行业多源确认

扩散差距公式:实验室营收减 CapEx 才是真实价值

精选理由

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。

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。

正文

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。

原文 · Sarah Guo

Diffusion Gap for Labs =

Actual Revenue Growth (or Discounted Future Pot of Science/Drug Discovery Gold)

− CapEx Spend (where Capability is log-linear to CapEx)

产业坐标与信源核验

本条情报归属 AITOP「行业」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:OpenAI、Anthropic、CapEx、行业分析,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「Sarah Guo」(@saranormous),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 11 家独立信源对该事件进行交叉印证与跟进报道(含 Rappler: Technology、The Information、theverge 等),属于近期高关注度行业信号。