人工智能市场现状

尽管人工智能的热度一直不减，但很多人对人工智能投资回报率的质疑却日益增加。人工智能需要消耗的算力和电力极大，但带来的回报却不在一个级别上。本文将对人工智能价值链的收入来源进行量化分析，帮助大家了解目前人工智能的市场现状。文章来自编译。

鉴于最近大家对人工智能投资回报率（ROI）的怀疑日益增加，再加上对“人工智能泡沫”破裂的担忧，我想对迄今为止人工智能价值链的收入来源做一番量化分析。我的目标是让大家了解一下收入情况的全貌，并点评一下人工智能的主要市场。文章分为以下几个部分：

人工智能ROI之争
人工智能市场现状总结
半导体市场
数据中心市场
云市场
人工智能应用

1. 人工智能ROI之争

一年半以来，公众舆论首次出现转向，态度变成了“超大规模数据中心的支出太疯狂了。人工智能是泡沫。”我不想人云亦云，投资就是寻找被低估的机会；越悲观越好。

我们不应该对人工智能的相关悲观情绪日益增加感到惊讶。基础设施建设与应用价值有落差应该在意料之中。所有的大型基础设施建设都没法做到完美契合需求。没关系。从基础设施建设过渡到价值创造不会是完美过程。

从某种程度来说，近期人工智能悲观情绪的上升是源自最新的超大规模资本支出数据。

过去这四个季度，亚马逊、谷歌、微软以及 Meta 的资本支出总计达到了 1770 亿美元。从 2023 年第二季度到 2024 年第二季度，该数字平均增长了 59%。数字令人瞠目结舌，但有两点可能是真的：

目前，人工智能投资的ROI尚不明确。

超大规模企业做出资本支出业务决策是对的。

我们需要区分一下人工智能投资的ROI以及超大规模人工智能支出的ROI。人工智能的ROI最终要由应用对最终用户的价值决定。企业决定开发人工智能应用时，依据是收入或成本替代的潜力。

对于大型云服务提供商来说，情况则有所不同。

约 50% 的支出用于数据中心“套件”，如 GPU、存储和网络。到目前为止，这一直属于需求驱动型支出！所有三家超大规模企业都指出，他们在 AI 计算能力方面受到了容量限制。

其余50%的大部分用于确保未来15年内仍将稀缺的自然资源：房地产以及电力。

他们会自己或通过 QTS、Vantage 或 CyrusOne 等开发商来做这件事。他们购买靠近边缘的、电力充足且价格低廉的数据中心房地产。他们已经拿到了数据中心大部分的黄金地段；现在，他们主要是根据电力可用性来选地点。电力会继续成为计算需求的瓶颈，超大规模企业了解这一点。

超大规模企业的方程式相对简单：数据中心至少需要 15 年的投资。他们押注 15 年后计算需求会更高（这个假设并不疯狂）。

如果他们不能确保这些自然资源的安全，可能会发生三件事：

他们的业务会输给有能力的竞争对手。

他们会被迫拿性价比较差的次优土地。

挑战者会买下这些土地与电能，并蚕食超大规模企业的份额。

如果他们拿到了想要的土地，且不需要马上获得计算能力，则可以等到需求准备好后再在数据中心内建造“套件”。他们可能提前几年支出了数百亿美元，这并非理想情况。不过，三大云提供商的年收入有 2250 亿美元。

就像谷歌首席执行官桑达尔所说那样：“投资不足的风险高过投资过度。”

到目前为止，我们已经开始看到人工智能基础设施的建设了，主要是买 GPU ，以及数据中心的建设成本，我们的疑问是：“迄今为止在什么地方创造了价值，未来又将在什么地方创造出价值？”

2. 人工智能市场现状总结

目前，人工智能的价值大部分都集中在基础设施层面，尤其是英伟达及其相关公司。我们开始看到“人工智能数据中心”的建设，但我目前还处在这一趋势的早期阶段，而能源是这种建设的真正瓶颈。

云提供商通过模型 API 或“GPU 即服务”获得了部分收入，也即是买下 GPU 并通过云服务出租出去。

我们还没有看到大规模的应用收入。人工智能应用已经创造出约 200 亿美元的收入，到目前为止，其创造的价值（成本降低）要比这个数字高出几倍，但与基础设施成本相比微不足道。

行业最终将由人工智能应用价值（收入或成本替代）驱动。这种价值会受到消费者或企业的最终价值驱动。

所以可以得出这样的结论：人工智能应用解决的问题越大，整个价值链积累下来的价值就越大。

现在对基础设施的投资巨大，期望能从应用获得收入。问题是：人工智能在什么地方创造出了重要价值呢？

答案是，目前还不清楚。现在还为时尚早。但这没关系。

在深入探讨之前，我想先简要介绍一下我看法的理论框架（简化版）。

广义上，涉及的市场可分为半导体（及其价值链）、数据中心（及能源）、云平台、模型、数据与应用层。

3. 人工智能与半导体市场

摘要：英伟达一家就占据了人工智能半导体收入的大部分市场份额，英伟达的供应链从中受益匪浅，HBM 内存与定制 ASIC 就是其中两类。

英伟达、英伟达的供应链及 AMD

上个季度，英伟达在数据中心板块的收入为 263 亿美元，其中 37 亿美元来自网络。回顾一下之前的资本支出数字，有 45% 的收入（即 118 亿美元）来自云提供商。

为英伟达生产尖端芯片的半导体代工厂台积电是最直接的受益者，其评论道：

我们预测，今年几款 AI 处理器的收入贡献率会增加一倍以上，到 2024 年将占我们总收入的百分之十几。未来五年，我们预测将以 50% 的复合年增长率增长，到 2028 年将占我们收入的 20% 以上。按照狭义定义，这几款 AI 处理器包括 GPU、AI 加速器以及 CPU 的执行、训练与推理功能，不包括网络边缘AI或板载 AI。

台积电 2024 年的收入预测均值为 863 亿美元；其中估计有 12% 来自人工智能，故预计人工智能收入约为 104 亿美元。

台积电的资本支出会跟着收入增长而增长，从而为半导体资本设备提供商创造收入。

那 AMD 呢？

在上一季度的收益报告中，苏姿丰预计 MI300X 的收入将超过 45 亿美元，高于之前预期的 40 亿美元。但最重要的一点是在之前的收益电话会议上她点评道：

“从全年角度来看，我们 40 亿美元的数字不受供应上限限制。”

当你最大的竞争对手的 GPU 销售额约为 200 亿美元，而且销量不足时，这种情况就不算理想了。话虽如此，开发芯片生产线需要时间，从发布芯片到一年内收入超过 40 亿美元的成就以及令人印象深刻。

HBM、Broadcom 与Marvell

高带宽内存芯片是为了减少 AI 工作负载的内存瓶颈；SK 海力士、三星以及美光是这类芯片的其中三家制造商。

Trendforce 称，“总体而言，SK 海力士目前占据了 HBM 市场约 50% 的份额，过去几年，该公司与三星基本瓜分了这一市场。考虑到这种份额情况，加上 DRAM 行业收入预计将在 2024 年增至 841.5 亿美元，如果 TrendForce 的估计准确，SK 海力士在 2024 年的 HBM 收入可能高达 84.5 亿美元。”

此外，Marvell 与 Broadcom 还提供两款主要的 AI 产品：

数据中心大多数网络设备的半导体（供应给 Arista 和 Cisco 等客户）。

共同设计合作伙伴关系帮助企业开发定制的 AI 芯片（最好的例子是博通与谷歌合作开发 TPU）。

博通：“本季度，我们的 AI 产品收入达到创纪录的 31 亿美元”，这得益于与谷歌合作生产 TPU以及网络半导体。上个季度，他们披露收入约 2/3 来自 TPU，1/3 来自网络。

Marvell：“我们今年设定的目标是 15 亿美元，明年的目标是 25 亿美元……我能告诉你的是，这两个目标都已经扩大了。”

半导体板块总结，我们预计英伟达在AI方面的年收入为 1050 亿美元，博通的年收入为 124 亿美元，AMD 2024年 AI 收入预计为 45 亿美元，台积电在 AI 的收入预计为 104 亿美元，内存供应商的 HBM 收入约为 160 亿美元（SK 海力士的市场份额约为 46-52%，三星的市场份额约为 40-45%，美光的市场份额约为 4-6%），而 Marvell 的 AI 收入可能在 20 亿美元左右。