投机泡沫就像是华尔街圈子里的一项运动。毕竟，率先发现任何形式的过剩行为都可能带来丰厚的利润。杰瑞米·格拉汉姆（Jeremy Grantham）因预测1999年的科技泡沫而闻名，迈克尔·巴里（Michael Burry）因预言2007年房地产泡沫而在书籍和电影中一举成名。成为下一位“泡沫预言家”具有巨大的吸引力。但在投机泡沫史上，他们的准确预测显然是例外。因此，当我看到越来越多的报告质疑是否会存在生成式人工智能的泡沫时，我持怀疑态度。
在分析某个行业的市场潜在过剩情况时，除了关注近期的市场表现和热点之外，我们必须更深入地审视其基本面。人工智能的基础是数据及使用数据所需的基础设施，这也是让我相信人工智能领域还不是泡沫的一大原因。该领域是一个跨越潜在变革性技术价值链的长期增长机会。
目前是人工智能增长故事的早期阶段
黑石近期组建了首席技术官网络，对人工智能的影响和潜力等一系列话题进行讨论。这些首席技术官的一个共同发现是，许多公司正处于人工智能的研究阶段，尚未充分利用其生产力。我认为这些讨论毫无疑问地表明生成式人工智能将带来巨大的变革，但我们尚无法完全参透其实现变革的方式。
诚然，人工智能相关股票在今年大幅上涨。但正如德意志银行研究策略师吉姆·瑞德（Jim Reid）在他的“轻松星期五”（Flippant Friday）文章中曾幽默地指出的那样，如果这就是公众认知度只有50%的人工智能股票的走势，那么当全民都了解人工智能时，这些股票的表现将会如何？
目前我们正处在将人工智能整合到企业以及更广泛的经济的初始阶段。当下存在着许多问题，其数量和已知的答案一样多甚至更多，而我们能做的就是去发现那些在人工智能的应用和增长路径中不可或缺的动力。
数据越多，需要的储存空间就越多
在某些方面，生成式人工智能让我回忆起了电子商务发展的初始阶段。当时显而易见的是，亚马逊（AMZN.O）会从根本上颠覆整个零售业，这一认知使投资者们开始寻找那些能够推动他们取得成功的基础设施。而当时不太明显的迹象是，仓储会成为亚马逊的崛起中不可或缺的一环。亚马逊需要“最后一英里”配送来兑现其承诺，而这需要在人口中心附近拥有极大的仓储容量。城市填充型仓库由此转型。
如今，我们也可以用同样的方式看待人工智能和数据中心。生成式人工智能模型依赖于强大的数据处理能力和大规模的储存容量，这应该会推动市场对一些实体数据中心的需求。这些实体数据中心需要有能力处理生成式人工智能应用的密集计算需求。同时，它们还能够实现分布式训练与推理，有效协调跨多台机器或多个数据中心的操作。近年来，随着储存和计算需求向云端转移，对数据中心的需求也急剧增加。如下图所示，据世邦魏理仕（CBRE）估计，自2015年以来，数据中心库存数量几乎增长了两倍。
考虑到当今世界上每天都会产生的大量数据，数据中心的增长并不意外。下图展示了一些令人震撼的数据，比如每天每分钟有超过2.3亿封电子邮件和1600万条短信会被发送。此外，谷歌每分钟会发生590万次搜索，Facebook每分钟会新增170万条内容分享，Twitter每分钟会增加34万条推文。
生成式人工智能实体的机遇
现在人工智能也将入局。我们自然而然地会将人工智能视为一个神秘、抽象的概念，一种存在于虚拟世界中的软件形式。事实上，现实世界的数据中心是人工智能的锚点，就像是那些在实体服务器运行的数据储存和基于云的应用一样。人工智能对于实体的需求在某些方面与现有的应用不同，可能会推动专供新技术的特定数据中心的发展。例如，Meta（META.O）最近发布了其重新设计数据中心项目的计划细节，以推动人工智能的研发。
数据需求的倍增器
鉴于同样的驱动因素，许多竞争者竞相开发狭义和广义上的生成式人工智能模型。开发这些模型都需要高度依赖强大的算力、数据处理能力和储存容量。这些预计都将推动对数据中心需求的不断增加，这些数据中心可以处理生成式人工智能应用的密集计算需求。此外，数据中心能够实现分布式训练和推断，有效协调跨多台机器或多个数据中心的操作。
我们可能不完全了解生成式人工智能的成本和收益，但我相信生成式人工智能将继续发展，并将掀起对该领域的投资热潮。尽管科技公司在人工智能的开发潜力和应用方面有着激烈的竞争，但在我看来，无论当下还是未来，数据中心似乎能够在由人工智能驱动的世界中蓬勃发展。
本文作者约瑟夫·齐德（Joseph Zidle）是黑石私人财富解决方案首席投资策略师；文中的数据和分析由Taylor Becker提供。本评论所述观点均属Joseph Zidle和Taylor Becker的个人观点，不一定反映Blackstone Inc.（及其关联公司，统称“黑石集团”）的观点。
文 | 约瑟夫·齐德
编辑 | 林一丹
版权声明：
《巴伦周刊》(barronschina)原创文章，未经许可，不得转载。
（本文内容仅供参考，不构成任何形式的投资和金融建议；市场有风险，投资须谨慎。）
