8萬億燒出AI泡沫？IBM CEO指出致命隱患

當全球科技巨頭爭相砸下萬億資金佈局AI數據中心時，tom'shardware網站的一篇報道卻拋出了重磅質疑——IBM首席執行官直言，這種大規模投入根本無法實現盈利。

現在我們完整援引原文關鍵信息，帶大家快速讀懂“萬億AI基建盈利困局”的核心邏輯。

IBM的首席執行官阿文德·克里希納（ArvindKrishna）在TheVerge的Decoder播客節目中表示，目前爲開發通用人工智能（AGI）而投入的資本是否真的能夠收回成本。克里希納指出，根據當前的數據，建設及運營大型人工智能數據中心所需的累計投資額約爲8萬億美元；僅爲了覆蓋這些投資的資金成本，該行業每年就需要實現約8000億美元的利潤。

這一說法直接基於對當前硬件性能、其折舊速度以及能源使用情況的假設，而非任何可靠的長期預測。然而，就在這個時候，我們看到多家公司紛紛推出規模龐大、持續時間長達數年的基礎設施建設項目，這些項目在規模和複雜性上都是前所未有的。

克里希納估計，要爲一個功率爲1千兆瓦的人工智能（AI）設施配備所需的硬件，大約需要800億美元。問題在於，這種規模的AI項目已經從概念階段進入了實際規劃階段；一些領先的AI公司提出了建設功率達到數十千兆瓦（甚至在某些情況下超過100千兆瓦）的AI設施的計劃。克里希納表示，根據公開和私下的公告來看，目前總共計劃投入約100千兆瓦的算力資源來支持通用人工智能（AGI）類應用的工作負載。

如果每千兆瓦的建造成本爲800億美元，那麼總成本將達到8萬億美元。他將這些數字與數據中心設備通常每五年就需要更新一次的週期聯繫起來，並指出：在這段時間內，大部分硬件設備都需要被更換，這會導致長期資本支出（Capex）需求呈指數級增長。此外，他還認爲：如果不對現有的基於大型語言模型（LLM）的架構進行任何改進或引入新的知識整合機制，這些架構實現通用人工智能（AGI）的可能性僅爲0%至1%之間。

克里希納指出，折舊是計算過程中最容易被投資者忽視的因素之一。人工智能相關設備（如硬件或軟件）通常需要在五年內進行折舊處理；他認爲，由於技術更新的速度非常快，這些設備必須被替換掉，而無法繼續使用或進行升級。他說：“這些設備必須在五年內被全部用完，因爲五年後它們就報廢了，需要重新購買新的設備來替代它們。”

最近對金融市場的批評主要集中在這些類似的問題上。例如，投資者邁克爾·伯裏（MichaelBurry）就提出了這樣的疑問：如果性能的提升以及模型規模的不斷擴大導致舊款GPU必須更快地被淘汰，那麼那些大型科技公司（即“超大規模企業”）是否還能繼續使用那些關於GPU使用壽命的假設（即那些用於計算模型的假設）呢？

IBM的首席執行官表示，他認爲目前形式的生成式人工智能工具最終將顯著提升企業的生產力；但他同時擔心的是：下一代人工智能基礎設施的物理規模（即所需的計算資源）與支撐這些基礎設施所需的成本之間的平衡問題。那些決定投資建設大型（耗電量達數十千兆瓦的）數據中心、並採用縮短設備更新週期策略的公司，必須能夠證明其投資所帶來的回報能夠與所投入的鉅額資金相匹配。