AI很赚钱，但问题在别处
在一个充满未经证实的承诺的行业中，现有企业、公司、投资者和妥协的分析师都在鼓吹A I "现在盈利了"这个观点。
说来有趣，他们确实是对的。AI推理——为客户提供AI模型服务，不包括训练和股权补偿成本——现在利润率非常好。
推理利润率可以接近85%，正如DeepSeek CEO梁文锋所承认的那样，而美国前沿实验室的利润率已知超过80%（在API业务上，而非订阅业务上）。
然而，你可能是对的同时也在误导人，这正是他们正在做的事情。
1、混淆利润和现金流
我就直说了：
目前，AI交易维持炒作的能力在很大程度上取决于市场对利润率的关注远超现金流。
大多数投资者，我猜主要是散户，真的分不清盈利和正现金流的区别。但如果你能分清，你就明白AI真正的问题在哪里。
假设你想花10万美元摆一个柠檬水摊。为了简单起见，我们假设没有借款来支付这笔初始费用，这意味着10万美元刚刚离开你的银行账户。
第一年过去了，你的收入是8万美元，成本是7.9万美元（其中包括5千美元的折旧成本，假设你的资产在20年内折旧）。这意味着你是盈利的；你赚了1千美元。
从你的损益表来看，你的生意赚钱了。然而，虽然17.4万美元从你的银行账户流出，但只有8万美元流入，所以你仍然亏损9.4万美元，而且你现在"只需要"再等将近二十年，按照目前的现金生成速度来收回投资。
我相信你的孩子们会很乐意偿还你这个天才商业创意。即使你有一个盈利的生意，你花钱仍然像你离异的叔叔在拉斯维加斯的周六晚上一样。
这是一个好生意吗？
不太好。而且，作为一个生意，AI乍一看更糟。
原因是在资本方面，这是一个相当低强度的业务；你有一个初始投资，然后就可以开始了。柠檬水机和其他资产可以持续几十年，所以如果你能在8年内而不是20年内赚足够的钱来收回投资，再投资只是事后考虑的问题。
问题在于AI不仅仅是买一个柠檬水摊就完事了；你需要每年买10个"柠檬水摊"，这样生意才能开始（这意味着拥有一处资产是不够的，你需要很多才能签订客户想要的交易），而且每个柠檬水摊里都有极其昂贵的柠檬水机（大约占总成本的70%），像水中的纸一样容易损坏，而且寿命很短（大约六年）。
当然，这里的"柠檬水机"指的是GPU。
与柠檬水摊——或者一个一天柠檬水摊主经验都没有的人如何看待这个生意（也许柠檬水摊主们可以纠正我）——不同的是，AI是资本密集型的。
因此，无论是否是投资者，必须问的问题不是AI是否赚钱（正如你将看到的，它确实赚钱），而是它是否能赚足够的钱。
2、真正的"Token经济学"
AI软件中的一切都是用"Token"来衡量的。但它们是什么？
简而言之，它们是AI"理解"的基本语义单位。AI无法处理文本或图像；它们只能处理数字。
因此，当你向ChatGPT发送一段文本或图像时，必须发生某种"事情"。这个事情就是"Token化"，它将文本分解成块，通常是单词甚至音节，并将每个块转换成我们称为Token嵌入的一串数字。
我不会深入讨论这背后的技术原因，正如我在这里详细讨论过的那样。相反，我要指出的是，Token化的一个优势是它让AI提供商知道他们为你做了多少工作。
如果你发送的文本被Token化为1,000个代币，提供商确切地知道需要处理你的序列需要多少工作。如果响应又是1,000个Token，提供商也知道AI额外做了多少工作来产生它。
重要的是，代币化对你发送的序列是确定性的，这意味着它总是以相同的方式被代币化。
这样，提供商可以为每个模型分配固定的每代币价格，包括输入token（你发送的）和输出token（模型返回的）。
例如，如果输入是100个token，每百万token 10美元，输出是500个token，每百万token 50美元，那么这次查询对你的收费是0.026美元，也就是两美分。
因此，一个纯粹的AI业务，如AI实验室，有一个非常直接的商业模式：销售token。他们赚多少钱取决于每个token的价格相对于制造该token的成本有多高。
但关键是最后一点：成本。提供一个token需要多少成本？大多数人会立即认为运营成本是关键驱动力，也就是运行数据中心。
好吧，这简直是大错特错。
虽然每个人都理解成本，但大多数人想到的是经营企业所需的支出。然而，他们很少考虑生产成本、工资或营销之外的成本，因为这些通常是最高的，因为大多数企业并不是高度资本密集型的。
但AI有一种几乎不自然的特殊成本结构。在AI中，你的绝大部分成本是资本成本。
玩AI游戏的真正困难不是玩它；而是获得入场券。每个人都可以玩扑克，但不是每个人都负担得起"买入费"。
很多人可以赢得一场扑克游戏，但只有少数人被允许真正玩那些价值数十万美元的高额赌局。
在AI中，大约90%的TCO，即总拥有成本，是资本成本。亚马逊每花一美元为你提供token，其中90%来自建立数据中心的成本。换句话说，不是运行它，而是它首先存在的事实。
运营成本确实存在，一个1吉瓦数据中心每年大约9亿美元，但这些只是更大账单的一小部分，每年大约70亿美元。
再次说明，你也许能负担得起扑克局之间的"盲注"，但巨额的买入费仍然在很大程度上决定了你能否玩游戏。
我如此坚持这一点的原因是，它在很大程度上暴露了AI真正的问题所在：不在利润率上，而在现金流上。
问题不在于你收取的token价格是否高于运行数据中心的成本；问题在于你是否能在GPU损坏需要购买新设备之前及时收回资金。
当你花了5000亿美元建造那个数据中心（顺便说一句，这个数字还在增长），光赚几百万利润是不够的；你每年必须赚几百亿美元才能在GPU决定你需要购买新设备之前收回总额。
例如，如果你想获得25%的投资回报率（包括每年9亿美元的运营成本），假设GPU使用寿命为6年，你需要产生700亿美元，仅那个数据中心每年就需要120亿美元。
但这现实吗？让我们来看看。
3、哦，我的token……
销售代币的问题在于，它们的价格应该随时间下降。代币销售业务不仅人人都想分一杯羹，而且它还是软件，这意味着相当一部分代币最终会被开源。
这里的主要罪魁祸首是中国，许多领先的AI实验室（Moonshot、DeepSeek、MiniMax）免费提供他们的模型。
它们不是免费的，因为你必须在昂贵的硬件上运行它们（记住资本成本仍然占主导地位），但你可以避免高昂的实验室溢价。
总的来说，没有办法绕过它；token价格最终应该会下降，即使AI实验室的单位经济学恳求他们提高价格（这就是为什么它们一年多来一直保持很高）。
根据最新的证据，混合价格（考虑到输入和输出token的不同价格）大约是每百万token 1.43美元。
在这个价格下，如果固定的话，上述数据中心一年需要销售数量可观的8,391,608,391,608,392个token，不管这个数字在英语里叫什么。
这就是硬件选择真正开始产生影响的地方。例如，根据CoreWeave等一些公司的测量（一家为他人提供计算的新云公司），Blackwell GB200 NVL72——过去一年在数据中心广泛部署的服务器——每秒每兆瓦可以产生高达80,000个，或每吉瓦每秒8000万个。
假设100%的利用率（GPU在一年中的每一秒都在处理和生成token），那将产生2,522,880,000,000,000个token。
按每百万1.43美元计算，那是36亿美元的收入，这低于我们期望的回报，而且也不可能，因为利用率永远不会那么高。
在50%的利用率下，你会得到18亿美元，这比你120亿美元的目标少了85%。
但秘密在于——也是为什么我对AI在利润率上赚钱的能力更加看涨的原因——注意，我说的是利润率，而不是AI交易收回投资的能力——是更新的硬件，更加依赖内存，正在产生无与伦比的TPS改进，几乎10倍，同样根据CoreWeave的数据。
这将产生每年180亿美元的收入，远超我们的盈利目标，而且考虑到AI推理想必实际上相当有利可图，正如我今天多次所说的那样，具有高利润潜力。
必须说明的是，有了Rubin，我们的投资回报率目标必须高于120亿美元，因为Rubin比Blackwell贵，不过不是贵10倍（实际上接近2倍）。
换句话说，token的秘密不在于单个价格；这是一个量的游戏。token价格下降，但每瓦可销售的token数量激增。
在海明威的《太阳照常升起》中，当一个角色被问到他是如何破产的时，他回答说："逐渐地，然后突然地。"好吧，逐渐地，然后突然地，AI现在赚钱了，至少对于基础设施公司来说是这样。
我保留对像OpenAI这样的AI实验室赚钱能力持怀疑态度的权利，因为他们必须将培训、工资和其他重大运营成本加进去。
所有这一切都是为了说，大多数人自然关注利润率和盈利能力作为衡量企业质量的方式。从这个角度来看，是的，AI现在看起来好多了。
然而，当你讨论资本密集型企业时，这就不太管用了（或者根本不管用），而这正是AI的特点；那些资本成本不仅巨大，而且是经常性的。
当这种情况发生时，你的全部注意力应该放在现金流上。上市公司必须同时发布损益表和现金流量表是有原因的。
简而言之，问题不仅在于你是否赚钱；还在于赚多少。
这很有趣，因为我认为我们不应该再问自己AI是否能赚钱。它可以，而且随着新架构和突破我在这里讨论过，它只会提高利润率。
然而，真正的问题是，客户是否愿意付费；需求是否真的存在。
距离推出近四年，ChatGPT现在拥有10亿用户，但仍然只有数千万付费客户（大多数在较低的定价层级）。这给出了个位数的转化率，各方面来看都很差，这就引出了一个问题：
AI很赚钱，但它真的是人们愿意付费的东西吗？
原文链接: AI is profitable. Its problem is another.
汇智网翻译整理，转载请标明出处