我建立了一个小型模拟器，以压力测试人工智能推理的单位经济。

我想孤立的问题很简单：在什么假设下，前沿的AI推理才能变得足够赚钱，来证明当前的投资周期？

我的当前看法是，AI推理可以变得非常赚钱，但这并不是因为推理成本降低了。有利的案例需要多个假设在同一时间排列起来：
- 支付的采用速度快
- GPU容量不会超过需求太多
- 部署的模型保持向更低的活跃参数服务架构移动
- 通过率/批处理改善了
- GPU折旧期足够长，资本成本不惩罚
- 实际令牌收入不会崩溃到商品定价

模型中最大的波动因素不是电力。它们是利用率，活跃模型大小，GPU/数据中心折旧，和令牌的折合收入。

这使投资问题从“AI会有用吗？”变成了“谁可以在高到足以支持投资的利润率上，赚取推理收入？”

App：
https://msg32jebwg56opz2avykhcai-profitability-simulator.streamlit.app/

很感兴趣地看到投资的反馈，特别是如果模型错过了主要的成本/收入类别，或者过度估计了如何达到有利的推理收入。