正文
(来源:Bond Capital)
与用户和使用量激增相伴随的是资本支出的急剧膨胀。报告特别关注了美国六大科技公司(苹果、英伟达、微软、Alphabet、亚马逊 AWS 及 Meta)的资本支出。图表显示,这些科技巨头的合计资本支出从 2014 年相对平缓的水平,在 AI 浪潮的推动下急剧攀升,预计到 2024 年将达到 2120 亿美元,年均复合增长率高达 63%。这表明,为了支撑 AI 的巨大算力需求和应用发展,科技巨头们正在进行空前规模的基础设施投入。
(来源:Bond Capital)
高昂的训练成本与骤降的推理成本
报告第三部分深入探讨了当前 AI 模型经济学中一个核心的矛盾现象:模型训练成本持续高企甚至不断攀升,而模型推理(即应用)成本则在迅速下降。
训练最先进的 LLM 已经成为人类历史上最昂贵、资本最密集的活动之一。Anthropic 的 CEO Dario Amodei 在 2024 年中期就曾表示,当时的模型训练成本已达 1 亿美元,而训练中的模型成本已接近 10 亿美元,他预计到 2025 年可能会出现耗资百亿美元的训练项目。这种军备竞赛式的投入,使得头部模型的门槛越来越高。
(来源:Bond Capital)
然而,与训练成本的高涨形成鲜明对比的是,AI 模型推理成本的速降。根据美国斯坦福大学的研究,每百万 token 的推理成本在过去两年内下降了惊人的 99%。报告本身也指出,以英伟达的 GPU 为例,其 2024 年的 Blackwell GPU 每生成一个 token 所需的能耗比 2014 年的 Kepler GPU 低了 10.5 万倍。硬件的飞速进步,加上模型算法效率的突破,共同推动了推理成本的雪崩式下跌。
(来源:Bond Capital)
这种成本结构的变化带来了深远影响。一方面,更低的推理成本极大地激发了开发者和用户的热情,使得 AI 应用的创建和普及变得更加容易,推动了用户和使用量的进一步增长。另一方面,它也给模型提供商带来了巨大的商业化压力。训练投入巨大,服务价格却在快速下滑,定价权旁落,商业模式面临严峻考验。
高增长、高消耗、高估值下的商业模式探索
“AI 使用量 + 成本 + 亏损增长 = 史无前例”(AI Usage + Cost + Loss Growth = Unprecedented)是报告的第四个观察点。尽管 AI 应用的使用量在飞速增长,但其商业模式仍面临挑战。数据显示,一些头部的 AI 公司如 OpenAI 和 Anthropic,以及一些专注于特定 AI 应用场景的初创企业,如 AI 编程领域的代表 Cursor 和医疗临床对话工具 Abridge,确实实现了令人瞩目的营收增长。例如,OpenAI 的年化收入据称已达数十亿美元,而一些垂直领域的 AI 应用在短时间内年度经常性收入(ARR,Annual Recurring Revenue)就突破了千万甚至上亿美元大关。
(来源:Bond Capital)
然而,高增长的背后是同样高昂的成本和巨大的现金消耗。报告中引用 The Information 的数据显示,OpenAI 的计算费用几乎与其收入增长同步,甚至在某些阶段可能出现亏损运营的情况。即便是微软、亚马逊、Alphabet 和 Meta 这样的科技巨头,在加大 AI 投入后,其自由现金流利润率也面临下行压力。尽管风险投资正以前所未有的速度涌入 AI 领域,但 AI 公司和云服务提供商同样在以惊人的速度烧钱。
这种“高增长、高消耗、高估值”的现象,让 Meeker 联想到了互联网发展史上的诸多先例,如亚马逊、谷歌、Uber 和特斯拉,它们都曾经历过漫长的烧钱阶段,最终通过构建强大的网络效应和技术壁垒实现了盈利。
“只有时间才能揭示,当前的这些 AI 追逐者中,哪些最终能够成功地站在盈利等式的正确一边,成为下一代可持续发展的科技巨头。”
群雄逐鹿:白热化的竞争、中国和开源的崛起
在报告的第五部分,Meeker 强调当前 AI 领域的竞争激烈程度是“前所未有”的。无论是初创公司还是科技巨头,都在以前所未有的力度投入这场竞赛。
(来源:Bond Capital)
首先体现在模型的快速迭代和发布上。多模态模型、语言模型、视觉模型等各类大模型层出不穷,仅在 2025 年 5 月的某个星期,谷歌、微软、Anthropic 和 OpenAI 就密集发布了一系列新产品和功能。这种“你追我赶”的态势,使得技术领先的窗口期极短。
其次,开源模型的强劲势头正在重塑竞争格局。Meta 的 Llama 系列模型下载量在短短 8 个月内增长了 3.4 倍,Hugging Face 等平台上可用的 AI 模型数量在两年内激增 33 倍。开源模型以其低成本、高灵活性和可定制性,受到了开发者、初创企业和学术界的青睐。