IBM首席执行官阿尔温德·克里希纳（Arvind Krishna）在参加The Verge的Decoder播客节目时，对当前为追求通用人工智能而进行的资本支出能否最终收回成本提出了质疑。克里希纳表示，当前建设和装备大型人工智能数据中心的数据，正将整个行业推向一个轨迹：累计约8万亿美元的投入，仅为了覆盖资本成本，就需要每年产生约800亿美元的利润。
这一论断直接基于对当前硬件、其折旧以及能源消耗的假设，而非任何坚实的长期预测。但它提出的时机，正值我们看到多家公司正通过前所未有的、长达数年的基础设施项目相互竞争。克里希纳估计，为一个1吉瓦规模的人工智能设施配备计算硬件，大约需要800亿美元。问题在于，这种规模的部署正从图纸走向实际规划阶段，领先的人工智能公司提出的部署计划动辄数十吉瓦，在某些情况下甚至超过100吉瓦。克里希纳称，综合公开和私下的公告来看，目前计划用于通用人工智能级别工作负载的产能总计约100吉瓦。
按每吉瓦800亿美元计算，总投入将达到8万亿美元。他将这些数字与加速器集群常见的五年更新周期联系起来，认为需要在该窗口期内更换这些数据中心内的大部分硬件，这对长期资本支出要求产生了复合效应。他还指出，在当前以大型语言模型为中心的架构下，若不采用新的知识整合形式，其达到通用人工智能的可能性介于0%到1%之间。
克里希纳指出，折旧是投资者最低估的计算部分。人工智能加速器通常按五年进行折旧摊销，他认为架构变化的速度意味着集群必须被替换而非扩展。“你必须在五年内用完它，因为到那时，你就得把它扔掉并重新填满，”他说。
近期金融市场的批评也集中在类似的担忧上。例如，投资者迈克尔·伯里（Michael Burry）就提出质疑：如果性能提升和模型规模迫使旧款图形处理器加速退役，超大规模数据中心运营商是否还能继续延长其使用寿命假设。
这位IBM负责人表示，最终他预计当前形式的生成式人工智能工具将大幅提升企业生产力，但他担忧的是下一代人工智能基础设施的物理规模与支撑其所需的经济效益之间的关系。因此，承诺建设这些庞大的、多吉瓦规模的园区并采用压缩更新周期的公司，必须证明其回报能够匹配克里希纳所概述的前所未有的资本支出水平。
