Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

高级版:人工智能泡沫黑粉指南 第二卷

Posted on 2025-11-15

怀亚--1.jpeg

我们正接近人工智能泡沫中最荒谬的阶段,每天都有新的、令人不齿的奇葩新闻出现。正如我本周早些时候报道的那样, OpenAI在2024年至2025年9月期间在推理方面投入了124亿美元,其与微软的收入分成比例表明,OpenAI在2024年的收入至少为24.69亿美元( 此前有报道称OpenAI在2024年的收入为37亿美元)。据我所知,唯一缺失的收入是微软在Azure上销售OpenAI模型时与OpenAI分成的20%,以及微软从Bing搜索结果中支付给OpenAI的分成。

然而,已公布的数据与我查阅的文件之间存在着巨大的差距。 尽管有报道称OpenAI在2025年上半年实现了43亿美元的收入,而“收入成本”仅为25亿美元,但我所看到的数据显示,OpenAI同期在推理(即使用模型生成输出的过程)上花费了50.22亿美元,并且至少获得了22.735亿美元的收入。当然,我做了大胆的估计,但我实在找不到任何解释来说明这些差距。

我也找不到任何解释, 为什么Sam Altman会在2025年8月说OpenAI“在推理方面实现盈利” ,也找不到OpenAI如何在2025年底达到“200亿美元的年化收入” ,更找不到OpenAI今年如何“远超”130亿美元的收入。或许OpenAI今年有30天左右的时间能达到16.6亿美元的收入(也就是200亿美元的年化收入),但即便如此,也达不到其既定的收入目标。

就在我发表那篇文章的同一天,有人发布了一段微软首席执行官萨蒂亚·纳德拉的视频片段,他在被问及人工智能实验室最近的收入预测时说了这样一番话:

“你指望一个试图筹集资金的独立实验室做什么?他们必须公布一些数据,这样才能真正筹集到资金,从而支付计算费用。”

我不知道萨蒂亚会不会胡编乱造?不会夸大其词?要求这些公司做出符合现实的预测,而不是迎合投资者的口味,这要求过分吗?或者,要求他们做出一些只会强化“必然性”神话、却与现实背道而驰的预测?

我明白在任何投资场景中,你都想讲述一个故事,但是一家市值 3.8 万亿美元的公司的 CEO 竟然坐在那里说“你指望他们怎么做,说实话吗?他们需要钱来支付计算费用!”这简直太可耻了。

不,我不认为公司应该做出过高的营收预测,也不认为微软CEO鼓励这种做法是好事。我还要认真地问问纳德拉,他为什么认为这种情况正在发生,以及他具体指的是谁,因为微软对OpenAI目前的财务状况和未来发展趋势有着非常深入的了解。

然而,由于纳德拉是在泛泛而谈,这可能指的是 Anthropic 公司,而且这似乎也说得通,因为 Anthropic 公司刚刚收到了来自The Information和 《华尔街日报》的几乎相同的关于其成本的文章。《The Information》称 Anthropic 公司“预计最早在 2027 年就能实现正自由现金流”,《华尔街日报》则称 Anthropic 公司“预计在 2028 年实现收支平衡”。这两篇文章都引用了 OpenAI 和 Anthropic 公司基于今年夏天分享的“文件”或“投资者预测”的现金消耗预测。

两篇文章都关注自由现金流,都关注收入,并且都指出 OpenAI 的支出远高于 Anthropic,而 Anthropic 正在走向盈利。

该信息还包括一张图表,涉及 Anthropic 当前和预​​计的毛利率,该公司到 2028 年的毛利率将达到 75%。

这一切究竟是怎么发生的?似乎没有人知道!

据《华尔街日报》报道:

届时,Anthropic 的运营效率将大幅提升。该公司预计,到 2026 年,其现金消耗率将降至营收的三分之一左右,而 OpenAI 的这一比例为 57%。Anthropic 的现金消耗率在 2027 年将进一步降至 9%,而 OpenAI 的现金消耗率则保持不变。

…啊啊啊啊啊啊????

我是认真的!怎么做到的?

该信息试图回答以下问题:

据一位员工和另一位了解公司计划的人士透露,Anthropic 的领导层声称,该公司使用三种不同类型的 AI 服务器芯片——分别由英伟达、谷歌和亚马逊制造——有助于其模型更高效地运行。其中一位人士表示,Anthropic 会根据每款芯片的优势分配任务。

真是这样吗?有数据支持吗? 因为《商业内幕》刚刚发表了一篇文章,报道了一些初创公司的文件,声称亚马逊的芯片存在“性能挑战”、“服务频繁中断”以及“延迟低于”NVIDIA H100 GPU,导致其在速度和成本方面“竞争力下降”。一家初创公司“发现,在某些工作负载下,NVIDIA较早的A100 GPU的成本效益比AWS的Inferentia 2芯片高出三倍”,而一个名为AI Singapore的研究机构“也得出结论,配备NVIDIA GPU的AWS G6服务器在多种应用场景下都比Inferentia 2具有更高的性价比”。

我并不是想贬低《华尔街日报》或《信息报》,因为它们都在报道它们所看到的情况,我只是希望那里有人能更大声地问一句“嗯,这是真的吗?”或者“他们真的会这么做吗?”,或许可以引用一些之前写过的报道。

例如, The Information 报道称,Anthropic 在 2023 年 12 月的毛利率在 2024 年 1 月为 50% 至 55% ; CNBC 在 2024 年 9 月表示,Anthropic 在 2024 年 9 月的“综合”毛利率将为 38%; 然而,根据 The Information 在 2025 年 11 月的报道,Anthropic 2024 年的毛利率实际上是负 109% (如果只关注付费客户,则为负 94%) 。

事实上,Anthropic 的毛利率似乎一直在变化。2025 年 7 月,《The Information》援引消息人士的话称,“Anthropic 最近告诉投资者,其通过直接向客户销售人工智能模型和 Claude 聊天机器人实现的毛利率约为 60%,并正朝着 70% 迈进”,然而几个月后(在他们 11 月的文章中),Anthropic 2025 年的毛利率却只有……47%,2026 年将达到 63%。这到底是怎么回事?

我并非有意贬低这些媒体。所有媒体都根据他们获得的文件或消息来源进行报道,而且你写的任何文章都存在情况可能发生变化的风险,就像任何商业活动一样,情况总是在不断变化。话虽如此,“38%”和“ -109%”的毛利率之间的差距实在太大了,这表明Anthropic公司向投资者透露的信息(我猜是这样)要么变化太快以至于给出具体数字很愚蠢,要么就是为了假装公司运营正常而临时编造的。

我再简单说一下:人工智能泡沫似乎很大程度上是靠感觉撑起来的,我有点担心媒体有点过度吹捧了。这些公司还没有拿出任何实质性的成果,现在是时候有人对我们所处的境地做出坦诚的评估了。

坦白说,这篇文章有很多地方都是为了发泄情绪,因为我感到很沮丧。

我敢保证,当这一切崩塌时,肯定会有很多初创公司公然向媒体撒谎,而且在某些情况下,他们的撒谎方式既显而易见又厚颜无耻。相比之下,OpenAI 和 Anthropic 这两家据称估值数十亿美元的公司,受到的质疑要多得多。它们似乎总是带着一种冷漠的自信改变说法,仿佛它们知道除了“哇, Anthropic 公布了新的估值!”之外,没人会认真阅读或深入思考他们 CEO 的言论。

所以我打算尽我所能,一次性写完所有主要的AI公司。我会收集所有能找到的资料,并对它们的业务、现状、收入、融资情况,以及我对它们的其他任何看法,做出坦诚的评价。

说实话,我觉得我们快要走到尽头了。 《The Information》最近发表了一篇我迄今为止在泡沫经济中见过的最令人沮丧的引述之一:

一些研究人员正试图利用投资者对人工智能的浓厚兴趣。据与他们交谈过的人士透露,他们告诉一些投资者,由于对人工智能成本和收益的担忧日益加剧,他们决定现在就筹集大量资金,而不是等待并承担资本市场波动的风险。

嘿,刚才那是什么?什么“对人工智能成本和收益日益增长的担忧”?什么“资本转移”?这些该死的公司当面告诉你,他们知道人工智能没有可持续的商业模式或好的应用场景,而你却把它打印出来,还他妈的竖起了大拇指。

到了这个地步,你怎么可能不感到厌恶?这个行业令人作呕,其产品充其量只能算小众或毫无用处,成本高得不可持续,未来更是充满灾难和厄运。

这是《人工智能泡沫黑粉指南》第二卷——今年早些时候出版的《人工智能泡沫黑粉指南》的高级续集——我将最终澄清一个尚未证明其价值的炒作周期,逐个行业、逐个公司地分析重要公司的财务状况、相对成功和潜在未来。

让我们开始吧。

原文: https://www.wheresyoured.at/premium-the-haters-guide-to-the-ai-bubble-vol-2/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme