主要来源Sarah Guo
查看原文事件专题 ·多源确认
扩散差距公式:实验室营收减 CapEx 才是真实价值
Sara(saranormous)在 X 上提出一个衡量 AI 实验室的公式:Diffusion Gap(扩散差距)等于实验室的实际营收增长(或折现后的未来科学/药物发现收益)减去 CapEx 支出。公式的一个关键假设是模型能力与 CapEx 呈 log-linear(对数线性)关系,即算力投入的边际能力回报递减。 按这个框架,实验室烧钱建数据中心、训练大模型本身不产生价值,只有这些 CapEx 通过客户付费或科研产出被市场'扩散'兑现后,才会转成正向的 Diffusion Gap。如果营收增长跑不赢指数级攀升的算力开支,差距就是负值,意味着投入换不来对等的回报。 这个公式提供了一个比'烧钱速度'更细的视角:它把药物发现、基础科学这类长周期、高折现的潜在收益也纳入分子,对应 Anthropic、OpenAI 等实验室目前以数十亿美元计的 CapEx 与数十亿计年化营收之间的悬殊对比。
当前结论
这条推文用一行公式把 AI 实验室'烧钱 vs 赚钱'讲清楚了:营收减 CapEx 才是真实差距,还假设能力和算力是对数线性关系。想搞懂为什么大家质疑 OpenAI、Anthropic 的巨额数据中心开支能否回本,这个框架比一堆财报术语直观得多,投资人和行业观察者都该看看。
11 个信源22° AI 热度最后更新 2026/11/17 15:00:13
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。