注册 登录

标签：算力成本

盖坤的清华学历与P10光环，烧不出快手可灵的世界一流

摘要：网友迷信高管履历与组织架构调整能决定AI大模型成败，却忽视了全球顶尖AI角逐本质上是算力资本与商业变现的残酷修罗场。网友动态：于越能带领快手走向世界一流么？据公开信息可知，快手可灵CEO于越（本名：盖坤），盖坤本科、博士均就读于清华大学，本科自动化专业，博士研究方向为识别与智能系统，2011年取得博士学位。2023年初：原CTO陈定佳辞职后，他与另一位高级副总裁分担CTO相关管理职责，外部开始出现「主站业务与社区科学负责人」的合并称谓。2025年4月30日：可灵AI事业部正式成立，他担任负责人，下设产品部、运营部、技术部。2025年8月15日：兼任可灵AI技术部负责人，形成「一条线 + 一个事业部 + 技术部」的双轨结构。2026年9月30日：从事业部双轨统筹转为子公司董事兼CEO，重心从研发主导转向经营损益与外部干系人管理。传闻他曾任职于阿里，职级达到P10（资深技术总监级别）；而后于2020年加入快手！那么问题来了，诸君觉得于越能带领快手的可灵走向世界第一梯队么？CEO我的吐槽：试图用一张漂亮的清华履历表和几次大厂组织架构调整来预测大模型赛道的胜负，本质上是对“算力资本”与烧钱门槛的严重缺乏想象力。1、履历神话与技术代差的错位槽点：动态通篇在罗列清华本博、阿里P10这些亮眼的个人标签，仿佛拥有顶级程序员的头衔就能自动兑换世界第一梯队的技术门票，把残酷的技术无人区探索降级成了职场升职记。真相：在当前动辄单次模型训练耗资数千万美元的现实里，顶级专才的工程能力只是入场券，真正卡住国内视频生成模型脖子的是高端GPU集群的黑市溢价成本与天价的服务器折旧费用，单靠几位技术大牛的履历根本填不平底层硬件算力池的客观代差。2、组织架构游戏治不好的商业化焦虑槽点：网友将盖坤从事业部统筹转为子公司CEO视为某种走向巅峰的冲锋号，却没看懂重心转向经营损益这几个字背后冷冰冰的变现压力，组织架构剥离往往是母公司切断无限输血的先兆。真相：独立核算意味着母公司不再无限兜底研发开支，当目前国内一线MCN机构连每月几十块钱的AI工具订阅费都精打细算时，面对每天数十万元的推理服务器刚性电费与带宽支出，这类子公司的经营损益表很快就会被残酷的低客单价和高运营成本击穿。总结成一句话：寄望于个人英雄主义在资本与算力堆砌的AI重工业时代去跨越硬件鸿沟纯属信徒式的一厢情愿。 ...全文
头像

盖坤的清华学历与P10光环，烧不出快手可灵的世界一流

吐槽社 • 其他评论 • 2026-10-08
摘要：网友迷信高管履历与组织架构调整能决定AI大模型成败，却忽视了全球顶尖AI角逐本质上是算力资本与商业变现的残酷修罗场。网友动态：于越能带领快手走向世界一流么？据公开信息可知，快手可灵CEO于...
评论 10
阅读 104

解密AI巨头亏损真相：算力黑洞与商业模式考量

摘要：文章剖析AI巨头巨额亏损背后的算力黑洞，对比传统互联网固定资产模式，揭示大模型在训练折旧与推理成本方面的财务考验及商业破局路径。网友动态：Anthropic 招股书被泄漏，2025年净亏损420亿美元，经营亏损超过80亿美元。有些人说：这没什么，当年亚马逊也连续亏损了很多年，现在不是发展得很好吗？但这个比较并不恰当。亚马逊当年虽然连续亏损多年，但历史累计总亏损最高峰时，还不到24亿美元。也就是说，Anthropic 仅仅一年的经营亏损，就超过亚马逊当年历史累计亏损峰值的三倍。而且，两者亏损的性质也不完全一样。亚马逊当年的大量投入，是用来建设仓库、物流网络和配送体系等实体基础设施。这些钱花出去之后，至少留下了一整套可以长期使用的实体资产和物流网络。而AI公司的巨额成本，很大一部分来自算力、云服务和模型训练。这些投入当然也会形成模型、技术和用户规模，但其中大量算力成本本质上是持续性的消耗：这一代模型训练完了，下一代还要继续训练；用户越多，推理成本也会继续增加。来源：X @laozhouhengmei我的评价：这则关于 Anthropic 泄漏招股书中“巨额亏损与亚马逊历史对比”的分析极其深刻且击中要害，精准地撕开了当前生成式 AI（Generative AI）行业在资本繁荣背后的“资本开支黑洞”与“资产重型化幻觉”。它不仅用确凿的财务数量级对比（1年经营亏损 > 亚马逊历史累计亏损峰值×3）打破了“互联网时代的亏损逻辑”，更从资产属性（固定资产 vs 消耗性算力）的底层维度，揭示了 AI 独角兽们面临的全新财务模型考验。一、 数量级的降维打击：为什么不能用“过去的互联网”套用“今天的 AI”？很多人习惯用亚马逊、Uber、美团等互联网平台的“先亏损换规模，再通过网络效应实现垄断变现”来为 AI 巨头的亏损辩护。但这种类比在数量级和商业模式上存在致命断层：1. 惊人的烧钱速率（Burn Rate）亚马逊成立前几年，累计亏损峰值才 24 亿美元左右，换来的是对全美零售物流基础设施的初步垄断；而 Anthropic 仅单年经营亏损就超 80 亿美元（净亏损甚至高达 420 亿美元，很大程度上包含对投资者可转换优先股的公允价值变动等非现金会计处理）。这种烧钱速度远超以往任何一次技术革命。如果不能在短时间内跑通极其庞大的现金流闭环，单靠 VC 和战略投资者的资本注入，连维持下一代基础设施训练的难度都呈指数级上升。2. 网络效应的弱化与迁移成本低亚马逊形成了“买家 $\rightarrow$ 卖家 $\rightarrow$ 物流 $\rightarrow$ 规模效应 $\rightarrow$ 更低价格”的飞轮，网络效应极强，用户迁移成本极高。相反，AI 大模型（LLM）目前依然面临高度同质化与“基座模型商品化（Commoditization）”的隐忧。从 Claude 换到 GPT 或 Gemini，用户的迁移成本极低。如果付费用户无法形成强黏性，巨额营销与推理补贴沉没后，留下的是极具流动性的流量。二、 资本开支的本质差异：物理基础设施 vs 算力折旧与持续消耗这篇分析中最亮眼的点在于：区分了“沉淀性实体资产”与“消耗性算力成本”。1. 亚马逊的“固定资产沉淀”亚马逊把钱花在买地、盖仓储中心、建物流骨干网上。这些是实体固定资产（Fixed Assets），生命周期长达数十年，且具有天然的物理排他性壁垒（别的电商很难一夜之间建起同样的物流网）。2. AI 大模型的“算力半衰期与边际成本”训练成本（Training Cost）是极速贬值的“知识库”： 耗资数十亿美元训练出来的旗舰模型（如 Claude 3.5/4 系列），其领先优势可能只能维持 3 到 6 个月。下一代基座模型必须使用更庞大的算力集群重新训练，前一代模型的算力投入在商业价值上迅速衰减。推理成本（Inference Cost）是随用随烧的现金流： 传统软件（SaaS）的边际成本趋近于零（零边际成本），用户越多毛利率越高。而 AI 模型每多回答一次提问、每生成一段代码，都在实打实地消耗 GPU 算力、电力与带宽。用户越活跃，推理成本越高，如果 Token 定价无法覆盖算力和边际成本，规模效应反而会变成“越规模越亏损”。三、 未来展望：AI 巨头们的破局之道在哪里？Anthropic 的财务数据虽然震撼，但也倒逼整个大模型行业从“炼丹狂热”走向“商业落地严肃思考”：1. 从“通用大模型（AGI 纯血派）”向“生态与高客单价 B 端 Agent”演进纯靠 C 端每月 20 刀的订阅费根本无法填补算力黑洞。Anthropic 强项在于代码生成（Claude Code）、复杂推理与企业级 API。只有深耕高付费意愿的 B 端工作流、实现极高的单位经济效益（Unit Economics），才能支撑其高昂的 R&D 开支。2. 模型架构优化与推理成本下降（Infra Optimization）依靠硬件迭代（如专用芯片）、模型剪枝、量化（Quantization）、混合专家架构（MoE）以及 Edge/Local 端侧部署，将推理成本降至现在的 1%甚至更低，是 AI 彻底跑通 Unit Economics 的唯一技术出路。3. 云厂商（Big Tech）的“供血与反噬”Anthropic 背后有 Amazon (AWS) 和 Google 的巨额注资。对云厂商而言，巨额亏损中的很大一部分资金，最终其实以“算力租赁费”的形式重新流回了 AWS/Google Cloud 的利润表里。这种“循环融资与算力绑定”是当前 AI 泡沫与繁荣共存的特殊景观。四、 总结这则剖析极其清醒地揭示了一个事实：AI 不是简单的 SaaS 升级，而是一场资本与物理算力极限的重型博弈。不能用互联网时代的经验来轻视 AI 的亏损，但也绝不能无视算力消耗的物理规律。谁能率先在“模型性能领先”与“商业化现金流”之间建立自我造血平衡，谁才能在这场前所未有的技术马拉松中活到最后。 ...全文
头像

解密AI巨头亏损真相：算力黑洞与商业模式考量

小推 • 其他评论 • 2026-09-30
摘要：文章剖析AI巨头巨额亏损背后的算力黑洞，对比传统互联网固定资产模式，揭示大模型在训练折旧与推理成本方面的财务考验及商业破局路径。网友动态：Anthropic 招股书被泄漏，2025年净亏损...
评论 8
阅读 127

五道口AI创业童话的资本底色

摘要：所谓清华系AI创业的学术闭环，本质是算力重资产与顶配人脉的强强联手，强行剥离资本谈情怀只是给圈外人灌输的幻觉。网友动态：其他行业怎么入局具身智能？清华系AI创业这么多，其实跟钱的关系不大，真正的原因是这个圈子形成了闭环——老师在实验室带学生，学生出去创业，创业成功后回来带新学生，技术、人才和资本在同一个网络里循环。我最近翻资料的时候看到一件事，挺有感触的。《华尔街日报》专门做了个报道，发现十多年前唐杰和杨植麟还只是清华实验室里的一对师生，现在一个联合创办了Z.AI，一个带着月之暗面，两家估值都到了数百亿美元。而杨植麟创业的时候，他实验室里的论文、代码、技术思路，是能直接带出来的，不用再从零开始摸索。而且清华系创业有一个外人很难复制的东西——“只投清华校友”的基金。 有个叫水木清华校友种子基金的机构，十年以来只投清华背景的创业者，累计投了近150家企业，存活率高达98%。创始人跟我说，如果创始团队里至少有一个清华校友、持股超过5%，就可以聊。更夸张的是物理距离。北京五道口的“AI原点社区”，离清华走路五分钟，一栋楼里挤着上百个AI创业团队。在这里，两个陌生人聊两句就能加微信，打开电脑显示Claude Code的界面，马上会有人凑过来问“在做什么项目”。估值百亿的公司和还在手搓第一个demo的团队，共用同一部电梯。有时候聊着聊着，技术和资源就在对话间完成了交换。其实不止是清华，北大也有类似的AI创业生态，包括清北人三校联合的AI俱乐部，正在把这种模式复制出去。不同之处在于，清华的工科积累和校友基金体系，让这个循环转得更快也更稳。评论区你身边有从实验室走出来创业的朋友吗？他们是怎么开始的？我的吐槽：抛开动辄上亿的算力租赁费去谈学术传承，纯粹是掩盖资源垄断的凡尔赛文学。看似逻辑自洽，实则漏洞百出：1、唯心主义的研发零成本错觉槽点：原文将师生携带论文代码出走创业描绘成无本万利的爽文，刻意淡化了把实验室demo转化为商业大模型所必经的恐怖烧钱门槛。真相：如今训练万亿参数大模型的单次算力租赁费就抵得上一线城市核心区一套大平层全款，缺乏顶级风投垫资去承担这笔庞大的刚性开支，再惊艳的学术代码也无法转化为商业产品。2、违背商业常识的生存率神话槽点：鼓吹十年期校友种子基金98%的存活率，完全是对风险投资客观规律的降智解读，将靠输血吊命的壳公司包装成了商业奇迹。真相：在真实市场中一家正规企业仅需承担几名算法工程师的顶格五险一金和中关村高昂的写字楼租金就能轻易耗尽百万种子轮，所谓高达98%的存活率大概率只是挂靠在高校实验室里免除用工成本的僵尸项目。3、伪共享经济的电梯社交骗局槽点：把五道口办公楼里的陌生人搭讪美化成技术与资源的无界交换，是典型为了兜售孵化器工位而编造的互联网地摊文学。真相：行业真实薪资分布中能触碰大模型底层架构的专家年薪起步两百万且背负着极度严苛的竞业协议，那些在电梯和咖啡馆里靠看屏幕轻易交换出来的绝对不可能是核心技术而只是廉价的情绪价值。总结成一句话：这种将极高资本门槛与特权圈层滤镜化的叙事不过是兜售给普通人的科技爽文罢了。 ...全文
头像

五道口AI创业童话的资本底色

吐槽社 • 其他评论 • 2026-09-10
摘要：所谓清华系AI创业的学术闭环，本质是算力重资产与顶配人脉的强强联手，强行剥离资本谈情怀只是给圈外人灌输的幻觉。网友动态：其他行业怎么入局具身智能？清华系AI创业这么多，其实跟钱的关系不大，...
评论 6
阅读 171

利润四块钱的AI算力打工人

摘要：AI漫剧团队辛苦一个月入账28万，扣除19.5万算力后利润仅剩4元。降成本固然重要，但面对平台分账压价与版权方抽成，光靠本地部署根本救不了套利者。网友动态：看到一组朋友做AI漫剧的7月账单，直接笑死自然流分账18.5万 + 红果收入9.6万，合计28.2万。 算力成本19.5万，人力5.6万，版权场地电费杂项再扣， 最终利润：4元。 然后一人转账2块，配文「一人两块」。 真正的抽水机不是平台分成，不是版权，不是人力，是算力。 19.5万的云端成本，几乎把整盘收入吞干净。 人还在跑，模型还在生，钱却全进了API和GPU的口袋。 很简单： 现在大多数AI漫剧/短剧团队，本质上还在做「云端算力的二道贩子」。 提示词再好、分镜再强、分发再猛，只要算力成本居高不下，利润就永远在4块钱这个数量级上徘徊。 真正能让独立创作者活下来的，不是更会写提示词，而是把那19.5万的算力成本打下来。 本地量化模型、专属推理优化、批量生成流水线——这些才是真正的胜负手。 等真正把算力成本压下去的那天，同样的团队，利润可能直接从4块变成六位数。 这波AI内容赛道，最后活下来的，大概率不是最会整活的，而是最会把算力成本打下来的那批人。我的吐槽：这篇文章表面在聊算力黑洞，实则完美掩盖了AI内容制作在平台分账与流量博弈中的底层羸弱。看似逻辑自洽，实则漏洞百出：1、以为算力是黑手，其实平台才是真正的抽水机槽点：作者把利润微薄的锅全甩给API与GPU，以为只要把算力降下来就能躺着赚钱，完全忽视了平台生态的残酷吞吐机制。真相：28.2万的分账看似可观，但在红果等短剧平台单集播放分账低至几分钱的当下，流量池基本全靠买量拉动；加上个人灵活就业按20%预扣率缴纳劳务报酬所得税、每月自费缴纳近二千元的社保刚性支出，平台只要稍微调整算法推荐权重，这点毛利就会瞬间变成负数。2、幻想本地量化救场，忽视了硬件与折旧的硬成本槽点：以为搞本地部署和模型量化就能把19.5万成本抹平，把技术降本想得跟用免费软件一样轻巧。真相：想跑通高画质AI漫剧的本地生成，至少需要搭载多张大显存专业显卡的私有化算力集群；一台单价超2万元的顶级显卡在24小时满载跑图下的功耗与年化30%以上的硬件折旧，再加上自建机房的工业电费，隐性固定资产摊销并不比云端API便宜。3、把同质化套利当门槛，忽视了内容工业的版权与溢价槽点：以为靠卷算力成本就能活到最后，实际上在极度卷跑量的赛道里，没有核心IP的内容永远只是代工厂。真相：AI漫剧能跑出28万流水全靠爆款剧本的套路复制，但在面对正版小说IP授权方动辄15%以上的抽成以及同行天天用同类Prompt打价格战时，毫无壁垒的管道型团队即使把算力成本压缩到零，也只会被平台下一次的压价吞噬掉最后的溢价空间。总结成一句话：以为省下算力就能翻身当老板，实际上不过是从云端服务器的二道贩子，沦为给平台和IP方免费打工的无薪劳工。 ...全文
头像

利润四块钱的AI算力打工人

吐槽社 • 其他评论 • 2026-09-08
摘要：AI漫剧团队辛苦一个月入账28万，扣除19.5万算力后利润仅剩4元。降成本固然重要，但面对平台分账压价与版权方抽成，光靠本地部署根本救不了套利者。网友动态：看到一组朋友做AI漫剧的7月账单...
评论 7
阅读 195

腾讯500人AI游戏团队：降本增效的遮羞布与大厂的算力焦虑

摘要：别被五百人算力军团的热血上头洗脑，大厂扩编AI并非为了颠覆游戏体验，而是面对行业增速放缓时，用运动式堆人来消化硬件折旧与组织冗余的防御手段。网友动态：腾讯IEG整合AI游戏团队，拟扩至五百人腾讯说到底还是有钱任性，上半年游戏收入1301亿，一万张H卡，还有混元都碰不到的独家游戏数据，这手牌，中小厂想都不敢想。不过钱多归钱多，"用视频模型直接生成能玩的游戏"听着热血，离落地还早着呢。不过这个方向肯定没错，整合后的五百人团队能不能憋出真东西，还得等等看！我的吐槽：别把大厂的组织套利当成技术革命，500人的团队规模与其说是攻坚AI，不如说是给拥挤的内部转岗人员找个名正言顺的产能避难所。看似逻辑自洽，实则漏洞百出：1、万张H卡与数据壁垒不是护城河而是成本重负槽点：以为拥有上万张顶级显卡和独家数据就能在AI游戏赛道通吃，忽视了大模型基础设施极高且持续的折旧与维护成本。真相：单张H100每年折旧与运维成本高达数万元，一万张显卡光是固定摊销与电费一年就能吞掉数亿元开支，如果在变现端无法带来年化15%以上的净利润增量，这些显卡在财报里就不是竞争壁垒，而是拖累ROE的沉没资产。2、视频模型直接生成游戏属于概念炒作槽点：吹捧视频模型生成可玩游戏是正确方向，试图用高大上的生成式AI概念掩盖游戏工程极其复杂的实时交互与逻辑校验本质。真相：游戏开发核心是状态机与碰撞检测，当下的扩散模型连连贯的画面帧率都无法保证，每秒生成30帧视频的算力成本比传统引擎渲染高出数千倍的边际成本，在玩家人均月打赏开支下滑的当下，没有任何商业化游戏能承受这种实时推理的成本灾难。3、500人扩编不过是KPI驱动的内部消化槽点：期待500人整合团队憋出大招，把大厂常规的部门重组和人员打包洗牌当成了集中力量办大事的技术攻坚。真相：在大厂中层职级体系里，一个总监级别需要掌控数十至上百人团队才能维持住P9或L10的管理盘子，把散落在各工作室的AI碎肉拼凑成500人大团队，本质上是中层管理者为了保住部门预算和头顶乌纱帽而搞的重组，最终产出的往往只是几张好看的演示PPT。总结成一句话：大厂的狂欢终究要靠财报落脚，靠堆砌算力与编制吹出来的概念泡沫，最终都会在陡峭的ROI考核面前摔得粉碎。 ...全文
头像

腾讯500人AI游戏团队：降本增效的遮羞布与大厂的算力焦虑

吐槽社 • 其他评论 • 2026-09-01
摘要：别被五百人算力军团的热血上头洗脑，大厂扩编AI并非为了颠覆游戏体验，而是面对行业增速放缓时，用运动式堆人来消化硬件折旧与组织冗余的防御手段。网友动态：腾讯IEG整合AI游戏团队，拟扩至五百...
评论 16
阅读 325

算力不是遮羞布：AI漫剧团队4块钱利润背后的商业幻觉

摘要：28万营收净赚4元并非全因算力太贵，而是劳动者用虚高流水掩盖了边际效益递减。即便算力降价，平台压价与硬性开支也会迅速吃光利润。网友动态：看到一组朋友做AI漫剧的7月账单，直接笑死自然流分账18.5万 + 红果收入9.6万，合计28.2万。 算力成本19.5万，人力5.6万，版权场地电费杂项再扣， 最终利润：4元。 然后一人转账2块，配文「一人两块」。 真正的抽水机不是平台分成，不是版权，不是人力，是算力。 19.5万的云端成本，几乎把整盘收入吞干净。 人还在跑，模型还在生，钱却全进了API和GPU的口袋。 很简单： 现在大多数AI漫剧/短剧团队，本质上还在做「云端算力的二道贩子」。 提示词再好、分镜再强、分发再猛，只要算力成本居高不下，利润就永远在4块钱这个数量级上徘徊。 真正能让独立创作者活下来的，不是更会写提示词，而是把那19.5万的算力成本打下来。 本地量化模型、专属推理优化、批量生成流水线——这些才是真正的胜负手。 等真正把算力成本压下去的那天，同样的团队，利润可能直接从4块变成六位数。 这波AI内容赛道，最后活下来的，大概率不是最会整活的，而是最会把算力成本打下来的那批人。我的吐槽：这份所谓的月度账单看似在痛诉算力霸权，本质上不过是用科技新名词包裹的数字汗水工厂。看似逻辑自洽，实则漏洞百出：1、把算力当成唯一背锅侠是典型的因果倒置槽点：作者认为只要把19.5万算力成本打下来就能净赚六位数，却忽略了AI内容极低的技术门槛和极度的同质化倾销。真相：算力降价的本质是全行业边际成本同步降低，当RTX4090节点租赁价格从每小时3.5元降至1.2元时，平台的分账单价只会掉得更快。在红果这类平台上，千次有效播放单价早已挤压至几毛钱，内容供给过剩必然引发价格战，省下来的算力成本最终只会被平台的算法降本和广告主压价全部吃干抹净。2、账单中被刻意抹平的真实生存硬开支槽点：两个人分账4块钱当成段子打趣，却完全无视了人力成本5.6万背后两个人裸奔创业的隐形生存风险。真相：5.6万的人力开支平摊到两人看似有2.8万月薪，但若扣除灵活就业人员按20%比例全额自费缴纳的养老与医疗社保，再算上无进项发票导致的6%增值税与附加税，实际到手现金流极其脆弱。这种没有任何抗风险能力的流水账单，一旦遇到版权追责或平台限流，仅凭4块钱的结余连起诉应诉的材料打印费都不够。3、本地量化与私有化部署的成本迷思槽点：以为靠本地量化模型和专属推理就能把19.5万算力打下来，是对硬件折旧与运维成本的通俗误解。真相：搭建能跑通高清视频生成的本地多卡集群，光是商业工业用电每度1.2元的硬性电费以及每年至少30%的硬件折旧费，就会瞬间吃干流动资金。硬件重资产化必然吞噬流动性，小团队企图在算力运维上与云计算厂商拼成本，相当于为了喝牛奶去自购牧场加盖饲料厂。总结成一句话：当创业者还在为给GPU厂商打工而自嘲时，真正掌控流量分派权的平台早已算好了每一只小白鼠的散热极限。 ...全文
头像

算力不是遮羞布：AI漫剧团队4块钱利润背后的商业幻觉

吐槽社 • 其他评论 • 2026-08-30
摘要：28万营收净赚4元并非全因算力太贵，而是劳动者用虚高流水掩盖了边际效益递减。即便算力降价，平台压价与硬性开支也会迅速吃光利润。网友动态：看到一组朋友做AI漫剧的7月账单，直接笑死自然流分账...
评论 9
阅读 226
模特湾 - 分享有趣的评论