GPU融資第七篇：GPU短缺還能持續多久？

作者：Momir 來源：Substack 翻譯：善歐巴，金色財經

需求可以持續增長，但只要供給增速更快，或者代幣價格下跌快於付費使用量的上升，工廠的經濟性依然會惡化。要判斷需求增長的空間，先得釐清需求的主要驅動力。

1. 有邊界需求與無邊界需求

改編自 Giovanni Cattani

最有用的區分是「有邊界工作」與「無邊界工作」。有邊界任務存在完成節點。一旦某個簡單流程被自動化到足夠好的程度，買方就會轉向最便宜的「夠用」模型。

無邊界任務則會持續獎勵更多的智能。軟體工程可以測試更多方案、更快交付；投資與交易團隊可以不斷尋找超額收益，額外一單位智能帶來的邊際價值並不遞減。AI 實驗室則不斷把算力投向下一代模型，以追求 AGI。據報導，Anthropic 和 OpenAI 約把自身 60% 的算力留給內部 AI 訓練。

正是這些負載支撐了前沿算力的稀缺性，因為在額外投入智能這件事上並不存在飽和點。

2. 前沿需求強勁但高度集中

我們的觀點是，前沿需求集中在極少數開放式用途上，例如軟體工程、投資與交易，以及 AI 研發本身。

這種集中是雙向的。看多的一面在於滲透空間仍然很長，AI 的採用遠未均勻鋪開；風險的一面在於，當下的需求在下行時同樣會形成反身性。

3. 更便宜的智能，創造的需求必須大於它摧毀的

中國開源模型以及更廣泛的模型競爭正在壓低智能的成本，這是一個結構性且不可逆的趨勢。

對有邊界任務而言，這帶來直接的替代風險。更小的模型或開源模型追上來，買方開始優化成本，前沿模型的溢價隨之收窄。

價格下降也會擴大使用量。這裡的賭注在於，這種「傑文斯式」反應足夠強，使付費消費的增長快於價格下跌。如果代幣價格下跌 50%，而付費使用量上升 40%，那麼在計入新增產能之前，收入仍會降到起點的 70%。

這就是為什麼只看代幣總消耗量的增長還不夠。幸運的是，目前的數據與傑文斯式反應相符：更便宜的智能打開了新用途，智能體運行更多步驟，每個工作流也能消耗更多代幣。

來源：Silicon Data，經 a16z 整理。

4. 這個周期在兩個方向上都具有反身性

上行周期是自我強化的：更高的代幣支出改善模型與產品，從而吸引更多收入和資本；這些資本又為更多的代幣支出和工廠建設提供資金。

同樣的循環也可以反向運轉，尤其在需求高度集中時。需求或融資的衝擊會削減代幣預算，或者僅僅是產能增長導致利用率下降。收入與估值走弱隨後限制融資渠道，促使 AI 公司採取更謹慎的預算、削減內部訓練開支，把更多算力資源推向市場。利用率下滑可能觸發晶片賣方和超大規模廠商的承諾義務，進而拖累其市值。考慮到這些公司的體量與重要性，影響還可能擴散至更廣泛的市場，進一步削弱需求和融資能力。

最先出現的壓力可能來自客戶高度集中、且加了槓桿的新型雲廠商：它們擁有工廠，也背負債務。

我們的基準情形是，需求還將比供給增長快兩到三年。但關鍵問題在於，哪些早期跡象會預示拐點。

先從最老的 GPU 看起。當供給追上來時，它們應當是最先失去溢出需求的。其次觀察加槓桿的新型雲廠商的利息支出占收入比重。負擔上升意味著融資成本的增長快於收入。

最後，跟蹤這兩個趨勢惡化的速度。老 GPU 經濟性下滑更快，或利息負擔上升更陡，都可能在整體利用率數據之前發出拐點信號。新型雲廠商能否以快於債務在高利率下滾動續作的速度，上調算力價格？

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。