一个服务于1亿日活跃用户数的通用大模型，至少需要年收入1000亿元才可能保持收支平衡，如果未来能服务10亿日活用户呢？100亿日活用户呢？
每增加一个人工智能大模型用户，公司付出的边际成本远高于电商、社交、短视频等领域的单位拉新成本。这些是业内流传的一组数据，说明人工智能的训练和推理成本对一家公司的现金流是极大的考验。
人工智能（AI）到底需要多少资金支持？即便有上述这组数字，我们也无法形成一个直观的印象。随着新一轮财报季的到来，谷歌、Meta、阿里巴巴、微软、亚马逊等大型科技企业将展示他们对AI的贡献，并宣布增加对AI的投入。下面将从这些企业的财报中收集详细数据，来分析大型企业对AI持续投入的规模，以及投入资金是否越多就越能在下一个互联网周期到来时占据领先地位。
学会理解和分析“资本性支出”
谷歌母公司Alphabet首席财务官Ruth Porat近期透露，预计公司在2024年的资本性支出（CapEx）将比2023年有显著性增加（notably larger than 2023），尤其是对人工智能（AI）芯片的投入上。该公司也在2023年报中说，未来将继续加大资本性开支，以支持长期的人工智能布局。该公司此前对2024年的资本性支出预期范围是300亿至370亿美元，后来把指引提升到350亿至400亿美元。
上面表格是根据Alphabet历年年报罗列的资本性支出和对应的现金流情况。从2022年开始，资本性支出呈现显著增加趋势，但经营活动现金流净额，以及年末的现金及现金等价物的增长并不明显。单从数字看，公司每年资本性支出大约占到经营现金流的三分之一，而经营现金流减去资本性支出后，就是自由现金流。
我们为什么把资本性支出视为衡量这类公司在人工智能、云计算等基础设施服务上的投入程度呢？
所谓资本性支出，简单说就是这些钱不是花在当季的，要相应地摊销/折旧到以后的每个会计年度，它不像营销费用、股权激励这些开销，它是为以后长期带来收益的一种投入，比如传统企业扩建厂房、购置设备等大件开销。对于互联网公司有所不同，比如Alphabet在年报中解释资本性支出主要针对服务器、网络设备、数据中心等技术基础设施。2022年后AI浪潮严重左右了这些公司在技术基建上投入的方向，这从“所有App都值得用AI重新做一遍”“AI将在未来几年为公司带来数百亿美元收入”的高管表态中也有所体现。因此把AI相关成本与科技企业的资本性支出做强关联，是比较合理的。业务层面上，AI也离不开云。
事实上，与2022年之前相比，2022年后这类公司在资本性支出上明显大幅增加，甚至翻倍，这在往年并不常见。而在这一场围绕人工智能的技术军备竞赛中，这个趋势仍在持续加剧。除了Alphabet，我们也在微软、Facebook母公司Meta、阿里巴巴等大公司年报中看到这种趋势。
相比之下，亚马逊在最近几年的资本性支出方面相对稳定。根据预测，2020年至2023年的资本性支出分别为350亿美元、554亿美元、583亿美元和481亿美元。亚马逊在人工智能领域目前主要采用自主研发的芯片（用于训练和推理）以及投资外部人工智能公司的策略（例如，前后两次共计40亿美元投资Anthropic，并购资金不计入资本性支出）。与微软和Meta这两家轻资产公司相比，亚马逊的资本性支出中还包括了重资产的仓储物流等因素的影响。
而阿里巴巴的相关数据有一些特殊性。其2020财年至2023年财年的资本性支出依次为326亿元、415亿元、533亿元和343亿元，主要包括云计算数据中心、物流基础设施、购置园区的在建工程与土地使用权，以及前些年热衷的新零售基建。尤其是前两年阿里北京总部和全球总部园区建设，使得在建工程与土地使用权这一单项的资本性开支在2020财年、2021财年和2022财年分别达到79亿元、53亿元和113亿元，如果剔除这个因素，并考虑到近两年缩减了新零售基建投入，公司实际花在云与人工智能上的资本性支出也呈现增长趋势。
总之，由于人工智能（AI）大模型持续高昂的训练和推理成本，以及英伟达GPU芯片价格的不断上涨，使得云计算大厂在这个新赛道上的投入比以前更加巨大。AI成本就像一个无底洞，让现金流被吸入其中，这是大厂面临的一个共同难题。
平衡被再一次打破
Meta公司最近宣布，他们预计一季度的收入将低于分析师的预期。为了应对这一挑战，他们决定增加对人工智能的投入。然而，这一决定导致了该公司股价在盘后交易中暴跌了15%。投资者对于巨额的人工智能成本担忧，担心这可能对公司的经营业绩产生负面影响。这些投入主要用于数据中心和人工智能芯片的设计和研发。
此外，Meta公司还进行了一项重大重组，将原来的Facebook的VR/AR部门改组为Reality Labs实验室。在第一季度，他们在这个实验室上投入了38亿美元，但只获得了4.4亿美元的收入。
另一方面，谷歌目前需要平衡内部和外部对计算资源的消耗关系。由于计算资源供不应求，谷歌内部业务一度无法获得额外的计算资源。为了解决这个问题，谷歌投资了20亿美元的人工智能公司Anthropic，并利用谷歌云的TPUs算力来支持该公司的业务（该公司同时也在使用亚马逊的自研芯片）。在这种供需矛盾的情况下，谷歌不得不削减一些业务，将计算资源用于内部和外部增长性更强的业务需求上。
在过去的互联网发展中，从未出现过将所有资源集中在同一个领域的情况。在互联网初期，各家公司在电商、物流、社交网络、云计算等领域进行了分散投资，例如亚马逊专注于仓储网络，京东建立了自己的物流系统，每家公司都确立了自己的领先地位，彼此之间没有竞争。随后，随着各个领域的边际效应逐渐减弱，公司开始渗透对手的领地，比如微软进攻谷歌的搜索和亚马逊的云计算，亚马逊挑战Facebook和谷歌的广告业务，美团和阿里在零售与本地生活领域展开竞争。通过连续的攻守战略，市场份额达到了一个新的平衡点。当几乎所有领域的边际效应都降低到一定程度，没有新增空间时，大型公司现在都将目光投向了人工智能，统一了攻击目标，再次打破了平衡。
然而，当众多人都争相争夺同一样东西时，他们都失去了溢价的能力，而边际成本不断上涨。有人相信一句话，总有人能在逆势中赚到钱。这种情况下，”做钓鱼竿”和”卖铲子”的人却得到了便宜，而英伟达成为了最大的受益者，甚至有几家大厂都公开宣称与英伟达的关系非常紧密，能够第一时间享用最新推出的GPU芯片。在过去的十年里，英伟达将算力成本降低了1000倍，并通过软硬件一体化的策略紧紧抓住了AI风口带来的机遇。
为了降低成本，许多大型公司开始自己研发芯片和AI加速器，以减少对英伟达的依赖。例如，亚马逊推出了Gravition，阿里推出了平头哥产品，百度推出了昆仑系列，谷歌推出了TPUs和Axion，微软推出了Azure Maia等。然而，这些芯片大多是定制化、非标准化的产品，主要用于自家使用，目前在机器学习领域还无法完全取代英伟达的H100。英伟达作为提供标准化服务的公司，可能并不担心竞争对手在算力方面能够取得多大的突破。
为了突出人工智能高投入所带来的回报前景，未来大型企业的财报中可能会更频繁地出现类似的表述，即“由人工智能驱动的增长达到多少多少”。微软的高管在一份季度报告中曾经透露，在其云计算平台Azure的一季度同比增长中，人工智能的贡献占了总增长的7个百分点。
当人工智能（AI）大模型逐渐渗透到各个公司的所有业务中时，很难再明确哪些业务是由AI推动的。例如，微软将ChatGPT嵌入到Azure、Bing和Microsoft 365微软全家桶中；阿里巴巴将通义千问嵌入到钉钉应用中；谷歌将Gemini Chatbox整合到搜索和广告业务中。这些并不像微软对数字助手Copilot用户每月收取30美元那样直接变现，而是将AI作为一种底层能力，推动原有的上层业务实现新的收入增长。从几家公有云巨头的营收增速有所回暖的情况来看，AI确实发挥了一定的作用。
总结：追求新的平衡
在互联网拓荒期，亚马逊一直处于长期亏损状态，但这并没有影响投资人对其的兴趣，因为他们总能看到新的增长点。贝索斯并不追求短期盈利（当时投资人似乎也不在意这些），而是喜欢将大量资金投入到仓储、云计算等重资产业务中，相信这些投资将在未来为公司带来更大规模的收益和增长性。只要公司能保持增速和创新，投资人就愿意耐心等待。贝索斯经常在财报中展示公司充裕的现金流数据，以证明公司的实力，而不是仅仅关注利润表数据。
然而，如今的时代已经发生了变化，没有任何一家大型企业可以忽视盈利压力，只依靠增长和创新来吸引投资者。在人工智能这个需要高度一致性和持续高成本投入的技术竞赛中，每个有实力的参与者都必须参与比赛，只有更大规模的营收预期才能与这种投入水平相匹配。大型企业纷纷抢先进入人工智能领域，目的是在下一个平衡点到来之前获得一张新的入场券，只是这张入场券的价格太高了。
