孙正义千亿投资的真相、博通会「吃掉」英伟达吗、GPT-5 为何延期｜AI Insider#264
GPT-5 持续延期，到底是 OpenAI 的问题还是微软的问题？
☕ Editor’s Note
🗓️ 2024.12.23 | Issue#264
本期为 Dailyio Premium 会员专属内容，将围绕三个话题展开详细解读：
- 孙正义上周宣布将在美国 AI 领域投资 1000 亿美元、创造 10 万个就业岗位的真相是什么？
- 博通市值突破 1 万亿美元，它会「吃掉」英伟达吗？
- GPT-5 持续延期，到底是 OpenAI 的问题还是微软的问题？
欢迎升级成为 Premium 会员获取本期内容，除了更多专属内容，还能免费使用 ChatIO 里的专属 Atlas 助理，即刻拥有专业的 AI 产业分析师：
💰 市场
上周，孙正义与特朗普的会面引发诸多讨论。站在美国前总统与即将就任的新总统身边，孙正义承诺将在美国人工智能领域投资 1000 亿美元，创造 10 万个就业岗位。
这个数字足够令人震惊，其背后的现实也值得玩味。
一方面，这场承诺的时机颇具深意。随着特朗普重返白宫，科技行业正竞相示好。
过去一个月，Meta、亚马逊公司以及 OpenAI 创始人 Sam Altman 纷纷向特朗普的就职基金慷慨解囊，每家都送上 100 万美元的「份子钱」。Salesforce CEO Marc Benioff 更是公开赞美特朗普是「国家充满希望的象征」。
在这场「讨好竞赛」中，孙正义的表现无疑最为抢眼。但另一方面，也是最为关键的问题，软银真的有这个实力吗？
截至 2024 年 9 月，软银手握 300 亿美元现金，但背负着 1420 亿美元的债务。要实现 1000 亿美元的投资承诺，孙正义要么需要大规模融资，要么需要大举出售资产，两条路都充满荆棘。
更令人担忧的是软银的投资记录。虽然孙正义因早期投资阿里巴巴而声名鹊起，但其愿景基金的表现却喜忧参半。WeWork 的 160 亿美元投资几近打水漂，Katerra、Greensill Capital 等项目也都以失败告终。
创造 10 万个就业岗位的承诺更显得不切实际。要知道，软银全球员工仅 6.5 万人，其芯片部门 Arm 更是只有 7000 人。就连拥有 Facebook、Instagram 和 WhatsApp 的 Meta，这 20 年来也只创造了 7.2 万个工作岗位。在 AI 行业，高度自动化的数据中心往往只需要寥寥数十人运营。
这一切都指向一个显而易见的结论：孙正义的承诺更像是一场精心设计的政治表演。这与他 2016 年特朗普首次当选后承诺投资 500 亿美元如出一辙。在科技行业面临日益严格的监管环境下，软银需要在芯片设计、电信和 TikTok 等多个领域获得华盛顿的青睐。
而对于孙正义以及软银来说，现在最大的押注是生成式 AI 带来的巨大算力需求，过去一年，孙正义的投资支票包括：
更重要的是，软银拥有 ARM，这是一家长期以来隐身在半导体产业幕后的公司，它拥有庞大的知识产权。
如果使用 ARM 知识产权的英伟达、博通可以站在半导体乃至科技产业的舞台中央，为什么 ARM 不可以呢？结合 ARM 的芯片设计能力与台积电的制造能力，软银或者 ARM 是不是可以成为「另一个英伟达/博通」？即便无法跻身「万亿市值俱乐部」，但 ARM 的芯片野心与 Sam Altman 的「万亿基础设施投资」计划之间的碰撞，或许也会给算力市场带来不小的变数。
和之前每一次的「All In xxx」的投资方式类似，此次孙正义在 AI 芯片领域的赌注也会非常大，软银首席财务官后藤芳光的这番话极具代表性：
We are ready to go in with as much money as Son needs. We can always find a way to do any project, even while standing by our financial policy,It wouldn’t be wise to put a limit on something from the start.（我们准备好了投入孙正义需要的任何资金。我们总能找到办法做任何项目，即使在坚持我们的财务政策的同时，从一开始就对某件事设限是不明智的。）
🧮 计算
AI 芯片市场似乎迎来一次「王位更迭」。上周，「用掉投票」的投资者们，让英伟达股价陷入近一个月来最低谷，又让博通挤入「万亿美元市值俱乐部」：
博通的财报以及该公司 CEO 陈福阳释放了几个值得关注的信号。其一，相比于本财年 122 亿美元的 AI 收入以及 220% 的增长，陈福阳对未来的预测极具吸引力，他预计到 2027 年，单个客户可能需要多达 100 万个 AI 芯片，这是一个巨大的市场需求。
以 xAI 为例，这家马斯克旗下的公司，新建了一个名为「Colossus」的基础设施，目前装备 10 万个英伟达 GPU。Meta、Google、微软更是在疯狂囤积 AI 芯片。
具体来看，根据 Omdia 的估计，微软在 2024 年购买了 48.5 万块英伟达的 Hopper 芯片。这个数字显著高于其在美国的主要竞争对手 Meta，后者购买了 22.4 万块。这一采购量也使微软领先于其云计算领域的竞争对手亚马逊和 Google ，分别采购了 19.6 万块和 16.9 万块。
更进一步的数据显示，全球科技公司将在 2024 年在服务器上花费约 2290 亿美元。其中，微软的资本支出预计为 310 亿美元，亚马逊为 260 亿美元。排名前 10 位的数据中心基础设施购买者（包括新晋的 xAI 和 CoreWeave）占全球计算能力投资的 60%。
关于这种狂热投资是否明智的讨论已经持续了近一年时间。陈福阳的观点是，这轮投资热潮将持续 3-5年，直到资金耗尽或股东叫停。这种坦率的表述反映了一个不争的事实：生成式AI的商业价值仍待验证，但科技巨头们已经在下一场豪赌。
其二，博通 AI 业务的显著增长显示出整个市场对于过度依赖英伟达的恐慌。简单来说，客户与博通合作，开发、定制自己的 AI 芯片，以此减少对英伟达 AI 芯片的依赖。
当英伟达的 GPU 供不应求、价格居高不下时，这些科技巨头开始寻求替代方案。博通凭借在 ASIC 领域 55%-60 %的市场份额，成为他们的不二之选。
博通的大客户包括 Google、Meta 和字节跳动等。虽然没有明确说明，但这三家公司各自都有强烈的自研 AI 芯片的需求，陈福阳在财报分析师会议上透露，预计博通三家最大的科技公司客户将在截至 2027 年 10 月的财年中，花费 600 亿至 900 亿美元用于 ASIC 芯片和网络组件。
当然，博通不可能全部拿下这些市场，陈福阳将这些数字定义为该公司的「可服务市场（Serviceable Addressable Market）」，但这一系列言论无疑进一步刺激了市场的乐观情绪。
其三，博通与英伟达之间，或者说科技巨头自研 AI 芯片与采购英伟达芯片之间不是零和游戏。
科技巨头的自研芯片不可能完全替代英伟达 AI 芯片，这不仅因为芯片能力不及英伟达，还有一系列生态与工具建设的成本考量。科技巨头们同时自研与采购方面同时押注，更多是一种确保芯片供应链安全的战略选择。
关于提供「算力」的半导体领域，我挑选了一份图书与播客清单，可以作为深入了解该领域的延伸阅读或收听资料：
- 图书：Chip War: The Fight for the World's Most Critical Technology（中文版译为《芯片战争》）：英文版出版于 2022 年，我将这本书定义为「了解现代世界的必备读物」，半导体的发展是二战后经济发展的缩影，随着制造外包，亚洲国家开始普遍崛起；而全球产业链分工的不断细化，也让不同国家和地区拥有了竞争可能……由于涉及到大量中国的内容，中文版删减情况如何未知；
- 图书：Focus: The ASML way - Inside the power struggle over the most complex machine on earth：这是一本聚焦光刻机巨头 ASML 发展历程的图书，读者不仅可以读到这家公司如何从荷兰一个宁静小镇崛起的过程，还能一窥这一成功背后的令人难以置信的复杂技术；
- 播客：FT Tech Tonic 新一季的播客以地缘政治下的半导体产业为切入口，主持人深入台湾、荷兰、美国等地进行实地采访，构建起了一个半导体发展的全球视角，非常推荐一听；
🆕 产品
GPT-5 为何延期。WSJ 披露了 OpenAI GPT-5 项目（代号 Orion）的困境，研发进度严重滞后，成本远超预期，甚至连项目能否最终完成都成了一个未知数。
这一状况令 OpenAI 的主要投资方微软颇为焦虑。原本期待在 2024 年中期就能看到新模型的微软，如今不得不接受一个残酷的现实：每次耗时数月、耗资数亿美元的训练都未能带来令人信服的性能提升，远未达到足以支撑其高昂运营成本的水平。
来看几个具体的挑战。
首先是数据瓶颈问题。与此前依靠互联网公开数据的策略不同，OpenAI 发现现有的优质数据已经难以支撑 GPT-5 的训练需求。为此，公司不得不采取一些非常规手段：雇人编写代码、解决数学题并记录思维过程，甚至尝试用 AI 生成合成数据——尽管这种方法本身就存在产生错误或无意义内容的风险。
其次是内部管理问题。Sam Altman 去年底的短暂离职风波，加上包括首席科学家 Ilya Sutskever 在内的二十多名核心人员的流失，都在不同程度上影响着项目进展。与此同时，新产品团队（如 Sora 视频生成模型）与 Orion 团队之间的计算资源争夺，更加剧了项目的复杂性。
从产业角度看，这种困境或许预示着传统的「更多数据」发展路径已经走到尽头。正如 Ilya Sutskever 所言，「数据时代」已经结束，数据正在成为 AI 的「化石燃料」。这促使 OpenAI 开始将目光投向「推理」这一新方向——让 AI 在回答问题时投入更多「思考」时间，而不是简单地模仿训练数据，从 o1 到 o3，无不是遵循这样的路线。
当然，OpenAI 的困境并非个案。过去两个月，整个 AI 行业都在经历着从「研究导向」到「产品导向」的转变：
- Anthropic 展示 Claude 模型的「Computer Use」而没有推出新一代模型；
- Google 推出具有「推理」能力的 Gemini Thinking 模型并加快 Gemini 在各个产品的落地；
如果说 GPT-4 的水平相当于一个聪明的高中生，那么 GPT-5 原本期望达到的「博士水平」目标显然还很遥远。接下来无论是推理能力的提升，还是新型架构的探索，找到突破当前瓶颈的方案，都将成为决定 AI 未来发展走向的关键因素。
以上就是本期「AI Insider」的所有内容。
还想了解更多 AI 产业的洞察？欢迎预约 Dailyio 咨询服务「Insight+」，与 Poe 一对一畅聊 AI 产业发展，Dailyio Premium 会员可通过这里尊享每月一次的免费体验。
