AI 월간 수수료는 누구입니까? 20돌라 알고리즘 공급 체인을 파괴하는 맵

TL; DR

• Claude $20는 모델 회사, 클라우드 컴퓨팅, GPU, 전기 및 공급망에 AI 월간 수수료를 분해하는 비용 통합지도에 가입합니다。
• AI 구독은 지속적인 소감을 가지고 있으며 기존 SaaS 시나리오에 직접 적용 할 수 없습니다。
• 연결된 대상은 다음과 같습니다. OpenAI, Anthropic, Microsoft, Amazon, Google, NVDA, Radio Accumulation, SK Hercules, Samsung, Light, Data Centre 및 Power Chain。

Claude Pro의 추정은 미국에서 모델 회사, 클라우드 컴퓨팅, GPU depreciation, 전기 및 공급망에 의해 달 당 약 20 달러를 지불하는 주요 투자자가 AI에 적용 된 수익이 가치있을 수 있다는 것을 다시보고합니다。

이 그림은 Anthropic, Amazonian cloud 또는 Weeda의 공식 하위 계정이 아니며 모든 회사의 진정한 책으로 간주 될 수 있습니다. 그것의 가치는 더 기본적인 질문을 올리는에서 속합니다: AI 신청을 위한 사용자에 의해 얼마나 많은 구독이 지불되고, 몇몇은 소프트웨어 성숙으로 전통적인 SaaS로 입금되는지

전통적인 SaaS valuation은 명확하게 상상됩니다. 소프트웨어가 작성되면, 하나의 추가 계정이 판매되고, 새로운 추가 비용은 보통 낮고, 성숙한 순수 소프트웨어 회사는 자신의 70 % 이상의 것을 가지고 경향이있다. 투자자는 수익 확대로 수익을 늘리는 기회를 지속적으로 늘릴 수 있기 때문입니다。

AI 애플리케이션의 문제는 각각 사용자가 요청하고, 코드를 작성하고, 파일을 분석하거나 호출합니다. GPS 시간, 전기, 메모리 대역폭 및 클라우드 리소스를 소비합니다. 표면은 고정 월 요금이지만 바닥은 사용과 변화하는 비용 체인입니다. 라이트 사용자는 높은 Māori 및 무거운 사용자가 사용할 수있는 금액 또는 관련 도구 패키지 내에서 성공 임무를 실행할 수 있으며 비용이 빠르게 상승 할 수 있습니다。

그래서 $ 20 분할의 도전은 회사가 찍은 얼마나 많은 달러가 아니라, AI 응용 프로그램 수익이 SaaS의 소득과 동일 여부. AI는 그것의 가치를 증명하는 것은 다수, 뿐만 아니라 사용자가 지불할 것입니다, 또한 사용 무게를 다는 Maori 비율은 개량하기 위하여 계속할 것입니다。

구독 뒤에 이유의 체인이 있습니다

사이트맵 일반 소프트웨어에 가입과 구독 사이의 가장 큰 차이는 "사용에서 한 번의 마진 비용이 0에 더 이상 닫지 않습니다。

전통적인 SaaS에서 팀은 추가 계정과 서비스 제공 업체를 열고 서버, 여객 및 대역폭 비용을 가지고 있으며, 일반적으로 각 클릭으로 선형적으로 상승하지 않습니다. 실제로 비싼 것은 사전 연구 및 개발, 판매 및 인수입니다. 제품이 확장될 때, 추가 수입의 뜻깊은 부분은 유지될 수 있습니다。

큰 모형 제품은 다릅니다. 사용자 입력 질문, 모델은 답변을 생성, 이유라는 프로세스, 즉, 사용자가 호출 할 때 모델의 실제 계산. Token은 모형 독서와 쓰기를 위한 측정의 기본적인 단위입니다. 더 많은 사용자 요청, 더 긴 컨텍스트, 더 복잡한 콘텐츠는, 더 많은 토큰과 더 많은 알고리즘이 소비됩니다。

수정된 구독과 전환성 간의 금전을 만듭니다. Claude Pro는 미국 달러 당 약 20 달러를 지불했으며 가격은 지역, 세금 및 세금 및 인류 조정에 영향을 미칩니다. 사용자는 고정 가격 및 모델 회사는 매우 다른 사용법을 직면. 메일을 작성하고 정보를 확인하는 사람들은 긴 파일, 실행 코드 할당 또는 더 복잡한 자동화 프로세스를 호출하는 사람들이 있습니다。

시장 확대지도는 문제의 시각화를 시도: 의 $20, 부분은 모델 회사에 남아, 부분은 클라우드 및 계산기 공급자로 지불되었다. 계산 비용은 전기, 수송, GPU DEPRECIATION를 포함합니다. GPU 조달은 영국 WEEDA, 힘 건축업자, HBM (높은 대역폭 기억), 가벼운 단위, ODM 및 힘 관련된 기업으로 위로 흐릅니다。

"GPU DEPRECIATION"라는 용어는 비싼 GPU가 한 번의 완료 책이 아니라 연령, 사용 또는 회계 CALIBRE의 강도에서 AI 서비스로 천천히 배포됩니다. 진정한 배포는 패키지의 크기에 의해 영향을, 경량 사용자의 비율, 클라우드 제조업체의 내부 정착 가격, 허용 할인, GPU의 활용 및 공감. 평균 비용은 마진 비용과 같습니다。

투자자는 실제로 방향에 초점을 맞출 필요가 있습니다 : AI IPS는 소득 성장을 공개 할뿐만 아니라 소득 성장 뒤에 계산 비용이 동시에 증가 할 수 있는지 응답 할 수 없습니다. MĀORI 압력은 모델 효율 증가보다 더 빠르게 확장하면 더 발음 될 수 있으며, 더 높은 가입 소득. 효율성 개선이 빠르면 충분하게 모델 기업이 소프트웨어 회사의 이익 구조에 대한 접근 할 수있는 기회를 가질 것입니다。

인프라는 더 확실한 소득을 먼저받습니다

이 단계에서 AI 사용 성장은 전체 애플리케이션 레이어보다 인프라에 더 직접 흐릅니다。

사용자가 Claude, ChatGPT, Gemini 또는 기업 내에서 모델을 사용하든, 개인, 결국 계산, 전기, 메모리 및 네트워크로 떨어지는 이유. 신청 수준에 제품의 회전율이 있고 밑바닥 자원의 더 엄밀한 소비일지도 모릅니다. AI 사용으로 인해 계속 상승, 클라우드 자본 지출, GPU 조달, HBM 수요 및 데이터 센터 전기가 당겨질 것입니다。

또한 WEIDA, 통신 및 SK HERCULES와 같은 인프라 체인이 시장의 재가치를 계속합니다. YINGWEIDA의 전반적인 MĀORI 비율은 최근 몇 년 동안 높은, GAAP 및 비GAAP MĀORI 비율의 약 71.1 및 71.3 년 동안의 % 2026, 그리고 후속 분기 가이드. 개별 분기는 특정 비용에 의해 방해되고 공개 금융 공개는 항상 AI 데이터 센터의 실제 MAORI 구조를 직접 제거하지 않지만 SCARCE 인프라의 가격 권리의 존재는 성능에 반영됩니다。

HBM은이 체인에서 가장 일반적인 링크입니다. 그것은 일반 기억이 아닙니다, 그것은 높은 입력 계산을 지원하는 AI 가속기에 핵심 성분입니다. 모델 크기, 컨텍스트 길이 및 코딩에 대한 증가 된 수요는 AI 칩에 대한 높은 대역폭 메모리에 더 큰 의존성을 보여줍니다. 공급망 견적은 HBM의 새로운 세대의 AI 칩의 비용의 S의 점유율을 보여 주며, 이는 SK HERCULES, SAMSUNG, AMERICAN LIGHT가 AI 사이클에서 재현한 중요한 이유이기도 합니다。

전기 및 데이터 센터는 배경 비용에서 투자 허브로 이동했습니다. 단일 일반 텍스트 쿼리의 에너지 소비량은 반드시 과장되지 않지만 복잡한 에이전트, 컨텍스트, 코드 생성 및 여러 라운드의 작업이 확대됩니다. 클라우드 제조업체 및 데이터 센터 운영자의 경우, 키는 한 번에 얼마나 많은 전기가 소비되는지 묻지 않지만, 요청이 계속되는지, 클러스터 활용, 전기 가격, 냉각, 객실 용량 및 그리드 액세스 용량은 비용과 병목이됩니다。

인프라 끝의 장점은 빠른 성능 검증에 있습니다. 클라우드 제조업체의 AI CAPITAL EXPENDITURE는 이미 INGWEIDA의 플레이스, 소득 및 MAORI가 재무 성명 및 HBM 회사 주문 및 가격을 반영하여 비교적 빠르게 이익을 계산합니다. 모형 신청 층은 미래의 기대에서 좀더 무역됩니다: API 소득과 미래 비용 곡선 쇠퇴 후에 가입 변환, 사업 침투, 이익 방출。

효율성 개선은 중앙 및 다각적 기반 유지

소프트웨어 투자자와 AI 다수 머리는 REBUTTAL 없이 아닙니다. 효율성의 중심점은 오늘날의 S 높은 비용의 REASONING은 초기 단계 현상과 그 모델 최적화, 캐시, 작은 모델, 자체 학습 칩 및 더 높은 클러스터 활용은 단위 비용을 줄일 수 있습니다. 비용으로 충분히 빠릅니다, AI 신청은 아직도 높 MĀORI 소프트웨어 논리에 돌려보낼지도 모릅니다。

이 rebuttal에는 현실적인 기초가 있습니다. 주류 모델 중 일부는 동등한 또는 높은 기능을 가진 단위 가격에서 표시된 감소를 경험했습니다. OpenAI는 이전에 GPT-4o Mini가 토큰 당 초기 text-davinci-003 비용보다 99 % 낮다는 것을 공개했습니다. 다른 회사의 리듬은 완전히 일관성이 아니며 Anthropic은 최근 가격 업그레이드 및 모델 레이어로 반영되었지만 업계 방향은 더 낮은 비용으로 강력한 기능을 제공해야합니다。

모형 회사는 또한 단위 경제를 개량하는 다양한 방법이 있습니다. 간단한 작업은 작은 모델에 주어지고, 빈번한 요청은 캐시 재사용, 긴 컨텍스트 및 복잡한 작업을 통해 강력한 모델로 전송됩니다. 클라우드 제조업체는 자체 study 칩과 클러스터 운동을 통해 단일 컴퓨팅 비용을 절감합니다. Google은 TPU, Microsoft가 Maia를 출시했으며 Amazon은 Trainium과 Inferentia를 밀어줍니다。

기술 발전을 기반으로 한 경우 AI 응용 프로그램의 개선 방이 있습니다. 더 값이 싼 이유, 더 나은 모델 라우팅, 그리고 더 압축 힘은 더 많은 사용법을 수행하기 위해 동일한 $20 구독을 만듭니다. 빛 사용자는, 높 가격 기업 포장, API 층 및 엄격한 사용 한계는 또한 전반적인 단위 경제를 개량할 수 있습니다。

어려움은 비용 절감은 단지 변수가 아닙니다. AI 응용 프로그램은 간단한 채팅에서 heavier 작업 부하로 이동합니다. 과거에는, 사용자는 단순히 질문을하고 텍스트를 rewriting, 그리고 지금 부호 대리인, 긴 문서 가공, 영상 및 다 단위적인 발생 및 기업 자동화 과정에서 수요가 증가할지도 모릅니다. 이 장면은 더 가치 있고 consuming입니다. 더 유용한 모델은, 사용자가 더 복잡하고 더 긴 작업을 위탁하는 가능성이 더 높습니다。

차이는 더 구체화되었다: 사고 비용의 감소율은 작업의 사용과 복잡성을 초과할 수 있었다. 단위가 급속하게 하락하면, 그러나 평균 소비자 소비는 더 급속하게 증가합니다, 모형 회사의 무게를 다는 MĀORI 비율은 압력의 밑에 남아 있을 것입니다. 턴에서 AI 구독은 모델 경로, 캐시, 자기 학습 칩 및 가격 레이어가 충분히 효과적 인 경우 오늘 'S HEAVY-COST 기능에서 멀리 이동할 수 있습니다。

가입자의 수는 마오리 비율이 아닙니다

미국 달러 분할지도는 최종적으로 이해해야합니다. 투자자가 "AI 애플리케이션이 SaaS와 동일하다"라는 가정을 할인 할 필요가있는 현재 단계의 Valuation과 마찬가지로 시장이 충분히 투명한 모델 회사 MUR 비율을 볼 수 없습니다。

OpenAI, Anthropic과 같은 공개되지 않은 모델 회사에서는 외부 투자자가 전체 책을 볼 수 있도록 어렵습니다. Financing 재료, 파트너 공개, 클라우드 비용 구조, 기업 패키지 가격, API 수익 공유 및 사용 제한 모든 봉사의 포인트. 진정한 가치있는 데이터는 수수료 지불 사용자의 수는 아니지만, 빛과 무거운 사용자의 공유, 높은 인텐시브 사용에 대한 높은 가격을 지불하는 비즈니스 클라이언트의 willingness, 클라우드 정리 비용의 쇠퇴, 기업 성숙으로 떨어지는 단위 납세 비용의 능력。

나열된 회사 체인의 인증은 금융 진술에 더 빨리 나타납니다. 총 MĀORI 비율 및 데이터 센터 소득의 성장, 고급 데스크톱 전력 생산 및 포함에 대한 수요, HBM 제조업체의 가격과 수익성, 클라우드 제조업체의 자본 지출의 강도는 AI 사용이 인프라 끝에 흐름을 계속 반영하는지 계속 반영합니다. 이 지표가 강하고 모델 애플리케이션 수준에서 개선 된 MĀORI 비율의 증거가 부족한 경우, 시장은 인프라에 대한 더 확실한 가치 프리미엄을 제공하기 위해 계속됩니다。

궁극적으로, 더 높은 valuation 앵커를 복구하기 위해, 모델 회사는 사용자가 $ 20을 지불하는 것이 아니라, 이러한 구독, 무거운 사용 후, 여전히 충분히 마오리를 남겨. 가격차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별차별표。