紅杉資本｜最新關於AI的五大預測：從賣鏟子的生意，到AI工廠

很多人愛說，“人工智慧是第四次工業革命”。口號聽得多了，有些隱藏價值好像更容易被忽視。

當AI2C還充斥著喧囂和泡沫的時候，更多的資本還是悄悄流向了醫療醫藥、製造業、硬科技、新材料、新能源……

看到紅杉中國、高瓴等幾個國內機構上半年的投資事件，人工智慧佔比很小。純AI應用、To C產品的被投數量，幾乎可以忽略不計。

然而再仔細一看，很多拿了大錢的製造業、新能源等等公司，背後都有不可忽視的AI的影子。甚至往深了扒，錢，都用在了資料、算力相關基礎設施的建設上。

看到紅杉最新發佈的預測文章，對AI時代的“水電煤”，以及相關成本問題做了詳細探討。

新技術誕生後，最開始、最熱鬧的一定是“炒作周期”裡的紛紛擾擾，緊接著稍稍降溫以後，必然需要向“工業驅動建設周期”去過渡，再之後可能才是多點開花、全面繁榮的“廣泛應用周期”。

AI is Now Shovel Ready. Enjoy! 👇

本文將重點討論成本問題。特別是將重點關注資料中心的建設、“人工智慧工廠”的崛起，及其對能源、建築和工業供應鏈的影響。

我們認為 2025 年將是“資料中心之年”，我們正處於從炒作周期向工業驅動建設周期過渡的風口浪尖。

以下是5點預測，然後我們進入詳細討論：

1. 人工智慧將催化「能源轉型」。新的太陽能建築、電池創新、核能復甦——這些將是人工智慧浪潮的長期影響。

2. 一些超大規模企業會發現，他們不夠靈活，無法滿足快速變化的資料中心需求——新的「工業人工智慧」參與者將出現來填補這一空白。

3. 從未來 6 個月開始，由於液體冷卻、叢集規模和電源接入問題，「資料中心建設」將出現大量延遲。

4. 建設新的人工智慧資料中心所需的工業能力，將起到刺激經濟的作用，並在實體經濟中創造就業機會：鋼鐵、能源、卡車運輸和建築。

5. 當新的資料中心容量上線時，AWS、Azure 和 GCP 提供的訓練和推理成本將會下降，這對初創公司有利。

與人工智慧未來的重大技術未知數相比，這裡有一線清晰的跡象：我們可以開始規劃 2-3 年的工業擴張期。我們已準備好預期的達成，看到各大公司開始動工。

以下是去年宣佈的新資料中心項目的摘要——我們認為這些項目的建設現在將會加速：

• 亞馬遜：2024 年上半年，AWS 宣佈了 500 億美元的新資料中心項目，其中包括216 棟新建築。總體而言，亞馬遜已承諾在未來 15 年內投資1000-1500 億美元。最近的承諾包括：在印第安納州投資 110 億美元建設園區，在密西西比州投資 100 億美元建設兩個園區，在沙烏地阿拉伯投資 53 億美元建設新資料中心，在賓夕法尼亞州塞勒姆附近建設新的核動力資料中心，在德克薩斯州朗德羅克附近規劃建設新的資料中心，以及在日本投資 150 億美元。德國、台灣和新加坡也在考慮建設新項目。

• 微軟：微軟目前擁有 5GW 的能源容量，據報導，2024 年新資料中心建設將增加一倍。最近宣佈的包括：威斯康星州芒特普萊森特33 億美元、印第安納州西北部10 億美元、喬治亞州弗洛伊德縣10 億美元、法國43 億美元、德國35 億美元、英國32 億美元、瑞典32 億美元、西班牙21 億美元、馬來西亞22 億美元、印度尼西亞17 億美元、肯亞10 億美元以及墨西哥的新資料中心。有報導稱，星際之門資料中心的投資額為 1000 億美元，但尚未得到證實。

• Google：Google是三家雲提供商中規模最小的，而且差距很大。GCP 長期以來一直宣稱它更適合 AI 公司。現在，這一說法正在接受考驗。Google正在印第安納州建設一個價值 20 億美元的新資料中心，在密蘇里州堪薩斯城建設一個價值 10 億美元的資料中心，在芬蘭建設一個價值 11 億美元的資料中心，在愛荷華州錫達拉皮茲建設一個價值 5.76 億美元的資料中心。Google還面臨著在某些站點擴展自己的 TPU 叢集的額外挑戰。

• Meta：Meta 不經營雲業務，但一直在擴大其資料中心容量以支援 Llama 和其他內部 AI 計畫。Meta 最近宣佈，它已積累了35 萬個 H100 GPU，而其總 H100 數量為 60 萬個。該公司還宣佈了兩個專門用於Llama 3 訓練的 24k GPU 叢集。Meta 正在籌建四個新的資料中心，包括愛達荷州庫納、德克薩斯州坦普爾、愛荷華州達文波特和懷俄明州夏延。

正在發生的事情的工業規模是巨大的。這些聲明代表了每代人都會發生一次或兩次的工業規模擴大。重要的是要瞭解即將到來的挑戰有多麼獨特，以及有多麼緊迫。

有大量能源項目需要接入電網。即使有了更快的互連，我們也需要更多的電力來支援所有這些新的資料中心。需要增加發電能力，主要是太陽能和風能，我們需要創造性地利用現有的能源資源。

這些電力限制在弗吉尼亞州、內華達州和加利福尼亞州等“主要”資料中心市場尤其嚴重。因此，許多較新的發展都發生在懷俄明州、印第安納州、愛荷華州和伊利諾伊州等“次要”市場。在人工智慧出現之前，對更多電力和更好運行的電網的需求就已經很明顯了。現在，它變得迫在眉睫。

其他技術問題也比比皆是：下一代 Nvidia 晶片將需要液體冷卻，而目前液體冷卻供應鏈出現短缺。柴油發電機需要等待兩年。叢集規模達到前所未有的水平：埃隆·馬斯克宣佈了一個300k GPU 叢集。模型變得如此之大，它們最終可能需要在跨多個資料中心的分佈式叢集上進行訓練。鋰離子電池已成為新資料中心建設的主要材料；人們正在考慮採用新方法來進一步降低成本並增加容量。

超大規模資料中心營運商以在建設資料中心時嚴謹的營運而聞名，但這一波新建設浪潮將考驗他們最好的團隊。預計超大規模資料中心營運商之間的結果將有所分佈——這裡會有贏家和輸家。

新的工業人工智慧參與者將有機會填補任何營運空白。Equinix、Digital Realty 和 CyrusOne 等現有市場參與者正在經歷“需求衝擊”——他們要麼會加快步伐並從中受益，要麼會將市場份額拱手讓給新進入者。

預計 2025 年會出現很多關於資料中心建設延遲的頭條新聞。同時，也會出現一些意想不到的重大成功。當我們離開位元領域進入原子領域時，一套新的技能就會發揮作用，而嚴謹的營運就變得至關重要。

正如我們在 SpaceX 和特斯拉身上看到的那樣，在這些混亂、快速變化的環境中蓬勃發展的公司類型並不總是現有的公司。強大的領導力和敏捷性在複雜變化的時刻會帶來最大的回報。

人工智慧工業化階段應該會產生真正的經濟刺激效應，特別是在經濟中急需它的領域。受益者將包括工業供應鏈中的零部件製造商、建設太陽能和風能等新一代資產的能源公司、核反應堆營運商等。

例如，本周我們將參觀西弗吉尼亞州的一家電池廠，該工廠正在一座舊煤電廠的舊址上建設。在短期內，與矽谷一小群設計模型的研究人員相比，建築和工業勞動力可能會帶來更多的就業增長。

所有這些增長是如何融資的？大多數情況下，大型科技公司都在資產負債表外部署資本。七巨頭目前約佔標準普爾 500 指數的 30%，它們部署資本的規模和速度令人驚嘆。

金融公司也參與其中，產生額外的槓桿。許多私募股權公司樂於為建設和 GPU 購買提供前期資本，以換取微軟的欠條和合理的收益。

歸根結底，我們將擁有大量 AI 工廠。

至於是否有足夠的需求來滿足這些需求，我們目前還不知道。至少，訓練和推理成本應該會繼續下降，這對初創公司來說是一個福音。 (AI異類弗蘭克)