模型降价潮来袭
当下, AI领域正在历经一场价格方面的较量, 摩根士丹利最新发布的研报表明, 可开放权重模型所面临的价格承压状态已然传递至整个模型层级, 美国众多实验室均在推出价格更为低廉的产品, 这表明AI该项科技的成本正处于快速降低的状况, 这对于企业而言是一件有利之事。
可对于企业来讲, 这背后也是潜藏着危机的。单单凭借模型能力处于领先状态已然是不行了的哈, 厂商务必要同时提升吞吐量, 还要扩充用户规模, 并且要借助差异化功能去留住客户。竞争的焦点正以“最强模型”朝着“最低成本生产Token”进行转变。
算力才是最硬的通货
尽管模型能够免费进行复制, 然而算力始终属于稀缺资源, 超大规模的云服务商把控着GPU、自研芯片以及完整的云服务, 此乃真正的护城河, 企业就算下载了开源模型, 通常也没能力自行构建数据中心用以支撑推理需求。
所以说, 哪怕Token价格出现了下降的情形, 然而掌握着算力的云厂商依旧有着获取健康资本回报率的可能性。摩根士丹利所做的测算表明, 就算采用远远低于前沿模型的Token价格, 1GW自有GB300算力还是极有可能产生大概20%至60%的投入资本回报率。
云巨头的四条赚钱路径
围绕开放模型, 云厂商存在四种主要的变现方式, 其一为API托管收入, 即是将模型于平台之上做托管, 并依据Token进行收费, 其二是GPU以及AI加速器租凭, 在此种情形下企业仍旧需要去购买算力, 其三是由RAG所带来的数据库与存储收入。
其一, 第四则所涉为安全、身份认证、监控等配套服务的收入。其二, 摩根士丹利以比喻把开放模型 API予以比作超市里的“牛奶”。其三, 它有可能会变换成低利润甚至亏损的引流展品。其四, 然而当客户进入云平台之后, 会采购更多具备高利润率的服务。
吞吐量决定生死
在相同规模的数据中心当中, 每一颗GPU每秒能够生成的Token数量, 直接地决定了盈利能力, 摩根士丹利给出假设, Token价格设定为每百万个1.75美元, 且单GPU吞吐量是每秒2000至3500个Token, 基于这样的情况, 每GW年收入能够达到大约230亿至520亿美元。
使得吞吐量得以提升存在着四条技术途径: 其一为具备着更大的内存容量, 其二是拥有更快的互联速度, 其三有着优上加优的软件优化, 其四是因有着更大的客户群体而带来的实现精准处理的高效批。云领域相关的巨头凭借着拥有数量众多的企业客户，能够更为高效地开展任务调度, 这是小型模型实验室难以效仿成功的优势之处所在。
四巨头机会各异
谷歌具备TPU, 有着自有云基础设施, 还拥有庞大企业客户群, 上述三者相结合进而让其推理效率处于领先地位。Meta依靠广告收入的AI实现增长, 它对于数据中心的投资被视作上行风险。亚马逊AWS有现有客户基础加之微软Azure有全栈服务能力, 它们因而在开放模型时代依旧占据着有利位置。
每家都得寻找到自身独具特色的差异化定位。光是单纯致力于比拼模型性能已然毫无意义可言了, 而真正所具备的竞争力其实就在于能不能够以更低的成本去服务数量更多的用户。
未来属于效率赢家
AI竞争, 原本是追最强模型之事, 现正转至性能与成本效率同时看重；摩根士丹利表明, 就云厂商来讲, 那EBIT绝对的金额增长此情形比利润率百分比状况着实更重要；只要AI需求增速达成较价格下降的速度要快些这个条件话, 算力资产便能够造就出较为高些的利润。
今后投资者所要留意的关键指标, 是哪一家公司具备最低的“单位算力服务成本。能够在这个竞争领域中取得成功的, 将会在开放模型时期持续收获利益。
你怎样看待开放模型以及闭源模型以后的发展走向, 你觉得AI投资还存在着多少的空间, 欢迎于评论区域分享你个人的观点, 去点赞并且转送给予更多的同行之友！
© 版权声明
文章版权归作者所有，未经允许请勿转载。
