为什么人工智能最大的风险可能不是技术,而是耗资数万亿美元的构建技术竞赛

2025-10-07 08:12:00 英文原文

作者:Dakin Campbell

A data center under construction

约翰·大卫·理查森 (BI)

经过

新的 关注作者,不错过任何一个故事!

关注达金·坎贝尔

每次 Dakin 发布故事时,您的收件箱都会收到一条提醒!

单击“注册”即表示您同意接收来自 Business Insider 的电子邮件。此外,您还接受 Insider 的服务条款隐私政策

上个月,白宫人工智能高级政策顾问斯里拉姆·克里希南 (Sriram Krishnan) 出现在华盛顿的一次活动上时,他列出了特朗普政府推进人工智能革命的优先事项。

在列表的顶部?更多建设。

“让我们确保建设我们的基础设施,”克里希南说。“‘建造,宝贝,建造’是我们告诉人们的。”

这句战斗口号正在整个硅谷回响。Meta 的高管表示,他们希望花费 6000 亿美元用于人工智能基础设施, 包括海量数据中心到 2028 年。OpenAI 和 Oracle 已宣布计划向名为 Stargate 的数据中心项目投入 5000 亿美元,而亚马逊计划在未来两个季度中每个季度在资本支出或资本支出上花费超过 300 亿美元。

问题是:人工智能的商业案例尚未经过测试,并且尚不清楚人工智能产品的收入是否足以证明不断增长的支出是合理的。如果确实如此,它可能会推动经济走上更高的增长曲线并改变整个行业。如果不这样做,其后果可能会重塑经济——从股市崩盘到社区留下大量空置的数据中心。

今年早些时候,Business Insider 发布了对数据中心行业的调查,创建迄今为止最全面的美国数据中心位置地图。调查发现,截至 2024 年底,美国已建成或批准建设 1,240 个数据中心,自 2010 年以来几乎增加了四倍。该数据不包括今年获得许可的任何项目。

根据 Business Insider 对财务报表的分析,今年我们统计的五个最大能源用户中的四个——亚马逊、Meta、微软和谷歌——可能会在资本支出上花费约 3200 亿美元,主要用于人工智能基础设施。这超过了芬兰的 GDP,略低于埃克森美孚 2024 年的总收入。

投资规模火爆对泡沫的担忧以及可能导致股市从历史高位崩盘的爆发。

到目前为止,这些担忧还没有吓到投资者。以科技股为主的纳斯达克指数今年上涨了 19%,全球市值最大的公司英伟达、谷歌和微软的涨幅均超过 25%。甲骨文公司的股价今年上涨了 75%。

根据Renaissance Macro Research对经济分析局数据的解读,今年用于人工智能基础设施和软件的资金对GDP增长的贡献超过了消费者支出。

这是一场与人们记忆中不同的建筑热潮,它改变了景观,利用了稀缺的水资源,并对美国本已紧张的电网造成了负担。人们将这种雄心壮志与阿波罗太空计划、20 世纪 00 年代中期的州际高速公路系统以及本世纪之交留下的数英里长的“暗光纤”光纤泡沫进行比较。

OpenAI 财务主管 Sarah Friar 最近在 9 月份高盛会议间隙发表讲话时强调了该行业目标的规模。她说,人工智能支出不像 19 世纪的铁路系统,而更像早期的铁路系统。

“很多人将人工智能时代与铁路建设等进行比较,因为这是一个资本密集型的​​建设,”弗里尔告诉雅虎财经。“我认为我们才刚刚开始。我们可能已经铺设了从纽约到巴尔的摩的一些轨道,但我们最终将覆盖美国,并最终覆盖世界。”

如果赌注得到回报,那么回报可能会使投入数据中心的资金显得很小。数据中心的繁荣将成为下一个技术周期的基础,让亚马逊、微软、谷歌和其他公司像现在租用云存储一样出租智能。人工智能代理和定制模型可以构成稳定、高利润的订阅产品的基础。

如果没有回报呢?看看铁路就知道了。对铁路线(包括横贯大陆铁路)的过度投资在 1800 年代后半叶引发了不止一次而是两次银行危机。该行业因超支而苦苦挣扎,最终让投资者和支持他们的银行蒙受了惨重损失。


尽管进行了投资,但人工智能的商业案例仍未经过测试。

人工智能基础设施的繁荣建立在关于机器如何最好地学习的基本假设之上。该方法涉及将大量数据输入大型语言模型,然后寻找隐藏在噪声中的模式或信号。该理论认为,为了改进,模型必须摄取和分析越来越多的数据,这需要越来越多的计算能力。

对规模的需求塑造了竞争格局。如果更好的模型依赖于更多的计算能力,那么显然下一步就是尽可能多地保护计算能力。这意味着更多的数据中心——充满图形处理单元或 GPU 的大型仓库,可以处理所需的复杂计算。

在一个最近的博客文章OpenAI 首席执行官萨姆·奥尔特曼 (Sam Altman) 设想,如果人工智能系统拥有几乎无限的计算能力,将会发生什么。人工智能可以治愈癌症或为地球上的每个学生提供个性化的导师。“如果我们受到计算的限制,”他写道,“我们将不得不选择优先考虑哪一个;没有人愿意做出这样的选择,所以让我们开始构建吧。”

纽约大学心理学和神经科学名誉教授加里·马库斯(Gary Marcus)对硅谷开发人工智能的方法直言不讳地批评,他反对“建筑越大越好”的策略。马库斯一再辩称,推动大型科技公司建立计算能力的基本理论,即缩放定律,是错误的。

马库斯写道:“缩放这个词的意义已经被大大贬低了。”“‘扩展’过去的意思是‘通过了解数据库的大小和用于训练它的计算量,我可以非常准确地预测给定的法学硕士的表现,而且这些增长将呈指数级增长。”不再是了,他写道。

OpenAI 8 月推出的最新模型 GPT-5 凸显了 Marcus 的怀疑,因为许多人认为这是一个渐进的步骤以及对“增加更多计算能力可以打造更好模型”这一理念的挑战。领先的语言模型仍然会犯一些简单的错误或幻觉,从而损害了它们的可靠性。贝恩公司表示,即使公司投入了成倍增加的计算能力来培训他们,问题仍然存在。

几项研究得出的结论是,大笔支出的公司尚未在人工智能的帮助下显示出有意义的结果。麻省理工学院的研究人员今年夏天发布了一份报告,表明 95% 的早期企业人工智能计划尚未带来回报。该报告导致科技股短暂下跌,除其他原因外

BetterUp 实验室和斯坦福社交媒体实验室的研究人员创造了“workslop”一词来描述越来越多的员工生产的不合格的人工智能辅助产品。由于模型仍然缺乏准确性和细微差别,事实检查和清理输出的任务就落到了同事身上。研究人员在《哈佛商业评论》上撰文称,1,150 名员工中的 40%他们接受调查称收到了“workslop”过去一个月来自同事的信息。

由于其实用性仍存在疑问,目前尚不清楚人工智能产品何时或是否会带来其支出的合理性。贝恩估计,到 2030 年,每年资本支出将达到 5000 亿美元,以满足行业的计算需求。贝恩表示,为了证明这一点,公司需要创造 2 万亿美元的年收入。这比企业使用人工智能提高销售、营销、客户支持和研发效率所节省的成本大约多出 8000 亿美元。换句话说,该咨询公司得出的结论是,除非该行业能够找到新的产品或服务来销售,否则该行业将陷入困境。

9 月份,OpenAI 首席财务官 Friar 表示,该公司将今年收入增加三倍至约130亿美元。同月,该公司同意每年向甲骨文支付平均 600 亿美元的数据中心容量费用,几乎是其预期收入的五倍。

麦肯锡公司在四月份关于资本支出的报告中承认,该行业所处的困境:支出太少,就有可能错过一项可能是历史上最具变革性的技术之一。花费太多,就有可能浪费数百或数千亿美元。

“风险很高,”麦肯锡在报告中写道。“对数据中心基础设施的过度投资可能会导致资产搁浅,而投资不足则意味着落后。”

Meta 首席执行官马克·扎克伯格在承认他准备浪费多少钱来赢得人工智能军备竞赛时说得更直白。扎克伯格对播客采访者说:“如果我们最终浪费了几千亿美元,我认为那将是非常不幸的。”与此同时,他强调,如果高效的人工智能使用获得关注,就有可能遭受损失。

“我实际上认为另一边的风险更高,”他说。


四分之一个世纪前,当企业争先恐后地为新兴互联网奠定基础时,类似的模式也出现了。像世通公司和环球电讯这样的公司在 2001 年之前的五年里花费了数百亿美元铺设光纤电缆并安装其他网络功能,但在第二年互联网泡沫破灭导致为建设提供资金的贷款人要求他们还钱时,它们就破产了。

根据布鲁金斯学会的分析,主导光纤扩建的公司股东损失了 2 万亿美元的价值,同时 50 万名工人失业。虽然光纤电缆最终投入使用,主要是由于 Netflix 开创的流媒体视频革命,但许多铺设光纤电缆的公司并没有看到它。

就像早期的光纤电缆和铁路一样,数据中心的建设和 GPU 的购买都是由华尔街提供资金的。

一些资金是通过熟悉的渠道而来的。Oracle 最近出售了价值 180 亿美元的债券为其数据中心扩张计划提供资金,而 3 月份上市的数据中心新贵 CoreWeave 自去年以来已利用公共债务和股票市场高达 250 亿美元为其自身扩张提供资金。

越来越多的公司也转向不那么传统的贷方。Meta 最近为其最新数据中心项目筹集了 290 亿美元资金,投资方包括 Pacific Investment Management Company 和 Blue Owl Capital。这笔交易使 Meta 能够筹集数十亿美元资金,而无需在其资产负债表上报告全部金额。

当Meta首席财务官Susan Li在最近的一次会议上被问及该公司的非传统融资方式计划时,她表示该公司在其历史的大部分时间里都建立了自己的数据中心。她说,现在,随着“我们基础设施能力的雄心壮志展现在我们面前,它让我们以前建造的东西相形见绌,我们需要在思考这个问题的方式上更加广泛。”

其他数据中心开发商正在利用证券化债券市场来保持繁荣。一旦项目建成并出租,他们就会将租赁收入转化为债券,并出售给渴望成为人工智能热潮一部分的投资者。金融博主兼对冲基金顾问保罗·凯德罗斯基(Paul Kedrosky)最近撰写了有关这一发展的文章,他表示,即使对成熟数据中心项目的需求开始减弱,这也可以释放更多资金投入未来项目并刺激支出。

“开发商建造数据中心,向超大规模企业出租访问权,然后将租金收入打包成债券。收益将被回收到下一轮建设中,”克德罗斯基在他的网站上写道。“简而言之:现在为数据中心繁荣提供资金的是结构性信贷世界,而不是房地产股权世界。”

硅谷本身也越来越多地为这一繁荣提供资金。9月份,英伟达同意向OpenAI投资1000亿美元,帮助其数据中心建设,并预计OpenAI将扭转局面,用这笔钱为其数据中心购买英伟达的GPU。微软很早就投资了OpenAI,OpenAI用这笔钱出租了微软的计算能力。周一,芯片制造商 AMD宣布OpenAI 已同意购买 GPU 为尽可能多的设备提供动力6吉瓦计算能力作为回报,如果 OpenAI 达到某些里程碑,OpenAI 将获得该芯片制造商 10% 的股权。

奥特曼在宣布该交易的声明中表示:“此次合作是构建实现人工智能全部潜力所需的计算能力的重要一步。”

资金循环流动是人工智能基础设施押注的另一个要素,凸显了其规模和风险。如果围绕人工智能的炒作被证明是短暂的——如果更多的计算能力并不等于更好的模型,或者行业无法找到更多的方法来赚更多的钱——相互关联的投资可能会放大影响。

就连人工智能的支持者也表示,这个数学计算令人望而生畏。

贝恩技术业务主席戴维·克劳福德 (David Crawford) 表示:“我们非常看好这一点。”“我们想要表达的一点是它很昂贵。”

关于《为什么人工智能最大的风险可能不是技术,而是耗资数万亿美元的构建技术竞赛》的评论


暂无评论

发表评论

摘要

白宫人工智能高级政策顾问 Sriram Krishnan 强调基础设施发展是推进人工智能的首要任务。Meta、OpenAI、甲骨文和亚马逊等科技巨头正在大力投资人工智能基础设施,并计划在 2028 年之前进行大规模支出。然而,这些投资的商业案例尚未经过测试,这引发了人们对如果回报不能证明支出合理的话可能产生的潜在经济影响的担忧。尽管投资者持乐观态度——科技股大幅增长——但投资规模却引发了对泡沫的担忧。专家和评论家对如此大规模的人工智能基础设施支出的有效性和必要性进行了争论,质疑它是否会带来承诺的变革性影响,还是会导致类似于历史上铁路和光纤等过度投资的资源浪费。