当全球科技巨头争相砸下万亿资金布局AI数据中心时地方配资网，tom'shardware网站的一篇报道却抛出了重磅质疑——IBM首席执行官直言，这种大规模投入根本无法实现盈利。
现在我们完整援引原文关键信息，带大家快速读懂“万亿AI基建盈利困局”的核心逻辑。
IBM的首席执行官阿文德·克里希纳（ArvindKrishna）在TheVerge的Decoder播客节目中表示，目前为开发通用人工智能（AGI）而投入的资本是否真的能够收回成本。克里希纳指出，根据当前的数据，建设及运营大型人工智能数据中心所需的累计投资额约为8万亿美元；仅为了覆盖这些投资的资金成本，该行业每年就需要实现约8000亿美元的利润。
这一说法直接基于对当前硬件性能、其折旧速度以及能源使用情况的假设，而非任何可靠的长期预测。然而，就在这个时候，我们看到多家公司纷纷推出规模庞大、持续时间长达数年的基础设施建设项目，这些项目在规模和复杂性上都是前所未有的。
克里希纳估计，要为一个功率为1千兆瓦的人工智能（AI）设施配备所需的硬件，大约需要800亿美元。问题在于，这种规模的AI项目已经从概念阶段进入了实际规划阶段；一些领先的AI公司提出了建设功率达到数十千兆瓦（甚至在某些情况下超过100千兆瓦）的AI设施的计划。克里希纳表示，根据公开和私下的公告来看，目前总共计划投入约100千兆瓦的算力资源来支持通用人工智能（AGI）类应用的工作负载。
如果每千兆瓦的建造成本为800亿美元，那么总成本将达到8万亿美元。他将这些数字与数据中心设备通常每五年就需要更新一次的周期联系起来，并指出：在这段时间内，大部分硬件设备都需要被更换，这会导致长期资本支出（Capex）需求呈指数级增长。此外，他还认为：如果不对现有的基于大型语言模型（LLM）的架构进行任何改进或引入新的知识整合机制，这些架构实现通用人工智能（AGI）的可能性仅为0%至1%之间。
克里希纳指出，折旧是计算过程中最容易被投资者忽视的因素之一。人工智能相关设备（如硬件或软件）通常需要在五年内进行折旧处理；他认为，由于技术更新的速度非常快，这些设备必须被替换掉，而无法继续使用或进行升级。他说：“这些设备必须在五年内被全部用完，因为五年后它们就报废了，需要重新购买新的设备来替代它们。”
最近对金融市场的批评主要集中在这些类似的问题上。例如，投资者迈克尔·伯里（MichaelBurry）就提出了这样的疑问：如果性能的提升以及模型规模的不断扩大导致旧款GPU必须更快地被淘汰，那么那些大型科技公司（即“超大规模企业”）是否还能继续使用那些关于GPU使用寿命的假设（即那些用于计算模型的假设）呢？
IBM的首席执行官表示，他认为目前形式的生成式人工智能工具最终将显著提升企业的生产力；但他同时担心的是：下一代人工智能基础设施的物理规模（即所需的计算资源）与支撑这些基础设施所需的成本之间的平衡问题。那些决定投资建设大型（耗电量达数十千兆瓦的）数据中心、并采用缩短设备更新周期策略的公司地方配资网，必须能够证明其投资所带来的回报能够与所投入的巨额资金相匹配。
恒正网官网提示：文章来自网络，不代表本站观点。
