Postare

这轮AI暴跌，数据并不支持 过去一个月，大量AI硬件股从高点回撤40%甚至更多。市场正在交易一个非常悲观的故事： AI资本开支已经过度，GPU即将过剩，开源模型正在摧毁商业模式，云厂最终只能靠举债维持建设，英伟达当前的盈利也处于不可持续的周期顶点。 问题在于，至少从目前能够观察到的产业数据看，这个故事还没有得到验证。 恰恰相反，GPU租赁价格、Token使用量、算力获取难度和云厂经营现金流，仍然指向一个结论： AI基础设施的真实需求没有减速，市场价格与产业基本面正在出现明显背离。 01｜市场首先误读了Meta出租算力 Meta准备向外出租一部分GPU算力后，市场迅速得出结论：Meta拥有闲置产能，AI需求不及预期，未来可能削减资本开支。 但Meta后续披露的信息并不支持这一判断，它没有削减资本开支，供应链端也没有出现明显收缩。 更合理的解释是，Meta发现早期以低价签下的算力合同，与当前GPU现货租赁价格之间存在巨大差价。 当市场愿意为同样的GPU支付远高于合同成本的价格时，出租一部分算力不是因为用不完，而是因为这门生意的回报率太高。 Meta出租算力，可能说明的不是需求不足，而是算力已经成为一项能够独立变现的资产。 02｜GPU价格并没有像市场预期的那样下降 过去两年，即便是最乐观的投资者，也普遍认为随着供给增加和新一代芯片发布，旧GPU租赁价格应该缓慢下跌。 现实却完全不同。 访谈中提到，一家热门AI创业公司几个月前租用数千块B200，价格大约处于每GPU小时2美元中段。大约七个月后，它准备租用几乎完全相同的集群，报价已经接近每GPU小时4美元。 同样的GPU、相近的集群规模，租赁价格在半年多时间里上涨约50%至60%。 部分推理云公司甚至预计，等现有合同到期后，续租Blackwell算力的成本可能接近翻倍。 这和传统半导体周期完全不同。 正常情况下，芯片上市时间越长，单位算力价格应该越低。现在却是旧算力和新算力同时紧缺，企业没有在讨论GPU过剩，而是在讨论如何才能拿到足够多的GPU。 03｜云厂可能并没有过度盈利，而是在严重低估自身算力 大量云厂和Neo Cloud为了获得融资，会提前签订三年甚至五年的算力合同。 这些合同签订时，GPU租赁价格远低于现在。于是形成了一个非常关键的差价： 云厂当前账面确认的算力收入，仍然按照过去的低价合同执行，但同样的算力在现货市场上已经贵得多。 假设一份旧合同的价格是每GPU小时2美元，当前现货价格是4美元。未来即便现货价格从4美元回落到3.3美元，新合同相对于旧合同仍然提价65%。 所以判断云厂未来收入，不能只比较未来现货价格和今天的现货价格，更应该比较： 新合同价格相对于即将到期的旧合同，到底上涨了多少。 只要合同重定价继续发生，云厂的经营现金流就可能持续改善，即使GPU现货价格未来有所回落，也不代表云业务收入会下降。 04｜开源模型打击的是模型层利润，不是算力需求 市场对开源模型还有一个常见误判： 开源模型越来越便宜，于是AI收入下降，最终GPU需求也会下降。 这里混淆了两个完全不同的问题： 一个Token由谁赚取利润，和生成这个Token需要多少算力，并不是一回事。 开源模型确实可能压缩OpenAI、Anthropic等前沿模型公司的毛利率，但生成Token依然需要GPU、显存、电力、网络和数据中心。 前沿闭源模型的Token毛利率可能非常高，而开源推理服务的利润率要低得多。企业使用开源模型后，支付的价格下降，节省的主要是模型层利润，而不是底层计算成本。 结果很可能是： 单个Token更便宜，企业开始使用更多Token；前沿模型公司赚得少一些，但推理云、GPU、HBM和数据中心获得更多需求。 所以开源模型的真实影响，可能是把利润从模型层转移到基础设施层，同时通过价格下降进一步扩大整个市场。 对于模型公司未必是好消息，对于AI硬件却不一定是坏消息。 05｜未来更可能是多模型架构 企业不会只使用一个最强模型解决所有任务。 更现实的架构是： 普通任务先交给经过企业数据微调的开源模型，复杂任务再交给Claude、Grok或其他前沿模型，最后由最强模型负责规划、审核和纠错。 这样做可以在结果质量基本不变的情况下，将平均使用成本显著降低。 但成本下降不等于算力使用量下降。 一家企业原本预算只能生成1亿个昂贵Token，切换到开源模型和模型路由后，可能用同样预算生成3亿甚至5亿个Token。 企业的AI美元支出可能趋于稳定，底层GPU计算小时却还在增长。 因此，判断AI需求不能只看企业花了多少钱，还要看Token数量、GPU小时、调用频率、并发任务和Agent数量。 $SNDK $SPCX $QQQ #SpaceX首份财报超预期，解禁仍是关键变量 #AMD财报超预期，增长已被透支？