这篇文章探讨了AI行业的经济模式不可持续,指出当前AI热潮存在泡沫,并分析了OpenAI等公司的财务状况及行业风险。作者还提供了关于NVIDIA、Anthropic等公司的详细分析,认为AI并非"大而不倒"。

AI的经济学困境：一场不可持续的豪赌

核心问题：订阅模式与真实成本的脱节

• GitHub Copilot的定价变革：微软宣布从2026年6月起将Copilot从固定订阅改为按实际模型使用量计费，用户每月支付的费用（如19美元）将直接兑换为等值代币。此前，微软平均每月为每位用户补贴超过20美元，部分用户甚至让公司月亏80美元。
• 行业普遍现象：OpenAI、Anthropic等AI公司长期以远低于成本的订阅价格提供服务，用户每月支付20-200美元即可无限制使用高算力模型，而企业实际承担的代币成本可能高达订阅费的8-13.5倍。例如，Anthropic的Claude Code服务中，企业用户平均每日消耗13-30美元，年成本可达3000-7500美元/人。

经济学悖论：为何商业模式不可持续？

1. 算力成本黑洞：

   • 大型语言模型（LLM）的推理成本极高，且新型“推理模型”消耗的代币更多。例如，Claude Opus 4.7每百万输入/输出代币分别收费5美元和25美元，而处理5万行代码就可能消耗百万代币。
   • 企业无法通过订阅费覆盖动态算力支出。用户行为差异巨大：有人偶尔提问，有人上传海量文档或重构代码库，导致成本波动无法预测。

2. 数据中心的财务陷阱：

   • 建设一个100MW的AI数据中心需投入44亿美元（其中GPU占27亿美元），假设全年满负荷运行，年收入约10.6亿美元，但扣除电力、运维、折旧和贷款后，毛利率仅5.19%。若利用率不足，亏损将加剧。
   • 典型案例：Oracle为OpenAI建造的Stargate Abilene数据中心（1.2GW）需投入528亿美元，预计年收入75亿美元。但若OpenAI无法按计划在2030年前筹集852亿美元支付算力费用，Oracle可能因债务崩盘。

3. 需求泡沫：

   • 目前全球在建的15.2GW AI数据中心需1568亿美元年收入支撑，而核心客户（OpenAI、Anthropic）尚未盈利。OpenAI 2026年预计亏损50亿美元，2030年累计亏损或达8520亿美元。

行业乱象：欺骗性营销与用户反噬

• 误导性定价：企业刻意隐藏代币消耗，让用户误以为AI服务廉价高效。例如，GitHub用户发现原“单次请求”实际成本约11美元，而此前订阅制下可无限使用。
• 媒体共谋：主流报道极少提及真实成本，吹捧AI效率的案例多基于补贴价格。若按实际代币计费，用户对模型错误（如代码生成失败）的容忍度将骤降。
• 市场觉醒：Anthropic近期突然限制使用额度，GitHub用户集体抗议计费改革，反映出补贴退潮后的信任危机。

未来展望：崩盘倒计时

• 连锁反应：一旦OpenAI或Anthropic全面转向代币计费，企业年支出可能飙升10倍。例如，10人团队使用Claude Code的年成本或从1.25万美元跃升至75万美元。
• 资本泡沫破裂：AI数据中心依赖持续融资，但多数项目回报周期超过6年，期间GPU可能因技术迭代贬值。若风投资金枯竭，当前规划的114GW数据中心（需1.18万亿美元年收入）将成“鬼城”。
• 警示信号：OpenAI CFO公开质疑公司能否支付未来算力合同，其财务透明度甚至未达上市标准。

本质批判：一场资本驱动的闹剧

作者尖锐指出，AI行业通过“烧钱-垄断-涨价”的剧本欺骗用户，本质是VC和科技巨头合谋的赌局。当媒体和公众沉迷于“技术奇点”叙事时，少数人正将全球经济拖入一场成本失控、回报存疑的豪赌。最终，只有清醒者能问出关键问题：如果连微软都撑不住补贴，还有谁能为皇帝的新衣买单？

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

支持AI订阅模式的观点

1. 技术进步降低成本

   • 认为AI推理成本正快速下降（"Inference costs have dropped 99% in less than 2 years" - throwawayajner），硬件和架构优化将持续推动成本降低（"We get better hardware, architecture... closer to 2x-5x cheaper annually" - cheeseblubber）。

2. 企业级价值与分层订阅

   • 即使高成本，AI提升员工效率的回报仍合理（"making them 20-30% more productive can easily make that worth it" - joshjob42）。
   • 订阅模式可通过分层设计实现（"tiers based on usage with fluidity to move between them" - putzdown）。

质疑AI经济可持续性的观点

1. 成本与定价不透明

   • 用户难以控制突发费用（"you can’t easily control for cost overruns... feeling you’re not getting value" - wood_spirit）。
   • 当前定价可能隐含高利润（"most estimate north of 80% profit margins" - joshjob42）。

2. 补贴与长期风险

   • 公司停止补贴可能暴露真实成本（"they subsidize until stabilizing... but stopping now" - wonderwhyer）。
   • 部分企业依赖开源模型面临压力（"Cursor and Perplexity... dependent on open source community" - joshjob42）。

其他关键讨论

• 广告化担忧：类比搜索引擎历史，LLM可能最终依赖广告（"no way publicly hosted LLMs will not end up inserting ads" - milesvp）。
• 本地化替代方案：高成本或推动本地部署（"buy engineers machines with obscene GPUs... run models locally" - Glyptodon）。
• 行业对比争议：支持者以电力定价类比（"electricity style pricing for AI" - wonderwhyer），反对者认为需求不可预测（"AI ponders your question... no idea how efficient" - wood_spirit）。

对原文章的批评

• 被指忽视技术降本趋势（"Zitron misunderstands the economics... models commoditized faster than any technology" - throwawayajner）。
• 观点偏激（"too much in the direction of a rant, with conspiracy theories" - putzdown）。