紅杉資本料收入缺口4.68萬億

英偉達（Nvidia）的AI晶片並不便宜，能夠進行AI運算的專業級圖像處理器（GPU）動輒數萬美元，而每個AI數據中心都要用上成千上萬張英偉達的顯示卡，更遑論數據中心本身佔用的物業地皮、電力系統建設、能源消耗等成本，如此龐大的前期投資，到底能否產生收入卻未有確實的答案。

Cahn計算AI投資總成本的方法非常簡單，因為目前所有AI數據中心都要用英偉達的產品，因此只要把英偉達的數據中心收入年率化，再把數字乘以兩倍以反映總成本（包括上文提到的物業成本、能源成本等），然後再乘以兩倍，以反映出提供AI服務賺取50%毛利率之下的要多少收入。畢竟作為AI服務的供應商，在付出了成本之後，當然也要一定的毛利才能保持公司正常營運，而且作為科技服務行業，50%的毛利率已經是極保守。

事實上，這亦是市場的最大擔憂——AI的投資與回報不相稱，尤其在一些中低收入的經濟體，企業聘請更多員工似乎比花錢買AI服務更便宜。從投資成本的角度考慮，AI伺服器需要耗費大量電力，而電價並非一成不變，因此如何找到更低成本的能源供應，亦是AI服務能否進一步普及應用的關鍵。