引用迪安·W·鮑爾

前沿AI模型行業正面臨嚴峻的經濟現實。根據迪安·W·鮑爾的分析，訓練一個前沿模型需要投入鉅額資金，這些成本主要依靠發佈後短短幾個月的廣泛使用來回收。一旦這段時間過去，模型就不再處於前沿地位，競爭對手迅速推出更先進的模型，導致利潤率急劇下降。每一週的延遲都在侵蝕實驗室實現盈利的寶貴窗口。以當前業界為例，訓練一個頂尖模型動輒耗費數十億美元，而盈利窗口通常只有三到六個月。此後，模型的價值大幅縮水，企業必須投入更多資源研發下一代模型才能維持競爭力。

與此同時，正在進行的AI基礎設施建設——據前美國AI沙皇大衞·薩克斯稱，對美國經濟至關重要——基於一個關鍵假設：美國AI服務擁有全球總可尋址市場。然而，鮑爾指出，沒有人會投資1000億美元建設數據中心，只為向美國政府允許的100家公司提供前沿模型服務。這種全球市場假設不僅面臨地緣政治風險，還可能因各國監管差異而受阻。例如，歐盟的AI法案可能限制數據傳輸，亞洲和非洲市場則可能因基礎設施不足而難以滲透。

這些動態揭示了AI產業的結構性矛盾。一方面，高昂的訓練成本和短暫的盈利窗口使得大多數AI公司難以實現可持續盈利；另一方面，基礎設施投資的巨大規模要求全球市場支撐，而這在實踐中充滿不確定性。政策制定者需要認真考慮這些經濟現實，否則可能影響美國在全球AI領域的領先地位。鮑爾在其題為《關於已發生之事與美國應當如何做的35條思考》的文章中，詳細剖析了這些行業動態，並呼籲採取更務實的政策來應對即將到來的挑戰。