AI资源成本
AI发展这几年，
我们经常听到一个说法：
技术进步最终会让东西越来越便宜。
计算能力越来越强。
软件越来越智能。
自动化越来越普及。
理论上生产效率提高以后，
消费者应该得到更便宜、更好的产品。
但最近科技行业正在发生一件有点反直觉的事情：
AI越火，普通手机和电脑反而可能越贵。
原因不是AI软件收费。
而是一个非常不起眼的东西：
内存。
手机厂商正在面对内存短缺
最近一些规模较小的手机和笔记本电脑厂商已经开始为长期内存供应紧张做准备。
而且这可能并不是持续几个月的普通缺货。
行业人士甚至认为，
2027年可能会成为供应非常紧张的一年，
供需失衡可能持续更久。
为什么？
不是人类突然多买了几十亿部手机。
真正快速增长的需求来自另外一个地方：
AI数据中心。
AI需要的并不只是GPU
大家谈AI硬件的时候，
最容易想到Nvidia。
GPU。
算力。
但一台AI服务器真正运行起来，
需要的是一整套系统。
GPU只是其中一个非常重要的部分。
还需要：
HBM。
DRAM。
存储。
网络设备。
电源。
散热。
CPU。
大量高速互联。
尤其是训练和运行大型AI模型，
需要非常大的数据吞吐量。
于是高性能内存突然变成非常抢手的资源。
对芯片厂来说，选择其实很简单
假设你是一家内存制造商。
工厂产能有限。
现在有两个客户。
第一个客户：
一家普通手机厂商。
希望买便宜的内存，
因为一台手机售价可能只有200美元。
第二个客户：
一家AI数据中心公司。
正在购买价值几万美元甚至更高的服务器，
愿意为了性能支付明显更高的价格。
如果产能不够，
你会优先服务谁？
答案并不难猜。
这就是市场。
所以AI正在和普通消费者争夺同一套工业资源
这件事情其实非常有意思。
表面上：
ChatGPT和一部普通Android手机完全没有关系。
一个是云端AI。
一个是消费电子。
但往供应链上游走，
它们可能最终来到同一家半导体工厂。
争夺：
晶圆。
封装能力。
内存产能。
设备。
电力。
工程人才。
于是AI产业投资越疯狂，
其他行业能够获得的资源反而可能越少。
这就是所谓的机会成本
世界上的资源永远有限。
一家芯片厂把产能用于生产A，
就不能同时生产B。
一个工程师在设计AI芯片，
就不能同时设计汽车芯片。
一座数据中心使用500MW电力，
这些电力也不能同时供应另外一个大型工业项目。
所以AI真正影响经济的方式，
远远不只是：
“哪些工作会被AI替代？”
它还在重新分配：
资本。
能源。
芯片。
人才。
土地。
这其实已经发生过一次
疫情期间，
汽车行业就经历过严重芯片短缺。
当时汽车销量突然下降，
车企取消芯片订单。
与此同时，
电脑、游戏机和消费电子需求大增。
芯片制造商于是把产能转给其他客户。
后来汽车需求恢复，
车企突然发现：
芯片没有了。
一辆价值几万英镑的汽车，
可能因为一个几美元的芯片无法交付。
这件事情让很多企业第一次真正意识到：
供应链里面最重要的零件，
不一定是最贵的那个。
AI可能把这种现象放大很多倍
因为AI投资规模实在太大。
大型科技公司现在建设的已经不是普通服务器机房。
而是巨大的计算基础设施。
每一个AI数据中心都需要：
芯片。
内存。
变压器。
电缆。
冷却设备。
发电能力。
土地。
网络。
所以AI并不是一个纯软件产业。
它正在变成一个非常“重”的工业产业。
某种意义上，
我们正在建设一种新的数字工厂。
而数字工厂同样需要真实世界的资源
这是AI最容易让人产生错觉的地方。
我们打开一个聊天窗口。
输入一句话。
几秒钟以后答案出来。
感觉AI好像存在于某种没有重量的数字世界。
其实背后可能是一座占地巨大的数据中心。
里面有：
几十万颗芯片。
复杂冷却系统。
巨大的变电设施。
大量铜。
钢。
铝。
水。
以及持续不断的电力。
所谓“云”，
最后还是落在地上的。
所以AI越发展，硬件可能反而越重要
过去十几年科技行业有一种趋势：
软件价值越来越高。
Facebook不生产手机。
Google不生产电脑。
很多互联网企业只需要软件就能服务全球用户。
但AI正在让科技产业重新变重。
模型公司需要数据中心。
数据中心需要芯片。
芯片需要晶圆厂。
晶圆厂需要极其复杂的制造设备。
制造设备又需要：
精密光学。
材料。
真空系统。
控制系统。
机械工程。
整个链条重新连接到制造业。
这也是为什么小型手机厂商特别容易受伤
Apple或者Samsung采购量巨大。
和供应商签长期合同。
拥有很强的议价能力。
如果内存短缺，
它们相对更容易确保供应。
但一家小手机公司就不同。
一年只生产几十万台设备。
供应商为什么优先给你？
所以短缺发生以后，
最先面对问题的通常不是最大的企业。
而是最小的企业。
它们可能只能：
涨价。
减少配置。
延迟产品。
重新设计硬件。
甚至寻找二手或者替代芯片。
这会产生另外一个有意思的结果
我们可能看到手机升级速度开始变慢。
过去大家已经习惯：
今年8GB内存。
明年12GB。
后年16GB。
硬件配置不断增加。
但如果内存越来越贵，
厂商可能重新开始思考：
真的需要这么多吗？
软件能不能优化？
系统能不能减少内存占用？
产品能不能模块化？
旧硬件能不能继续使用？
资源便宜的时候，
最容易解决问题的方法就是：
加硬件。
资源变贵以后，
工程优化重新变得重要。
这其实未必完全是坏事
过去科技产品越来越便宜，
也产生了一种非常明显的浪费。
手机两三年换一次。
笔记本电脑几年换一次。
设备其实还能工作，
但因为：
内存不够。
系统更新。
电池老化。
维修困难，
最终被淘汰。
如果硬件重新变贵，
消费者和厂商可能反而更加重视：
可维修性。
模块化。
软件优化。
更长生命周期。
这可能推动一种完全不同的产品设计思路。
AI还可能重新定义什么叫“高端芯片”
以前最先进的半导体，
主要进入：
手机。
电脑。
服务器。
今天越来越多最先进产能开始围绕AI设计。
于是消费电子可能第一次发现：
自己不再是半导体行业最重要的客户。
这其实是一个非常大的产业变化。
过去十几年，
智能手机推动了全球半导体发展。
下一阶段，
这个位置可能被AI基础设施取代。
资本会跟着利润走
这也是理解产业变化最简单的方法。
如果AI芯片利润率更高，
资本就会去AI。
如果HBM利润更高，
内存厂商就会增加HBM投资。
如果数据中心愿意支付更高价格，
供应商自然优先服务数据中心。
这并不是企业“抛弃消费者”。
只是市场在重新分配资源。
问题在于：
资源重新分配以后，
成本最终会传导下来。
所以未来AI的成本可能藏在很多意想不到的地方
我们可能以为：
自己没有订阅AI服务，
所以AI热潮和自己没什么关系。
但最后可能发现：
手机贵了。
电脑贵了。
电费上涨。
铜价上涨。
数据中心占用更多电网容量。
甚至当地土地价格发生变化。
AI产生的经济影响，
会沿着供应链不断扩散。
就像石油价格上涨并不只影响加油站。
它会进入：
运输。
塑料。
农业。
化工。
航空。
最终进入几乎所有商品价格。
AI可能正在变成一种类似电力的基础产业
这可能才是最值得观察的变化。
如果AI只是一个软件产品，
它影响的是科技公司。
但如果AI成为整个经济的基础设施，
它就会开始影响其他行业的资源配置。
银行需要AI。
制造业需要AI。
医疗需要AI。
政府需要AI。
汽车需要AI。
于是所有行业都开始购买算力。
算力最终又转化成：
芯片需求。
电力需求。
基础设施需求。
资本需求。
这时候AI就不再只是科技新闻。
它开始变成宏观经济问题。
未来真正的竞争可能是“谁有资格优先使用资源”
假设内存供应不足。
谁先拿？
假设电网容量不足。
数据中心还是居民？
假设先进芯片产能不足。
AI公司、汽车公司还是手机公司？
这些问题最终都需要市场或者政府作出选择。
而市场最简单的分配方式就是：
谁愿意支付最高价格，
谁先得到。
这意味着利润率更低的行业可能被挤出去。
这也是为什么AI繁荣不一定让所有行业同时繁荣
资本市场喜欢讲一个词：
AI Boom。
听起来像整个经济都会因此受益。
现实通常更加复杂。
任何产业繁荣，
都会从其他地方吸走资源。
19世纪铁路建设需要大量钢铁。
汽车产业需要石油和橡胶。
房地产繁荣需要水泥、钢材和劳动力。
AI繁荣需要：
电力。
芯片。
内存。
资本。
工程人才。
区别只是我们以前没有把软件产业看成一个如此资源密集的行业。
现在情况变了。
所以一部普通手机涨价，背后可能是整个世界资源配置发生了变化
消费者看到的可能只是：
今年手机贵了50英镑。
但往上游追，
故事可能是：
AI公司大量购买服务器。
服务器厂商抢购高性能内存。
芯片企业调整产能。
普通内存供应减少。
手机厂商采购成本上涨。
最后：
手机涨价。
这就是现代全球供应链最有意思的地方。
一个看起来完全无关的变化，
最后可能通过几十个环节来到普通消费者面前。
AI时代真正稀缺的东西，可能越来越不是“智能”
模型会越来越多。
算法会越来越好。
开源模型也会越来越强。
真正难快速增加的反而是现实世界里的东西：
一座晶圆厂需要几年。
一个电网需要很多年。
一座发电站需要很多年。
一个熟练工程师也需要很多年培养。
所以未来AI发展的瓶颈，
可能越来越从软件世界转向物理世界。
而手机内存短缺，
可能只是其中一个很小的信号。
我们过去一直在问：
AI什么时候会变得足够聪明？
未来可能越来越需要问另外一个问题：
现实世界到底有没有足够的资源，支撑这么多智能同时运行？
这个问题，
可能比下一个模型的Benchmark提高多少分，
更值得长期观察。
感谢大家阅读！
如果AI数据中心和普通消费电子开始长期争夺芯片、内存和电力，你觉得市场应该完全按照价格分配资源，还是政府需要对数据中心等大型AI基础设施进行一定限制？