一年烧掉6000亿美元也要打：为什么巨头们在AI上不能停手

当所有人都在问“AI是不是泡沫”，硅谷巨头却在把赌注越压越大。NVIDIA、微软、谷歌一年砸下数千亿美元，明知模型迅速贬值、价格飞速下滑，为什么还要继续？这不是疯狂，而是一场谁先眨眼谁出局的战争。

6000亿美元的账，为什么怎么算都不划算？

David Kahn 抛出的“AI 6000 亿美元问题”之所以刺耳，是因为它把一件大家心里都明白、却不愿细算的事摊在了桌面上：按照 NVIDIA 预期的营收规模，仅仅为了回本，整个 AI 生态需要创造约 6000 亿美元的收入，而现实是——我们至少还差 1000 亿美元。

更残酷的是，这个窟窿还在变大。每一代更强的模型，都意味着数量级增加的训练和推理成本。与此同时，模型能力并不是线性增长，而是越来越接近“效率前沿”：再多算力，带来的边际收益却越来越小。从财务视角看，这几乎是一个注定难以自洽的故事。

真正的恐怖不是烧钱，而是“不敢停”

Sarah Tavel 点破了一个关键事实：这不是一场可以中途退出的比赛。对微软、谷歌这样的“全栈玩家”来说，AI 是典型的“不能眨眼”的博弈。

逻辑很简单，也很残酷：如果最终只会出现极少数赢家，而赢家的市场上限几乎无限，那么理性的策略只有一个——不断加注。谁先停，谁就等于把筹码送给还在桌上的对手。

这也是为什么华尔街在 AI 面前，不得不放弃传统的估值模型，转而像 VC 一样思考：不是算确定回报，而是押一个通往全新经济范式的概率。问题不在于“现在值不值”，而在于“万一你没上车，会失去什么”。

模型越强，反而越不赚钱？LLM 的致命悖论

如果你觉得这已经够难了，还有一个更反直觉的现实：大模型可能是人类见过“贬值最快”的技术。

GPT-3.5 在 2022 年 11 月发布时，1，000 token 的价格是 2 美分；一年多后，价格只剩下原来的 2.5%。当模型被下一代“跳跃式”超越，它的定价权几乎瞬间归零。

这意味着什么？任何一次对 LLM 的巨额投资，都会被下一代模型迅速折旧。但你又不能跳过中间版本——因为通往理想化 AGI 的路，注定要踩过无数“几乎不值钱”的模型版本。这不是商业教科书里的投资曲线，而是一场完美风暴。

真正的赢家，可能不是台面上的巨头

故事的转折点在这里。Sarah 在结尾提醒我们：别只盯着账面亏损，看看外溢效应。

激烈竞争正在把算力和模型能力的价格打到历史最低，产能却以前所未有的速度扩张。结果是——独立开发者第一次可以不靠风投，拼凑出过去不可能存在的应用；创业公司得以实验全新的人机交互范式；而大型企业，哪怕踩了无数 PoC 的坑，也终于重新看到“技术真的能改变运营方式”的可能。

从这个角度看，巨头烧掉的钱，并没有消失，而是变成了整个生态的“公共基础设施”。

总结

这场 AI 军备竞赛，短期看几乎无法用 ROI 解释，但长期看，它更像是在为一个尚未成型的新经济体系铺路。对从业者而言，关键不是判断巨头烧钱对不对，而是看清一个事实：模型会快速贬值，但能力会持续外溢。最好的策略，可能不是去赌谁会赢下 AGI，而是利用这轮价格塌缩和能力泛化，尽快把“原本做不了的事”变成产品。真正的问题是：当算力和智能变得前所未有地便宜时，你准备拿它做什么？

关键词： 大语言模型， AI泡沫， 算力竞争， 通用人工智能， AI应用

事实核查备注： 需要核查的关键事实包括：David Kahn 提出的“AI 600 billion question”具体表述；NVIDIA 2024 年 Q4 1500 亿美元营收 run rate 的来源；GPT-3.5 从 2 美分/千 token 降至原价 2.5% 的时间跨度；GitHub Copilot 被称为微软多亿美元收入线的公开说法；Sarah Tavel 文章的原始发布时间。