此前一众硅谷科技企业扎堆推崇人工智能，全公司贯彻 AI 优先发展策略，员工使用人工智能的频次，一度成为评判工作优劣的重要标准。
短短一年时间，行业风向迎来巨大转折，多家头部企业接连收紧 AI 相关投入。
微软下达硬性规定，工程师需要在限定日期停用第三方代码工具，改用自研产品。究其根源，第三方工具使用成本居高不下，个别高频使用者每月花销数额惊人，甚至超过基层技术人员薪资。
除此之外，人工智能生成代码的后续维护开销偏高，前期节省的成本，往往要在后期投入更多资金修补漏洞。
Uber 早早敲定年度 AI 投入预算，仅四个月就将资金消耗一空。
高管短暂的产品演示，就能产生高额开销，持续投入之后，企业订单与运营成本却没有出现理想变化。
亚马逊推出的 AI 使用排行，催生不少投机行为，部分员工编写脚本空跑 AI 程序刷取数据，白白消耗大量资金，巨额投入只换来注水的数据报表。Meta 也收紧 Token 使用额度，想要超额使用，必须经过管理层专项审批。
曾经备受追捧的人工智能，慢慢变成不断消耗资金的吞金项目。
各大企业复盘资金账单后，AI 行业潜藏的收益弊端彻底显露。
下游企业持续加码 AI 研发落地，绝大多数资金最终流向上游芯片与存储厂商。下游企业投入越多亏损越多，上游供应链企业依托硬件资源稳稳获利。
高端算力硬件市场高度集中，头部芯片厂商手握定价主导权，产品售价持续上调，现货供货周期拉长，存量产能早早被各大企业预定。
配套存储产品价格同样一路走高，厂商盈利空间十分可观。市场恐慌情绪进一步推高采购热潮，科技企业为避免技术落后只能被动高价囤货，持续拉高自身运营开支。
微软近年大额增加资本开支，资金大多用于采购硬件搭建算力机房，核心业务增速却不及市场预期，营收很难覆盖高昂的算力采购成本。
行业收益与风险严重错配，落地 AI 项目的企业独自承担全部经营风险，上游硬件供应商不受项目盈亏影响。
这一模式和早年淘金经济高度相似，淘金者投入本钱直面亏损风险，售卖工具的商家稳赚收益。
不少头部 AI 研发企业常年大额亏损，营收难以填平前期投入，想要实现正向现金流还要持续投入巨额资金，一旦融资遇阻或是技术落地不及预期，企业发展便会陷入停滞。
但硬件厂商不受影响，企业只要开展模型训练和产品运营，就需要持续采购硬件，下游行业热度越高，上游营收体量就越大。
行业集体压缩开支，意味着人工智能正式告别盲目扩张的泡沫阶段，迈入务实的价值核算周期。
过往市场普遍看好 AI 的发展潜力，认定它会复刻互联网的崛起路径，实际落地之后才看清二者商业模式有着本质区别。
互联网依托存量数据完成信息分发，用户体量提升带来的边际成本极低，企业可以依靠免费引流完成商业化变现。
人工智能需要即时运算生成内容，每一次交互都会产生实打实的算力、电力开销，服务无法复用已有计算资源，天然很难实现低成本普惠运营，也是上下游盈利分化的关键诱因。
接下来 AI 行业会开启新一轮行业洗牌，无法实现投入产出平衡、不能落地实用价值的企业会逐步出局，聚焦实体需求、创造落地收益的从业者才能站稳脚跟。
只要高端算力资源的集中格局得不到改变，上游稳赚、下游亏损的行业难题就很难从根源化解。
热门跟贴