四川
此前一眾硅谷科技企業扎堆推崇人工智能，全公司貫徹 AI 優先發展策略，員工使用人工智能的頻次，一度成為評判工作優劣的重要標準。
短短一年時間，行業風向迎來巨大轉折，多家頭部企業接連收緊 AI 相關投入。
微軟下達硬性規定，工程師需要在限定日期停用第三方代碼工具，改用自研產品。究其根源，第三方工具使用成本居高不下，個別高頻使用者每月花銷數額驚人，甚至超過基層技術人員薪資。
除此之外，人工智能生成代碼的后續維護開銷偏高，前期節省的成本，往往要在后期投入更多資金修補漏洞。
Uber 早早敲定年度 AI 投入預算，僅四個月就將資金消耗一空。
高管短暫的產品演示，就能產生高額開銷，持續投入之后，企業訂單與運營成本卻沒有出現理想變化。
亞馬遜推出的 AI 使用排行，催生不少投機行為，部分員工編寫腳本空跑 AI 程序刷取數據，白白消耗大量資金，巨額投入只換來注水的數據報表。Meta 也收緊 Token 使用額度，想要超額使用，必須經過管理層專項審批。
曾經備受追捧的人工智能，慢慢變成不斷消耗資金的吞金項目。
各大企業復盤資金賬單后，AI 行業潛藏的收益弊端徹底顯露。
下游企業持續加碼 AI 研發落地，絕大多數資金最終流向上游芯片與存儲廠商。下游企業投入越多虧損越多，上游供應鏈企業依托硬件資源穩穩獲利。
高端算力硬件市場高度集中，頭部芯片廠商手握定價主導權，產品售價持續上調，現貨供貨周期拉長，存量產能早早被各大企業預定。
配套存儲產品價格同樣一路走高，廠商盈利空間十分可觀。市場恐慌情緒進一步推高采購熱潮，科技企業為避免技術落后只能被動高價囤貨，持續拉高自身運營開支。
微軟近年大額增加資本開支，資金大多用于采購硬件搭建算力機房，核心業務增速卻不及市場預期，營收很難覆蓋高昂的算力采購成本。
行業收益與風險嚴重錯配，落地 AI 項目的企業獨自承擔全部經營風險，上游硬件供應商不受項目盈虧影響。
這一模式和早年淘金經濟高度相似，淘金者投入本錢直面虧損風險，售賣工具的商家穩賺收益。
不少頭部 AI 研發企業常年大額虧損，營收難以填平前期投入，想要實現正向現金流還要持續投入巨額資金，一旦融資遇阻或是技術落地不及預期，企業發展便會陷入停滯。
但硬件廠商不受影響，企業只要開展模型訓練和產品運營，就需要持續采購硬件，下游行業熱度越高，上游營收體量就越大。
行業集體壓縮開支，意味著人工智能正式告別盲目擴張的泡沫階段，邁入務實的價值核算周期。
過往市場普遍看好 AI 的發展潛力，認定它會復刻互聯網的崛起路徑，實際落地之后才看清二者商業模式有著本質區別。
互聯網依托存量數據完成信息分發，用戶體量提升帶來的邊際成本極低，企業可以依靠免費引流完成商業化變現。
人工智能需要即時運算生成內容，每一次交互都會產生實打實的算力、電力開銷，服務無法復用已有計算資源，天然很難實現低成本普惠運營，也是上下游盈利分化的關鍵誘因。
接下來 AI 行業會開啟新一輪行業洗牌，無法實現投入產出平衡、不能落地實用價值的企業會逐步出局，聚焦實體需求、創造落地收益的從業者才能站穩腳跟。
只要高端算力資源的集中格局得不到改變，上游穩賺、下游虧損的行業難題就很難從根源化解。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
