算力稀缺终结？言之过早

计算稀缺性的终结？为时尚早。

我认为目前 AI 市场面临两大问题：

1. 如果 SpaceX（通过 xAI）和 Meta 突然转变策略出租计算能力，我们究竟是面临算力紧缺，还是系统正在开始积累过剩产能？

2. 开源模型的崛起与”Token 最大化”时代的终结对 Anthropic 和 OpenAI 意味着什么？

关于第一点——SpaceX 通过向 Anthropic、Google 和 Reflection 出售（即租借）约 45 万块 GPU，创造了著名的~$2.32B 月收入。详情如下。

接着本周有消息称，Meta 计划启动云计算业务，销售计算能力。将这两大趋势（SpaceX 和 Meta 出售容量）结合起来看，可以构建一个熊市叙事：

• 两大买家不再需要的多余算力，意味着“算力稀缺”时代终结。

• 这是超大规模企业对资本支出向下修正的预警信号。

• 也许人们对 AI 所构建的功能根本没有需求（扎克伯格本周也表示，AI 代理技术的发展速度比预期的要慢）。

我认为这种看空论点缺乏依据，原因如下。首先，来看看这些交易的具体细节。Meta 实际上还没有售出任何产品。以 SpaceX（xAI）为例，他们的所有交易本质上都是非常短期的。买卖双方都享有 90 天的“退出权”，即在合同期间任何一方可以随时在 90 天内终止合约，停止支付（或提供算力）。而且 SpaceX 收取的价格也异常高昂。我相信 SpaceX 之所以这样设计交易结构，是因为他们计划未来自己使用这些算力。而买方（Anthropic、Google、Reflection）之所以愿意支付如此高的价格，是因为他们无法从其他渠道获得这样的算力。

我还认为你需要关注是谁在出售算力（SpaceX 和 Meta）。达里奥在 Dwarkesh 播客中有一段精彩分享，讨论了算力建设的经济学。简而言之，算力主要有两种用途：训练和推理。对任何企业而言，存在一个经济上合理的训练/算力神奇比例（不同公司的比例会有所不同）。让我们看看两种极端情况：如果你在算力上投入巨资，却将其 100%用于训练，就没有余力出售推理服务来盈利；反之，如果将 100%算力用于推理，就无法进行训练，研发进度将停滞不前。这两种情况都不合理，因此每家公司都需要找到某种折衷方案。

看看 SpaceX（xAI）和 Meta 的情况。现实很残酷——他们的模型一直表现挣扎……xAI 基本流失了整个团队，模型使用量也断崖式下跌。他们自己对自己的模型都没有需求，所以连用自家算力做推理服务都做不到。这意味着他们 100%的算力都闲置在训练上，同时还在重建整个团队（虽然我话说得绝对，实际情况当然更复杂，但我觉得大方向没错）。而且正如我之前所说，把所有算力都用在训练上，经济账实在不好算。你会在构建上花一大笔钱，但随后却无法产生后端收入。这笔交易并不划算。那么他们是怎么决定的呢？再次强调，我只是推测……他们决定，在拥有可销售的模型之前，租出计算能力在经济上是合理的，这样既能带来收入，又能平衡现金流。而这些计算交易短期的性质也印证了这一点——他们希望有 90 天的缓冲期，等准备好时再收回计算能力。所以关于 SpaceX 出售计算能力这件事，感觉像是他们自身面临的一个特殊问题。而且，他们愿意收取的价格也表明，稀缺性依然存在。

关于 Meta——我们并不确切知道他们的计划是什么，也不清楚这些合作可能采取怎样的形式（因此很难真正发表评论），但我们清楚他们在 AI 领域的努力一直举步维艰。Llama 模型已经明显落后（尤其与中国开源模型相比），他们团队及士气问题也早已有据可查。此外，这还可能是一种“我们在算力上投入了巨额资金，但尚未产生足够收益，不如先出售部分计算能力直到我们理清头绪”的思路。再次强调，我们并不真正了解他们的计划，所以很难置评。同时我也认为，他们看到 AWS、Azure 和 GCP 的业务模式后，完全有可能想要加入这场竞争。

总结来说，我确实认为”匮乏终结”的信号并不存在——从我的视角看，系统中并未出现算力过剩。任何愿意出售计算容量的人（比如超大规模云服务商、新实验室等），都能立刻找到买家。所以并非轻描淡写，但我认为这些交易对”匮乏正在终结”的论调毫无实质意义。AI 领域的后进者无非是想把成本中心转化为创收机会。

第二点，开源模型的兴起和”代币最大化”时代的终结是否意味着 Anthropic 和 OpenAI 主导地位的终结？我认为并非如此，但世界确实在演变。据称 Yippit 的数据也显示，实验室的收入增长轨迹并未放缓（但平心而论，即便存在影响，可能也尚未体现在损益表上）。

我对这种“恐惧”的主要反应是，我们必须将人工智能的使用分为两类。

1. 谁在生成代币

2. 谁在创造收入

这两者看似直接相关，但我预见未来将出现这样的格局：80%的代币流向”低成本预算”选项（如更便宜的轻量级开源模型），而 20%的代币则用于实验室的”前沿顶尖”代币（价格昂贵得多）。在这种情景下，我认为这 20%将贡献显著比例的营收——因为这些代币定价更高，且用于更关键的任务。截至目前，”昂贵”代币已占据全部市场份额和消费支出，但未来这两者将分化。这是健康且良性的发展。但我坚信前沿代币将始终存在市场，即便其占总代币数量的比例较小，也将占据营收的较大份额。

在某种程度上，我们已经能在企业数据中看到类似的趋势。Ramp 最新发布的 AI 指数显示，头部 1%的企业每月为每位员工在 AI 上的支出高达 7,500 美元，而中位数企业的支出仅为 11.38 美元（相当于惊人的 680 倍差距）。这种支出高度集中在少数进行关键任务处理的深度用户群体中——这恰好是我认为会优先使用前沿模型代币的群体。这些代币最终可能会通过低成本的开源方案扩散，但资金始终会向头部集中，这种分化格局预计将持续存在。

此外，还有 Token 滥用终结的趋势。这绝对是一种潮流。但——我认为这股浪潮过于汹涌。短期内固然会因清理浪费性开支而对 OpenAI/Anthropic 的支出形成阻力。但我认为在智力领域投入更多资金的宏观趋势太过强劲，足以碾压任何优化措施。我意识到这段话听起来很像 2021 年的论调——当时主流观点是”软件股估值倍数确实高，但它们的增长速度快到足以抵消必然发生的估值倍数压缩”（我自己可能也说过类似的话）。此刻我要表达的是类似观点——我们正处于 AI 发展曲线的早期阶段，沿途的各类优化措施在整个趋势中只会像微不足道的涟漪。

我认为下周我将撰文分析大型实验室面临的一个更大风险。“拥有自己的权重”这一大趋势正在兴起，为大型实验室带来了机遇（也带来了挑战）。

十大电动车/新交通出行收入倍数

每周十大股价变动榜单

多性向估值指标最新动态

SaaS 企业通常是根据其营收的倍数来定价的——在大多数情况下，这个营收数据指的是未来 12 个月的预期营收。营收倍数是一种简化的估值方式。由于大多数软件公司尚未实现盈利，或无法产生可观的自由现金流，因此这是用来对比整个行业的唯一指标。即便采用 DCF 估值法，其中也充满了各种长期假设。SaaS 模式的优势在于，其在早期的快速增长最终会带来后期的盈利。下文中的营收倍数是通过企业价值（市值加上债务再减去现金）除以当期营收来计算得出的。

总体数据：

• 整体中位数：3.5 倍

• 前 5 名中位数：28.6 倍

• 10Y: 4.5%  

按生长速度分类。在以下的分类中，我将预期未来 12 个月的生长速度高于 22%的视为高生长型，介于 15%-22%之间的视为中等生长型，而低于 15%的则视为低生长型。对于“高生长型”的界定标准，我不得不进行调整。如果 22%这个数值看似有些随意，那确实如此……我只是选了一个能让大约 1001 家公司的成长速度符合高生长型标准的数值，这样样本量才能具备更强的统计意义。

• High Growth Median: 19.7x  

• Mid Growth Median: 5.3x  

• Low Growth Median: 2.8x  

企业价值/未实现营收/未实现生长率

下图显示的是 EV/NTM 营收倍数除以市场普遍预期的 NTM 营收增长率。也就是说，如果一家公司的估值为 20 倍其 NTM 营收，而其预期营收增长率为 100%，那么该公司的实际估值倍数则为 0.2 倍。制作此图的目的是展示每只股票的估值相对于其成长预期而言是偏低还是偏高。

企业价值/未调整自由现金流

折线图显示了 FCF 估值倍数在 0x 至 100x 之间的所有公司的中位数。我设置这一数据子集，是为了展示那些以 FCF 作为重要估值指标的公司。

净营运资金现金流为负的公司并未被列入该图表中。

EV/NTM 营收多性向与 NTM 营收生长率的散点图

增长与估值倍数之间的关联度如何？

运营指标

• 中位数未来 12 个月增长率：13%

• 长期平均增长率中位数：16%

• 毛利率中位数：76%

• 平均营业利润率为 2%

• 中位自由现金流利润率：21%

• 净留存率中位数：110%

• 平均客户获取成本回收期：44 个月

• 销售与营销费用占营收的中位数比例：34%

• 研发支出占营收的中位数比例：23%

• 管理费用占营收的中位数比例：13%

同类公司业绩数据

40 法则的计算公式为营收增长率与自由现金流利润率之和（营收增长率和利润率均需采用近期及长期数据）。自由现金流则通过营业现金流减去资本支出得出。

GM 调整后投资回收期是通过以下公式计算得出的：（上一季度的营销与销售费用）/（本季度的净新增年度经常性收入乘以毛利率）×12。该指标反映了 SaaS 企业需要多少个月才能以毛利润为基础偿还其全部营销成本。由于大多数上市公司并不公布净新增年度经常性收入，因此我采用了间接计算的年度经常性收入数值（即季度订阅收入乘以 4）。净新增年度经常性收入则简单地为当前季度的年度经常性收入减去上一季度的数值。那些未披露订阅收入的公司则被排除在分析之外，并标注为“NA”。

本文所参考的资料包括彭博社、Pitchbook 以及相关公司的公开文件。

本通讯中所呈现的内容仅为作者的个人观点，并不一定反映包括 Altimeter Capital Management, LP（简称“Altimeter”）在内的任何其他个人或机构的意见。虽然这些信息源自可靠渠道，但若存在不准确之处，作者概不承担任何责任。本文仅用于提供信息参考，不应被视为投资建议。过往表现并不能保证未来结果。Altimeter 是一家在美国证券交易委员会注册的投资顾问机构，但注册并不代表其具备特定的专业技能或受过相应培训。Altimeter 及其客户会买卖公开交易的证券，并且已经且/或可能会对文中提及的公司进行投资或做出与文中观点一致或不一致的投资决策。此处表达的观点仅代表作者本人，而非 Altimeter 或其客户，后者保留根据自身判断做出投资决策或进行交易活动的权利，而这些决策或活动可能与本文观点一致，也可能存在差异。

本文及其中所含信息仅用于提供参考之用。文中表达的观点仅为作者个人观点，并不构成任何证券的销售要约、购买建议或购买要约的邀请，亦不对任何投资产品或服务提出推荐意见。虽然文中部分信息来源于被认为可靠的渠道，但作者及其雇主或关联方均未对这些信息进行独立核实，因此无法保证其准确性与完整性。据此，对于该信息的公正性、准确性、及时性或完整性，既不作出任何明示或暗示的陈述或担保，也不应依赖此类信息。作者及其所有雇主及关联人员均不对此信息承担任何责任，也无义务在未来更新其中的分析内容。