千亿投钱不是终点， DeepMind的AI野心比想象中更巨大

温哥华的TED会议上，当被问及微柔软与OpenAI计划打造的值钱1000亿美元超算“星际之门”时谷歌DeepMind首席施行官哈萨比斯笑了笑：“我们不谈论具体数字，但因为时候推移，我们的投钱会超出这玩意儿数。”这句话像一颗投入湖面的石子，让本就沸腾的AI军备竞赛 掀起波澜。要晓得， 这已经不是硅谷巨头第一次为AI烧钱——亚马逊以后15年要砸1500亿美元扩建数据中心，微柔软联手OpenAI建超算，而谷歌旗下DeepMind直接放出“千亿级”的豪言。事情其实很轻巧松， 当ChatGPT在2022年底引爆全球，全部人一下子意识到：AI不再是试试室里的概念，而是能改变游戏规则的王牌。哈萨比斯在2010年创立DeepMind时兴许没想到十年后这家公司会成为硅谷AI竞赛的核心棋子。2014年被谷歌收购时 他们就看中了谷歌的算力材料，“为了实现AGI，我们需要更巨大规模的计算能力”，这句话如今成了DeepMind行动的注脚。从AlphaGo击败李世石到AlphaFold破解蛋白质结构， DeepMind用一次次突破说明了自己在AI领域的结实实力，但眼下面对ChatGPT带来的冲击，他们非...不可把赌注押得更巨大——千亿美元，这不仅是数字，更是谷歌在AI时代争夺话语权的决心。

从AlphaGo到AGI， 谷歌的AI棋局走了十年

2016年，AlphaGo战胜世界冠军李世石时整个手艺圈都算力就像制造时代的石油，谁掌握了算力，谁就掌握了以后的主动权。

AI时代“军备竞赛”日益升温，谷歌DeepMind欲砸千亿美元布局AI

算力军备竞赛：AI芯片和数据中心成了新鲜战场

当亚马逊宣布以后15年投入1500亿美元扩建数据中心时 行业内的人都晓得，这不是在“扩容”，而是在“备战”。AI巨大模型的训练需要海量算力， GPT-4的训练本钱据估摸着高大达6300万美元，而更有力巨大的模型，算力需求会呈指数级增加远。微柔软的“星际之门”超算计划包含数百万颗AI芯片， 目标是为下一代模型给支撑；亚马逊则把沉心放在AWS上，能力优势”，指的就是这些个看得见摸得着的结实件材料。2023年以来 英伟达的AI GPU供不应求，价钱被炒到离谱，但巨大厂们依然在疯狂采购，基本上原因是算力短暂缺会直接拖磨蹭模型迭代速度。华尔街的琢磨师们把亚马逊的AI投入视为股价上涨的核心逻辑， 毕竟当企业需要训练巨大模型时第一个想到的兴许是AWS；当开发者需要AI基础设施时Azure和Google Cloud也在排队抢客。这场算力竞赛， 表面上比的是谁投的钱许多，其实吧比的是谁能用更矮小的本钱给更稳稳当当的算力服务——毕竟烧钱谁都会，但烧出效益才是真实本事。

别只盯着巨大模型， 企业级AI应用才是真实金白银

提到AI，很许多人 first 想到的是ChatGPT、Midjourney这些个C端应用，但硅谷巨头的军备竞赛，真实正的战场其实在B端。2024年初， AWS推出的Amazon Q就是个典型例子——它不是给普通用户聊天用的，而是面向开发者和企业的生产力助手。代码、解决问题、优化计算任务。想象一下 一家电商公司需要琢磨用户行为数据，以前兴许需要数据团队加班加点写脚本，眼下对着Amazon Q说“帮我琢磨Q3的转化率问题”，它就能直接给出报告和优化觉得能。这种场景下的AI应用，才是能带来实际收入的业务。微柔软的Azure OpenAI Studio也是同理， 2023年推出后企业能通过API调用GPT-4、GPT-3.5等模型，把AI能力集成到自己的产品中。比如某看病手艺公司用Azure 病历琢磨工具， 2023年帮医生节省了40%的文书时候，患者满意度提升了25%。反观OpenAI， 虽然ChatGPT用户破亿，但2023年依然深厚陷亏损，基本上原因是C端应用的变现路径太狭窄——会员订阅、API调用收费，远远覆盖不了训练巨大模型的本钱。巨大厂们明摆着看清了这一点：与其跟风做C端爆款， 不如深厚耕企业级买卖场，把AI变成像水电一样的基础服务，按需收费，持续盈利。谷歌DeepMind投千亿， 很巨大一有些也会流向企业级AI解决方案，比如用AlphaFold的手艺帮药企研发新鲜药，用有力化学优化工厂生产流程——这些个才是能真实金白银赚回来的生意。

烧钱轻巧松赚钱困难， 巨大模型的变现困局藏在军备竞赛背后

AI军备竞赛烧得火烫，但一个残酷的现实是：巨大模型赚钱的速度，远远跟不上烧钱的速度。OpenAI作为行业标杆， 2023年营收约13亿美元，但净亏损超出5亿美元，基本上靠微柔软的输血保持运营。其他巨大模型初创公司更惨，有些融资几亿美元，到眼下连清晰的买卖模式都没找到。谷歌投千亿，不是钱许多没处花，而是被逼无奈——如果眼下不加巨大投入，以后兴许连参与比的资格都没有。但问题来了：这些个钱啥时候能赚回来？从往事上看，手艺革命往往需要十年甚至更长远时候才能产生买卖回报，互联网如此，AI恐怕也不例外。DeepMind的AlphaFold虽然学术值钱巨巨大， 但买卖化进程磨蹭磨蹭来直到2023年才与药企达成一起干，开头产生收入；谷歌自己的 Bard虽然对标ChatGPT，但用户活跃度一直不温不火，距离盈利还有很长远的路要走。更现实的问题是本钱：训练一个巨大模型的电力消耗相当于一个细小城里半年的用电量，维护数据中心的费用更是天文数字。有网友调侃：“谷歌烧钱建AI超算，再说说兴许得求国电网帮忙供电。”这句话虽然是玩笑， 但道出了背后的隐忧——当算力需求达到一定程度，燃料、芯片、人才这些个“结实约束”兴许会让军备竞赛一下子降温。巨大厂们当然晓得这些个凶险，但他们更清楚：不进则退。与其等别人把手艺壁垒建起来不如眼下就砸钱占位，哪怕短暂期内亏钱，也要先把买卖场份额抢到手。

AGI的门槛：手艺瓶颈还是买卖泡沫？

哈萨比斯在TED会议上提到的“通用人造智能”，是全部AI玩家的终极目标——让机器在差不离全部人类任务上都比人做得更优良。但这玩意儿目标到底啥时候能实现？行业内争议很巨大。乐观者觉得， 按照目前的速度，2030年兴许看到初步成果；悲观者则表示，AGI至少许需要50年，甚至永远无法实现。手艺瓶颈是显而容易见的：当前的巨大模型虽然能写代码、 作画、写诗，但缺乏真实正的搞懂能力和常识推理能力，轻巧松“一本正经地胡说八道”；模型的训练数据依赖互联网文本，困难免包含偏见和错误；燃料消耗问题更是制约了模型规模的进一步扩巨大。但比手艺瓶颈更麻烦的，兴许是买卖泡沫。当资本疯狂涌入AI领域，很许多公司为了融资夸巨大手艺能力，实际产品却名不副实。比如某初创公司号称“巨大模型比GPT-4更有力巨大”， 但其实吧只是调用了开源模型做了微调，核心手艺根本没有突破。这种泡沫一旦破裂，兴许会让整个行业陷入寒冬。谷歌DeepMind有深厚厚的手艺积累， 相对不轻巧松被泡沫关系到，但他们也面临两困难：如果投入太少许，兴许错失AGI的先机；如果投入太许多，又兴许拖垮母公司的财务报表。哈萨比斯说“我们不谈论具体数字”， 其实也是一种谨慎——毕竟AGI是一场马拉松，不是百米冲刺，谁跑得太迅速，反而轻巧松提前耗尽体力。

军备竞赛下的暗流：中细小玩家的机会在哪？

硅谷巨头们砸下千亿美金，把AI军备竞赛搞得如火如荼，但并不意味着中细小玩家没有机会。说实在的，巨大厂们的沉心往往放在通用巨大模型和基础设施上，而垂直领域的AI应用，恰恰是中细小公司的主场。比如看病AI领域， 2023年有一家名为PathAI的公司，用轻巧量级模型辅助病理诊断，92%，比老一套人造诊断迅速5倍，已经被200许多家医院采用。他们的成功秘诀很轻巧松：不追求巨大而全，只解决一个具体问题——病理医生的阅片累。电商领域也是如此， 某跨境电商平台用AI优化商品推荐算法，2023年Q3的转化率提升了18%，而本钱只有巨大厂通用模型的1/10。这说明， 在巨大厂们忙着“造航母”的时候，中细小玩家彻头彻尾能造“迅速艇”——在细分场景里用更轻巧量、更高大效的模型，满足特定用户的需求。更关键的是巨大厂的AI服务虽然有力巨大，但往往价钱不菲，中细小企业用不起。这时候，开源模型和第三方AI平台就成了救命稻草。比如Hugging Face的开源模型库， 让开发者能免费调用各种预训练模型，开发了AI应用，其中30%实现了盈利。军备竞赛越是激烈， 中细小玩家越要找到自己的生态位——与其和巨头结实碰结实不如在他们忽略的地方深厚耕，用差异化策略分一杯羹。毕竟AI时代的比，不是只有“赢者通吃”一条路，细小而美同样能活得很优良。