JP Morgan 認為，由於 GPU 的運行接近滿負荷，因此 AI 的擔憂被過度誇大，與未充分利用的 Dot Com 光纖建設不同。 他們有道理，但我會反駁，問誰在支付 GPU 的費用，底線利潤在哪裡？ 我們在生成式 AI 上看到的問題是在下游，這些平台的實際使用情況。 絕大多數是免費的。付費層級的興趣顯著較少。特別是在像 OpenAI 這樣的公司，將免費用戶轉換為付費用戶的過程中面臨著真正的挑戰。 使用案例在增長，但與已建設和計劃中的容量相比仍然面臨挑戰。 這就是為什麼我認為這張圖表有點誤導，因為乍一看它暗示著有這種巨大的使用量，因此我們不應該擔心。但如果使用量主要是由虧損引導的免費用戶驅動，那麼對於補貼這一切的公司來說，這並不是一個可持續的範式，對吧？

談到利用率，真的有人相信 $META 會達到 8681.4MW 的電力容量嗎？ 那將是目前總容量的近 4 倍，幾乎是 $META 現在容量的 30 倍。 然而 $META 在一年內並沒有展示出任何真正有意義的 AI 進展。🤔

畢竟，95% 投資於生成式 AI 的企業並未獲得真正的回報。 而這裡的問題在於。 核心障礙不是能力！ 而是生成式 AI 本身的限制。這些限制並不是由代理 AI、RAG 或其他增強和附加層所解決的。

同時，正在進行一場建設數據中心容量的競賽，而這些容量我們可能不需要。 1) 我們不知道未來的 AI 是否由耗能巨大的 GPU 驅動 2) 或者大型低效的通用模型是否是我們將使用的，還是專門的小型模型 我們在為什麼而建設？

我們所知道的是，標準普爾500指數中最大的9家公司，佔市場市值權重的37.89%，在不同程度上將自己與生成式AI結合，視其為未來增長故事的重要部分。這是否能持續下去是一個關鍵問題。