AI ROI

关于目前AI ROI的计算，大幅低估了tokens的价值，即智能的增长速度和智能产生的经济价值。也低估AGI, 超级智能，智能爆炸的影响。

目前按照tokens数量收费，是为了快速adoption和份额，让人类对AI上瘾，从而离不开AI。未来tokens价格要么可能会大幅增加（想象一下3年后当你习惯AI，没有AI后，你还能做什么），或者变成按照任务收费（比如1个客服call成本6美元，AI公司1美元完成，不管用什么模型组合和tokens消耗量）。

在人类社会，吃相近量级的食物，马斯克是万亿美金级别富豪，普通人可能10万人民币财富都没有。Tokens好比AI的食物，饭量不等于财富值。

不同人拿相同的tokens做不同任务，价值千差万别。这里最大的AI应用（tokens arbitrage) 可能在二级市场。

人的薪酬本身就是极度分层的结果，但现在大模型分层远没那么细。分层是很重要的思维方式，从大模型到半导体。

愈发觉得AI投资是比对指数增长的深刻理解以及想象力。

23年至今4年，如果拆开三个维度来看：
1）训练算力：约 +25 倍（物理算力）
2）同等质量的成本：约 -120 倍（算法效率 +硬件迭代的共同效果）
3）实际任务能力（SWE-bench）：约 +50 倍

三个乘起来差不多是 25 × 120 × 50 ≈ 15 万倍。4年时间实现有效算力15万倍的增长。

26Q1，AI跑通了自我迭代研究。这个影响至今可能仍被低估。

1） 把人类需要 10 年的算法进步， 压缩到 1 年内完成。
2）一个 GPT-4 级集群可并行运行 ~100M 个人类研究员当量, 且速度比人类思维快 100 倍。

我们现在已经看到AI在用10分钟完成人类2-4周的分析工作量，成本仅需人类工资的0.2-2%。这才刚开始不到1个季度。

用线性增长思维难以理解指数增长（不会有人敢拍有效算力4年是15万倍增长，收入不到1000倍增长）。智能的指数增长 vs capex的线性增长，中间的摩擦, 是不断的讨论和计算AI ROI和capex的原因 （下图是23年4月的AI vs 现在的AI）