過去12個月，生成式人工智慧經濟創造了1100億美元的銷售額，並且成長迅速。以年計算，其營收運行率超過1750億美元。

這些數據是我們花費數月時間建構的，據我們所知，這是首個自下而上、去重後的全端消費者和企業人工智慧支出衡量指標。今天，我們將發布首份《人工智慧經濟現況》報告，其中包含這項研究成果。

人工智慧市場的供應端已基本明晰。從鎬和鏟的供應商、電腦晶片、記憶體、電力變壓器到冷卻系統，人工智慧資料中心的所有組件大多由上市公司提供。我們可以透過他們的揭露資訊、銷售額和預購訂單來了解他們在基礎設施建設方面的支出。

但要了解需求端則困難得多。而這正是我們過去幾個月一直在努力解決的問題。我們建立了一個專有的AI經濟模型，該模型著眼於AI總支出（包括企業和消費者支出），旨在解答AI浪潮中最棘手的問題：

市場規模究竟有多大？

收入是否在成長？

收入能否涵蓋投資支出？

隨著代幣價格下跌和代幣品質提升，未來的經濟狀況將如何變化？

AI經濟狀況報告

在深入探討報告內容之前，我們認為有必要先介紹我們的工作方法。

方法論

我們如何計算需求方

我們的核心設計選擇之一是避免重複計算相同項目。我們只報告最終用戶的支出金額。例如，如果您在Anthropic花費1美元購買Claude，而Anthropic又花費50美分透過亞馬遜提供服務，我們會在內部追蹤這兩個數字，但最終報告的數字是去重後的1美元。這樣可以避免重複計算供應鏈中的價值。

但這並非易事。雖然供應方的資金很容易統計，但需求方的資金卻難以捉摸。流入人工智慧領域的大部分收入來自OpenAI、Anthropic、Cursor、ElevenLabs等數百家私人公司。這些公司在法律上無需披露任何資訊。

剩餘部分則流向為這些模型提供服務的超大規模雲端服務商：亞馬遜、谷歌和微軟。儘管這些公司是上市公司，但它們並未持續揭露其人工智慧業務的收入。

為了揭示這一點，我們分析了超大規模雲端服務商和新型雲端服務商、其供應商及其客戶的公開聲明，並僅使用高置信度、詳細的事實來建立模型。我們也參考了廣為人知的洩漏資訊和公司自述，並為其賦予置信度評分。

最終，我們建立了針對主要貢獻公司和業務部門的逐項財務模型。每個模型實際上都是一個分解的財務計劃，包括損益表、資產負債表和現金流量表，並結合其他外部來源和內部一致性檢查進行三角驗證。這使得我們的數據可審計。我們可以確定哪些數據點及其置信度權重對任何給定的估算值做出了貢獻。

我們不計入的內容

我們不計入內部人工智慧提升，也就是推薦系統改進的程度，從而提升了 Meta 或 Google 的廣告收入。我們確實有相關模型，但此處暫不報告。

我們也不考慮大型科技公司透過其內部工具所實現的效率提升。我們目前尚未追蹤這部分數據。

我們不計入專業服務和系統整合。當財富 500 強公司在人工智慧領域投入資金時，只有一部分會直接支付給人工智慧公司。這並不能代表他們的全部投入，因為很大一部分資金將用於支付專業服務費用以支持實施。

我們擁有中國市場收入的模型，但本報告的第一版尚未包含中國數據。

結論

這些收入是真的嗎？

過去12個月，剔除重複計算後，人工智慧生態系統創造了1,100億美元的收入。成長率十分穩健。將最近一個月的收入年化，其年化收入可達1750億美元。

這些收入的成長速度超過了以往任何IT浪潮，大約是行動或網路浪潮的三倍。

雖然許多公司已經超越了零星的試點階段，但它們仍處於規模化和深化應用的早期階段。 Azeem與歐美各行各業（從工業到保險，從金融到製藥）的高管進行了交流，得到的共同訊息是，他們計劃在未來幾年加大對人工智慧的投資。企業也開始在財報電話會議上更積極地談論人工智慧的影響，但需要注意的是，有一半受訪CEO認為他們的工作取決於人工智慧能否成功。

人工智慧收入能否支付GPU的費用？

我們接下來要追蹤的問題是，人工智慧收入能否涵蓋建構基礎設施所需的資本投資。我們的模式將主要超大規模雲端服務商和新型雲端服務商（即專業的AI雲端服務供應商）的AI相關資本支出與一般資本支出區分開來。這項調整至關重要，因為在ChatGPT出現之前，超大規模雲端服務商每年在資本支出上的支出高達約1,200億美元¹。

我們納入了對AI基礎設施的額外投資，然後將計算資產折舊6年，其他基礎設施折舊14年。我們的模型顯示，歸屬於超大規模雲端服務商的收入幾乎可以抵銷折舊費用。

六年的折舊期是合理的。更長的使用壽命反映了兩點：第一，需求仍然超過可用的AI運算能力；第二，營運商在管理GPU叢集方面做得越來越好。這兩點都起到了積極作用。僅第二點就足以證明更長的經濟壽命是合理的。

訂閱
代幣的未來是什麼？

我們也研究了代幣價格下跌時市場規模的變化。需求彈性表明，價格下跌會導致支出增加。我們估計，對於所有服務提供者而言，每下調10%的價格，代幣使用量就會增加12-18%，因此總支出仍會上升。

我們認為，儘管代幣是一種有用的計費指標，但它仍然不是衡量人工智慧在產業內流通的經濟價值所需的價值單位。透過結合代幣的產量、其中有多少是用戶可見的產出以及底層模型的性能，品質調整後的產出代幣能夠更好地衡量人工智慧經濟的「智慧商」。

報告的其他內容

報告還涵蓋以下內容：

人工智慧需求對美國電力產業的影響以及電力效率的變化；

代幣成本的變化趨勢以及基於消費的計費方式如何擴大市場；

在不同的價格和能力發展軌跡下，人工智慧需求成長速度的四種情境。

人工智慧經濟現況報告

這是第一版，我們非常歡迎您提出建設性意見，幫助我們改進並提供協助。請寄信至 aieconomy [at] exponentialview.co

機構或諮詢事宜，請寄電子郵件至 helen [at] exponentialview.co

1

Google、微軟和亞馬遜（其支出包括物流投資）。此數字不包括 Meta。

資料來源: exponentialview.co