AI 经济现状
AI 经济存在一个可见性问题，即无法分解真实的客户需求。目前，AI 经济的供给侧，如半导体公司和超大规模企业，都是公开公司，并披露了其活动细节。然而，需求侧，即客户实际支付的内容和收入是否真实，一直不透明。最大的实验室是私有的，即使是公开公司也将其 AI 收入隐藏在部门总额中。
需求：真实、庞大且迅速
- 真实的外部客户和实际收入：AI 行业增长速度比之前的任何 IT 波次都快 3 倍。这种需求已经创造了一个计算超级周期：计算量增加 10 倍，新的能源生成，数据中心规模扩大，以及供应无法跟上的积压订单。
- 收入增长轨迹：每个新的一亿美元收入都比上一个更快地到来。2023 年，AI 行业需要 180 天才能增加十亿美元累计收入。现在不到两天。
- 采用阶段：从聊天机器人到聊天机器人订阅再到代理，增长在每个采用阶段都得以保持。
- 超大规模企业积压订单：这种快速的需求增长正在导致超大规模企业的积压订单。
- 计算超级周期：AI 需求引发了一个计算超级周期，全球半导体市场规模增长，电力需求增加，数据中心规模扩大。
经济：仍然很小，但处于早期阶段
- AI 收入占 GDP 比例：即使对于最高企业支出者来说，AI 收入在其损益表中仍然只是一个零头。它仍然看起来很早期。举措集中于效率和成本节约，尽管组合正在发生变化。
- AI 收入与历史技术浪潮的比较：与之前的任何 IT 浪潮相比，AI 的扩展速度都快 3 倍。
- 消费者剩余：与之前的通用技术一样，一些收益可能无法在 GDP 中体现。
- 企业报告的 AI 影响：越来越多的公司报告了 AI 对收益的影响，但大多数公司尚未报告量化 AI 使用的实际影响。
- 早期项目优先考虑效率：最初的 AI 项目优先考虑效率，因为与销售增长相比，节省成本的纯影响具有更好的利润率。
- 早期采用者胜出：与之前的浪潮一样，早期采用者正在超越他们的同行。
资本支出：历史上最大规模的科技建设正在偿还（目前）
- 超大规模企业和新云企业的资本支出：超大规模企业和新云企业承诺到 2026 年累计资本支出 2 万亿美元，这将给不断增长的收入带来压力，尤其是随着更多资金由外部资本提供。
- AI 相关资本支出：到 2026 年，AI 相关资本支出将比 AI 前趋势高出 5350 亿美元。
- 超大规模企业资本支出预测：分析师的预测已经追上了资本支出曲线的更高水平。
- 超大规模企业资本支出融资：超大规模企业资本支出主要依靠现金，但它们的市场价值权重相对于其余市场存在风险，其边际 AI 基础设施美元越来越多地依靠外部融资。
- 折旧费用：到 2026 年的预期折旧费用接近 1110 亿美元。
- 收入覆盖范围：累计收入几乎覆盖了累计折旧，但仍需覆盖预期空间。
- 数据中心经济：租赁率表明需求正在吸收现有供应。
- GPU 使用寿命：较旧的 GPU 在其六年的折旧寿命之后仍能获得很高的收益率。
- 芯片使用寿命：如果芯片寿命更短，收入就无法偿还资本支出。
代币：AI 经济的价值单位？
- 代币量增长：全球代币量超过每月 30 个季度，同比增长 14 倍。
- 从聊天到代理的转变：从聊天机器人到代理的转变正在成倍增加代币使用。
- 更便宜的代币和更好的模型：更便宜的代币和更好的模型会扩大需求。
- 代币需求的弹性：随着价格下降，使用量增长更快。
- 基于代币的定价：基于代币的定价是 AI 的“按点击付费”时刻。
- 代币价值：代币是 AI 的计费指标，但还不是价值单位。
- 质量调整后的代币：质量调整后的代币是衡量 AI 价值的最佳指标。
- 质量调整后的输出：质量调整后的输出与原始代币量增长保持同步。
技术栈：价值在哪里？
- 技术栈：芯片将能量转换为代币，托管将芯片资本支出转换为代币运营支出，基础模型将代币转换为智能，应用程序将智能转换为消费者价值。
- 收入集中度：收入目前集中在托管和芯片层，但应用程序和模型正在获得更多份额。
- 价值向上转移：价值正在向上转移，朝向应用程序和模型。
- 定价力量：定价力量遵循竞争压力，而不是技术栈位置。
- 前沿实验室的定价能力：前沿实验室可以暂时维持溢价，因为它们拥有当前的边界。
- 开放重量的商品化：去年的前沿正在快速商品化。
- 实验室的竞争：实验室必须跑得比开放重量商品化更快才能保持利润率。
- 实验室的多元化：在定价压力下，实验室正在进入应用程序和基础设施领域。
- 消费者剩余：压缩每一层，消费者就会捕获剩余价值。
结论
AI 需求是收入验证的，投资案例取决于价格下降是否能够产生足够的代币量来获得资本支出的回报。
