AI 烧钱的真相：需求是被补贴撑起来的

大家读我帖子里的逻辑有点费劲，那我来解释一下。

1）AI 投入最多的公司，正在减少在 AI 上的支出。

2）就算整体 AI token 用量在涨，支出并没有同步增长。它们的支出 = AI 相关收入。

3）LLM 效率越来越高 = 用量越大，收入反而越少。

4）公司已经花出去、以及继续花的 AI 资本开支是固定的，并且预期要有相应规模的收入来回本。

5）就算 LLM 越来越便宜、用量越来越大，公司的支出反而在减少，因为它们对成本很敏感，必须负责任地花 token 钱。近期趋势显示，它们正在控制成本。

另外要注意，这还是在 AI 算力“由风投补贴”的时期。也就是说，如果按真实定价收费，公司会用得少得多，因为它们负担不起、也没法证明这笔账单合理。

你可以看多 AI token 用量，但对资本开支的可持续性持怀疑态度，因为预期收入跟不上。这在经济上不划算。

资本开支花了几万亿美元，而今天的用例在一段时间内都无法回本。头部 1% 公司的收入已经在下滑，年化经常性收入增速低于预期，这也对得上。

有人会提到开源模型，但没明白：这些是更便宜的选项，意味着整个生态系统产生的收入更少。

而且，头部 1% 的投入者大多是早期初创公司，需要更多风投融资才能维持运营、烧掉现金。如果资金枯竭，人们低估了这对 AI 算力需求的短期冲击。

你可以再往前推一步：前沿实验室贡献了大量整体算力需求，用于内部模型开发，而这些开发并没有可落地的投资回报来证明或承担这笔开销。这些公司自己根本无力承担这数百亿美元的支出。这同样需要大量外部资本。如果这些资本也变得稀缺，会发生什么？

标普指数的盈利增长也都来自这里（AI 基础设施、$MU、$NVDA）——也就是说，一旦出现连锁反应，盈利可能会掉头向下。

资本是关键。它不是无限的。它回本的速度不足以补充支出。真实需求是被补贴出来的。头部用户的支出已经在下降。

在下一波需求到来之前（比如物理 AI），这里有一个巨大的真空期。

如果你连前沿模型训练的资金都筹不到，或者初创公司融不到那么多钱，我们可能会从算力紧缺直接变成供应过剩。这是巨大的风险，而且涉及数万亿美元的资本开支，以及生态系统中的杠杆。

再说一遍，那些真正能盈利的公司，其潜在的 AI 收入已经在被优化支出（降低成本）。