※ 引述《Zzell (n/a)》之铭言:
: ※ 引述《asahi98 (あさひ)》之铭言:
: : 我原文底下后来特地讲清楚,这波谷歌财报再加上知本支出消息,宁愿借钱来买硬件建厂就表示,谷歌要先拿钱下订单,受惠的都是硬件。
: : 另一派人则说,花这些钱建厂赚的回来吗?我认为不止googlet,微软跟苹果还有meta也都在增加知本支出建中心。这些公司难道不怕水丢水里面吗?况且巴菲特也已经注资Google,这样表示前股神眼光也错了吗?
: : 刚刚我看到很多硬件厂商一路上涨,之前被错杀的内存已经站回来了关键价位。
: : 还有一群人说中国语言模型会削价竞争,导致这些大厂会被卷入。这点刚好找到资料
: :
![]()
: : 从这资料来看根本没有便宜多少,只低了0.09,有差很多成本吗?至于是使用谁的芯片就不了解,网红推估高机率是走新加坡管道的辉达未阉割芯片。
: : 至于下面这些评分,各位自己看吧!
: : 刚刚查到的
: :
![]()
: :
![]()
: :
![]()
: :
![]()
: : 所以现在没有什么便宜的,好用的都差没多少,效能差的反而就便宜蛮多的。
: : 另外xAI把算力租给anthropic价格很好,meta打算有样学样,盖完多余的就租给别人用,当包租公。现在google可能发现这是条致富道路,也增加资本支出。苹果也增加盖资料中心,都是为了AI使用。
: : 从以上这点来看,多余折旧的东西还是有人要,价格租的好不好而已,看包租公会不会当了。
: 我有个疑问
: 为什么你各位多头都默认LLM真的会有大量需求
: 资料中心就是以前的铁路跟网络线?
: 有没有可能LLM除了coding就是废物
: 而就算用在coding也因为很多物理因素不能全面展开
: 最后LLM就是一个还不错但商业价值不高(不值得现在这些资本支出)的技术?
你的问题并不是完全没有道理。
AI 很有用,不代表每家公司、每一笔资本支出、每一个目前的估值都必然合理;AI 最后
即使成功,也完全可能先经历设备过剩、折旧压力或类似网络泡沫的估值修正。
但你一直把问题限缩成:
“目前卖 Token 的收入,能不能直接支付 LLM 的训练、推理与资料中心成本?”
这个框架可能太小了。
科技巨头现在买的并不只是“聊天机器人的 Token 产能”,而是在买未来十年以上的算
力基础设施、技术选择权与战略生存权。
未来需要算力的,也不只是 Coding:
Agent、自动化、搜寻、广告、翻译、影音、科研、药物与材料开发、芯片设计、自驾、
机器人、无人机、军事系统、数位孪生,都可能共用相近的资料中心、网络、电力与加速
器基础设施。
你说简单工作可以直接写传统自动化流程,这没有错。
但传统自动化适合的是规则固定、输入结构化、例外很少的工作。
企业里真正昂贵的部分,往往是模糊需求、非结构化文件、自然语言沟通、例外处理,以
及不同系统之间的临时整合。
LLM 的商业价值,未必是取代既有程式,而是大幅降低原本“根本不值得写程式处理”的
长尾自动化成本。
你也一直问:“怎么确定需求足以支撑兆美元投资?”
答案是:现在没有人能百分之百确定。
但不能因为无法精确计算,就反推需求不存在或 LLM 可能除了 Coding 都是废物。
新兴基础建设本来就不可能等所有需求、价格与报酬率完全确定后才开始兴建。等到需求
已经完全证明,GPU、电力、土地、机房、HBM 和人才也不会按一下 Enter 就立即出现。
而且这已不只是单纯的财务投资。
AI 算力正在变成国家与企业的战略武器。
假如竞争对手先做出更强的模型、Agent、自动化平台、机器人或军事系统,落后者损失
的可能不是几季折旧,而是搜寻入口、云端市占、软件生态、人才与国家安全。
因此巨头面对的是不对称风险:
多盖一些,可能降低资本报酬率;
少盖而判断错误,可能直接失去下一个世代的平台控制权。
这就是为什么它们即使知道可能过度投资,也不敢停止。
Token 现在昂贵,也不等于永远无法商业化。
价格高的一部分原因,本来就是 GPU、HBM、电力、网络与可用容量仍然稀缺。算力增加
、芯片效率提升、模型稀疏化、量化、快取与推理架构改善,都可能降低单位工作成本。
当然,成本下降也可能伴随售价下降,所以最后谁能赚到超额利润,仍然值得质疑。
但更精确的问题应该是:
“AI 需求会有多大、价值最后由芯片商、云端商、模型商还是应用商取得,以及目前估
值是否已经提前反映太多?”
而不是先假设:
“LLM 除了 Coding 可能都是废物,所以资料中心大概没有需求。”
AI 最后可能非常成功,而目前部分股票与资本支出仍然过热。
这两件事情完全可以同时成立。
你质疑估值没有错,但把技术、产业、国家竞争与未来所有算力需求,全都缩成今天一
颗 Token 的毛利,就很容易低估这场竞赛真正的规模。