信息与通讯技术(ICT)革命,但具备了数字时代升化出来的智能,让机器具备学习、预测、推理能力。AI与以往不同之处,在于它能帮助人类更好地应用现有的存量技术,加速存量技术的组合创新,并且与人类一起创造新的技术。目前可以看到的技术-经济范式中,有AI通过智能体技术与自然语言交互体验,引发一场白领革命,也有通过具身智能与人形机器人技术,弥补蓝领岗位缺口。


二、脱离业务酿就泡沫


在这一轮AI技术革命中,科技巨头是产业资本的代表,并且在自己的生态中,实现了产业资本与金融资本的融合。


云巨头是web与移动技术革命的赢家,积累了大量的“闲置”财富,账面上拥有成百上千亿美元的现金。这些科技巨头之间的竞争,已经从各自所擅长的数字经济领域,汇集到AI这技术革命趋势上,并非偶然,而是数字经济经过几十年发展而出现的一个不可避免的结果(historic imperative)。对于每一家科技巨头来说,AI是创新方向,它们做好了试验的准备,希望新的技术革命,增强和扩展其大部分现存业务。投资和收购初创AI企业,是其最重要的手段。去年,它们对AI初创企业的投资次数,比前一年多了57%,投资金额两倍于传统风投。今年,已经控制了OpenAI技术使用的微软,与独角兽开源AI企业Mistral达成深度合作;亚马逊兑现了对Anthropic总额40亿美元的第二笔投资款。


巨头们采用了一种所谓“云洗钱”的方式,将投资消化在自己的业务体系内。它们从英伟达购买算力硬件GPU芯片,去年全年接近500亿美元,构建以AI加速为中心的智能数据中心,以“云信用”入股上述初创企业。后者在此之上训练越来越强大的大模型,吸引越来越多用户使用它们的API服务与AI推理。这些都表现为云巨头的云服务业务的增长,体现在每一个季度的财报上,拉动了AI 计算业务的增长,也推升了公司股价的增长。



科技巨头在AI的投资布局

来源:CB Insights。包括:AI基础设施、专注于某个垂直领域的AI,以及泛用于多个行业的AI应用。


这意味着即使科技巨头在大模型企业的股权,最终无法退出兑现,就早已通过隐秘的“云洗钱”,完成了投入、收入与资本收益的正向循环。公司市值的提升,为再融资、人才激励、换股并购创造了更强的杠杆,有了一点金融游戏的意味。因为股价持续下跌,特斯拉已经挡不住AI人才跳槽去其他更豪爽的公司;马斯克只好让他们转岗到旗下xAI。如果巨头们在初创公司的股权兑现,那么就能再赢一次,毕竟微软投资的OpenAI,估值已经达到了860亿美元。


按照佩蕾丝的理论,科技巨头的这些投资,基本上属于“生产资本”的范畴。它最明显的特征,就是围绕业务展开,通过不断增加对创新和扩张的投资,积累越来越大的盈利能力。正如微软逐步将其Copilot融入所有业务,谷歌在推出更先进的大模型Gemini后,开始加速商业化,正在考虑对人工智能驱动的搜索收费。搜索广告及其他,是谷歌广告收入也是公司收入的核心来源,去年收入1750亿美元,占谷歌广告收入的74%,占2023年总收入的57%。更不用说Meta所有的广告业务,都建立在AI技术平台之上。


生产资本在创新的同时,仍然具有保守性,就像微软与谷歌,越来越将所投资公司的技术与人才,融入自己的业务体系内。它们的资本扩张仍然受限于财务报表的引力,这也是为什么黄仁勋能在英伟达的发布会上展示的新技术新产品,越来越受市场关注。也可以说明为什么革命性的技术突破,发生在OpenAI这样的初创公司里。


而金融资本本身不介入生产,致力于以货币的形式拥有财富,并使其增殖(multiplication)。金融资本天然追求财富,冒险寻找赔率最高、流动性最大的机会,即以风险资本的形式,下注到创新之中。这使得创新者能够尽情将自己的创新转变为商业现实,在不成熟的技术、不同的方向和未显露的市场上不断试错。其间,也混入了不少投机分子。创新始终伴随着失败与投机,进而产生了泡沫。


随着非理性的全面“繁荣”的到来,金融资本创造财富越来越不需要生产资本,实现了自我增值,将垃圾资产包装一下卖给下一个金融资本,泡沫到来了并且通向崩溃的结局。历史上发生的主要技术革命,都伴随着资本市场上的泡沫。


三、放大镜中的泡沫


如今,二级市场的金融资本对AI的亢奋程度被社交媒体和短视频放大了。金融数据提供商PitchBook回顾称,如果遵循历史趋势,去年应该有21家AI相关公司IPO上市,但实际只有8家。市场热衷于英伟达与微软等确定性较高的巨头,并不全然相信高风险、亏损公司讲述的人工智能的故事。这与互联网泡沫前夕的市场表现并不一致,当时,只需要一个好听的公司名,股价就能暴涨。


一级市场也没有达到狂热的程度。有限合伙人(LP)们仍然谨慎。今年一季度,全球风险投资公司只募集了304 亿美元,与去年相比明显放缓。去年已经是自2016年以来的最低谷。这也将影响投资节奏。早期风险投资机构500 Global就诟病科技巨头以“云信用”入股,附带复杂交易条款的模式。


自动编写代码的初创企业Devin,在Demo其产品后不到三周,股值就增长了数倍,达到20亿美元。在AI创投领域,资本会更加集中于少数明星产品和团队,它们最终可能会独立成为超级平台,也可能与某个科技巨头融为一体。而更大量的AI应用初创公司的技术,可能很快被科技巨头的技术或者开源技术所取代。微软掏空Inflection的“雇佣收购”,反映出AI创投领域出现新特征:以最快的速度成为独角兽野兽,再以最快的速度被并购,或者宣布失败;而那些失败的初创公司,其团队和人才仍然被大型科技公司所器重。


充满不确定性的初创公司,想要融资并不容易。奥特曼支持的初创企业Ghost Autonomy,主要利用大型语言模型研发端到端的自动驾驶技术,因为长期盈利前景不明朗宣布关闭。内乱不断的Stability AI接近倒闭,核心人员几乎全部离职。生成式AI驱动的搜索引擎Perplexity,已经开始计划销售广告。OpenAI也希望2024年是“企业年”,正式宣布了辅助微调,帮助企业根据特定需求自定义大模型。


中国的传统风险投资机构比美国同行更为审慎。今年一季度,以金沙江创投的朱啸虎为代表,讲述了一个中国发展大模型的现实主义的故事。这位投出了滴滴和饿了么的投资人,现在信仰马上能商业化的AI应用。


四、泡沫的Scaling Law


互联网泡沫时代铺设了大量闲置的光缆,降低了互联网服务的成本。而算力基础设施尚处于供不应求的阶段,更强大的大模型以及更大规模的应用场景,需要更低成本的智能算力。对于AI基础设施的投资还将继续增加,它的发展在一段时间内超前于应用的发展。如果这些被称为泡沫的话,那么通往通用人工智能将无法避免泡沫。


扩展定律是最有可能通往通用人工智能的道路,它需要越来越强大的算力,也就需要生产资本与金融资本的持续投入。EpochAI最新的论文认为,算力和训练数据的增长,贡献了大模型性能提升的60%~95%。


大模型正在变成智能算力密集的行业。在2020年,只有2个模型超过了10^23FLOP,到2024年,这样的模型数量增长到了81个;最强大模型的预训练算力需求已经来到了10^26 FLOP量级,并继续按训练算力需求每3.4个月翻倍的规律往前发展。


大模型算力需求变化趋势


随着推理需求占比提升,算力供给矛盾将进一步凸显。Sora一旦推出,据估算峰值算力得备足72万张H100,仅GPU的投资就需要274亿美元。这意味着基础设施不足,而并非互联网泡沫时代的闲置。


微软将向星门(Stargate)计划投资1150亿美元,为OpenAI打造算力数量级几倍提升的数据中心,以支持其持续扩展AI系统规模。谷歌也有类似计划。


算力密集意味着能源密集,在碳中和的目标下,就需要更为可持续的能源基础设施;规模化的分布式的推理需求,同时要求调度更为智能的能源基础设施。


数据基础设施及其工具的建设,也需要资金投入。目前,根据买家与类型不同,一张图片的价格在几美分至1美元不等,短视频每部2至4美元,长视频每小时100~300美元。


如果将所有基础设施建设都纳入整个技术革命的范畴,而不是仅仅投资GPU,那么,也许据说奥特曼所说的7万亿美元是个接近答案的数字。


更多通向AGI的路径需要探索。即使是那些批评大模型的如加里·马库斯(Gary Marcus),其实是认为通往通用人工智能的道路不止GPT模式一条;DeepMind联合创始人哈萨比斯(Demis Hassabis)也认为,对科学研究的“炒作”还很不够。


目前的产业资本与金融资本,在各大科技巨头内部实现了集成。AI带来的资本效应,更加集中于M7 (美国七大科技巨头)。对于中国来说,政府在产业资本、金融资本、资本市场方面的扮演了日益重要的角色。


中国提出“人工智能+”,正在抓紧建设算力、能源与数据的基础设施。去年底,工信部等6部门印发《算力基础设施高质量发展行动计划》,提及中国大陆的算力规模要从2023年的220 EFLOPS,增长到2025年超过300 EFLOPS,其中智能算力占比从25%提升至35%。


中国的产业资本与金融资本也需要“有序扩展”。今年一季度,阿里巴巴连续下注,投资了两家MiniMax与Moonshot AI(月之暗面)。至此,它已经覆盖了包括百川智能、智谱AI与零一万物等五家本土大模型独角兽企业。腾讯投资了其中三家。这两家云巨头的速度与幅度仍然比不上美国同行,市值之和停留在5000亿美元,仅为微软与亚马逊市值之和的1/10。


中国要从钢筋水泥的“基建狂魔”摇身变为智能算力的“基建狂魔”,提供足够成熟与性价比的基础设施,包括通用人工智能推向各行各业,这一过程中,必然伴随着大量的试错与失败、亢奋与投机,来自科技巨头与金融资本从未来看到现在的信仰,甚至整个新兴领域的泡沫,恐怕是无法逾越阶段。


所有的技术革命,总是押着同样的韵脚展开。


本文来自微信公众号:未尽研究 (ID:Weijin_Research),作者:未尽研究

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP