齐特伦：人工智能竞赛，就是买得越多，输得越多

本文作者埃德 · 齐特伦是科技公关从业者 、 作者 、 播客主持人和科技评论者 。 他早年做过游戏媒体记者，后来进入公关行业，2013 年创办科技公关公司 EZPR，目前仍担任负责人 。 他现在最知名的身份，是科技行业尤其是生成式人工智能热潮的尖锐批评者 。 他出版通讯《Where’s Your Ed At》，并主持 iHeartMedia 旗下播客 《Better Offline》，长期批评硅谷的增长至上 、 资本炒作 、 人工智能商业模式 、 数据中心投资和 OpenAI 等公司的财务可持续性 。

两年前，英伟达首席执行官黄仁勋谈到当时新推出的 Blackwell 图形处理器时说：“ 买得越多，省得越多 。”

他宣称，Blackwell 可将大型语言模型推理的运营成本和能耗最多降低至原来的二十五分之一 。 两年后，根据几家不披露利润率 、 而且显然没有盈利的私营推理服务商提供的案例，这一所谓优势已经缩水到十倍 。

英伟达当初在封闭测试和特定条件下，把 Blackwell 的优势夸大了 150%，却似乎没有人在意 。

一方面，这些数字根本没有多少实际意义；另一方面，多数媒体都极力避免批评这家公司 。

Blackwell“ 比 Hopper 强十倍 ”，看起来没有让任何 AI 创业公司实现盈利，甚至没有让这些公司变得更赚钱，也没有以可以用真金白银衡量的方式降低任何人的成本 。

因此，当别人告诉我 Vera Rubin“ 每兆瓦最多可生成十倍的 Token” 时，我几乎毫无感觉，特别是这项结果还是用已经问世一年半的开源模型 DeepSeek R-1 测出来的 。

不过，与更大的问题相比，这些都无关紧要 。 到目前为止，除了塞得臃肿不堪的资产负债表和被虚假吹高的股价，这一切似乎没有产生任何有形成果 。

到 2026 年底，超大规模云服务商投入生成式 AI 的资金将超过 1.3 万亿美元，并计划在下一年再投入 1 万亿美元 。

理性地看，大型语言模型（LLM）过去做过 、 现在正在做或未来可能做的任何事情，都不可能带来超过 2 万亿美元的新收入，而这正是让这场投资值得付出的最低门槛 。

更具体地说，从 2022 年 3 月至 2026 年 7 月，Meta、 谷歌 、 亚马逊和微软新增的物业 、 厂房及设备（PP&E）超过 8500 亿美元，使相关资产从约 4980 亿美元增至接近原来的三倍 。

在这段时间里，四家公司资本支出合计超过 1 万亿美元 。 同样是在这四年里，没有任何一家披露 AI 或 AI 相关服务带来的真实收入 。

以最近一个季度计算，资本支出已经相当于亚马逊收入的 24.4%、Meta 收入的 33.7%、 微软收入的 37.3%，以及谷歌收入的惊人 43.4%。

过去三年，这一比例一直在上升 。

四家公司还新增了超过 3070 亿美元的表内债务，使总额达到 5570 亿美元，较 2022 年 3 月约 2500 亿美元翻了一倍 。 我特意强调表内债务，是因为 《 日经新闻 》 报道称，Meta、 谷歌 、 亚马逊和微软还有超过 1.35 万亿美元的表外债务 。

这些债务要么对应尚未交付的数据中心和图形处理器，要么由特殊目的实体（SPV）筹集，通过把实际 “ 所有权 ” 转移给另一方，让企业看起来没有真实情况那么负债累累 。

从会计处理看，尚未开始的租赁或合同义务不计入账面并无不妥 。 但我们必须知道，超大规模云服务商正在自己头顶吊起一块多大的铁砧 。

以谷歌为例，截至最近一个季度，公司未来合同支出义务达到 8110 亿美元，过去六个月猛增 6610 亿美元，最近一个季度就增加了约 4780 亿美元 。Meta 不可取消的合同义务也超过 2370 亿美元 。

谷歌 、Meta 和亚马逊已经通过债券筹集超过 1670 亿美元表内债务 。 彭博报道，亚马逊 7 月发行的 250 亿美元债券反应冷淡，“ 最终需求只有发行规模的 1.6 倍 。

作为对比，今年美国高等级公司债的平均认购规模约为发行额的四倍 ”。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

Freedom Broker 的萨肯 · 伊斯梅洛夫提供了另一组对照 。 谷歌发行 200 亿美元 、 期限从三年至四十年不等的债券时，需求约为 1000 亿美元，相当于发行规模的五倍 。 谷歌发行 10 亿英镑百年期债券时，需求约为 95 亿英镑，相当于 9.5 倍 。

截至上周，谷歌百年期债券的市值已经下跌 10%。

这构成了一个问题，因为四家公司今后肯定会反复进入债券市场 。 彭博行业研究的赫尔曼 · 陈估计，超大规模云服务商未来五年需要筹集 1.5 万亿美元投资级债务，才能跟上预估数万亿美元的资本支出 。

更糟的是，彭博形容超大规模云服务商发行的债券 “ 几乎在所有指标上都表现落后 ”，平均回报也 “ 处于亏损状态 ”。

不过，这一统计包含甲骨文 。 标普全球刚刚把甲骨文的信用评级下调至仅比垃圾级高一级 。

顺带解释一下，每当你听到别人用 “ 利差 ” 衡量债券时，意思是投资者相对于当前美国国债利率，预计还能多获得多少回报，单位是基点 。100 个基点等于 1 个百分点 。

问题在于，美国国债利率上升时，债券价格会下跌，尽管持有人仍会收到票息，也就是债券定期支付的收益，并在债券到期时收回本金 。

因此，利差用来说明一只债券相对于同期限美国国债，或类似的超低风险政府债券，多付或少付多少收益 。

企业发行债券时，通常还会分成不同批次，采用不同货币和不同期限，这让债券价格的参考价值没有想象中那么直接 。 债券也可以转售给第三方，而且转售价往往低于最初买入价 。

如果投资者开始担心公司无法偿债，就会出现这种情况 。

举一个假设性的例子 。 美国国债收益率为 5%，某家超大规模云服务商发行 100 亿美元债券，收益率为 6.5%，两者的 “ 利差 ” 就是 150 个基点 。 这意味着投资者认为风险总体可控 。

通常，150 至 300 个基点值得关注，超过 300 个基点令人担忧，超过 700 个基点则说明市场已经明显怀疑公司能否还债 。

例如，CoreWeave 在 2026 年 6 月发行的 12.5 亿美元债券，目前期权调整利差达到 756 个基点，而发行当天约为 540 个基点 。

换句话说，过去一个月，债券持有人几乎把这些债券砸盘甩卖，市场已经切实担心 CoreWeave 无法偿债 。

这些指标可以实时告诉我们，一只债券相对于美国政府近乎坚不可摧的信用担保，或者相对于发行货币所属政府的信用担保，风险高出了多少 。

所谓 “ 期权调整利差 ”，是一种前瞻模型，会剔除公司可能提前赎回债券等因素，给出一个更具概括性的利差，用来反映市场对某只债券的看法 。

SpaceX 最近发行的债券据称属于 “ 投资级 ”，目前交易利差为 162 个基点，而 BB 级垃圾债的平均利差为 155 个基点 。 借用彭博观点专栏作家尼尔 · 凯萨尔的说法，债券市场实际上正按垃圾债给 SpaceX 定价 。

这些内容听起来很复杂，本质却很简单 。 超大规模云服务商为 AI 借了大笔资金，已经被推向现金流为负的境地 。 每当这些公司继续融资，债券持有人就会更加担心能否收回本息 。 特别是亚马逊和谷歌在最近一个季度都已经出现现金流为负 。

说得更直白一点，借得越多，借钱就越贵 。

接下来还有另一个更明显的问题 。 买得越多，花得越多 。

我在 《 内存危机仇恨指南 》 中写过，微软 、 谷歌 、Meta 和亚马逊对 AI 数据中心的巨额投入，已经造成严重的供应链危机，也让美光 、SK 海力士和三星这三家寡头借机大幅涨价 。 仅美光就在最近一个季度把动态随机存取存储器（DRAM）价格提高 60%，带动几乎所有种类的内存价格飙升 。

超大规模云服务商采购的图形处理器和服务器越多，涨价压力就越大 。

要理解 AI 到底多么消耗内存，可以看看一台配备 72 颗图形处理器的 GB300 NVL72 AI 服务器 。 单台服务器拥有超过 20TB 高带宽内存，这类内存几乎只用于图形处理器和别的 AI 芯片，同时还配有 17TB 通常用于移动设备的 LPDDR5X 内存 。

一座吉瓦级数据中心会部署数千台 NVL72 或类似服务器 。

此外，AI 图形处理器使用的高带宽内存在制造过程中需要占用更多晶圆面积，进一步挤压别的类型内存产能 。

这自然形成恶性循环 。 超大规模云服务商采购的 AI 服务器越多，对普通内存和高带宽内存的需求就越大，内存与高带宽内存价格随之上涨，AI 服务器也变得更加昂贵 。 超大规模云服务商因此需要更多资金，而 AI 又没有显著改善收入或现金流，最后只能继续加债 。

债务筹得越多，融资成本就越高 。 债务用得越多，需要的新债也越多 。 因为支出越大，采购的设备就越贵，企业也就需要借更多钱 。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

需要强调的是，我说的还是全球资本实力最强 、 信用状况最好的几家公司 。

对于 CoreWeave 这样的新型云服务商 、 交易对手 、 数据中心特殊目的实体，或任何没有超大规模云服务商提供兜底的企业，难度和成本都会成倍上升 。

谷歌为 Cipher Mining 向 Anthropic 提供服务的数据中心作担保，就是相反的例子 。

现在，你开始看出问题了吗？

越往前走，情况越糟

你尽可以绕着圈子说未来的图形处理器会怎样，或者成群的数据中心会神奇地带来梦寐以求的利润率 。 但现实看起来是，使用 AI 对超大规模云服务商 、 出租图形处理器的公司，以及几乎所有依靠 AI 模型经营业务的企业来说，只会越来越贵 。

别再拿零散个案当证据了 。 所有 AI 创业公司都在亏损 。 每当有人声称某家 AI 公司 “ 即将盈利 ”，伴随而来的总是一场接近神话仪式的求雨舞，嘴里念叨推理业务能达到虚构的 90% 毛利率 。

数据中心服务商的说法则是，等价值数十亿甚至数百亿美元的图形处理器完成折旧摊销以后，利润自然会出现 。

问题是，拖得越久，成本越高，最终需要的回报也越夸张 。 投入 1 万亿美元资本支出，再加上媒体和金融界几乎集体投降，不可能只靠这样的理由来解释：“ 某些地方出现了一点没人真正看得懂的渐进改善，还出现了一种极不赚钱的软件编写方式，有时能快一点，却从来快不到任何人能够量化或变现的程度 。”

一份又一份摇摆不定 、 近似同人小说的分析师报告，以及一篇又一篇宣称我们正进入某种中央处理器或图形处理器超级周期的 Twitter 长文，似乎从不愿面对一个现实：除非你是 Anthropic 或 OpenAI，否则从英伟达手里买下设备之后，另一端并不会自然冒出钱来 。

数据中心运营商至今没有拿出实质证据，证明出租图形处理器是一种可持续的商业模式，更不用说产生足以支撑数十亿美元债务的利润 。

所谓回报日期，似乎介于 “ 鬼知道什么时候 ” 和 “ 永远不会 ” 之间 。

看看 CoreWeave。 这家什么 IT 负载都不拒（注指什么计算业务都来者不拒）、 常年靠举债维持的新型云服务商，过去两年筹资超过 230 亿美元，债券利差传递出的，却是市场对公司前途近乎生死存亡的焦虑 。

前面提到的 12.5 亿美元债券才发行一个多月，目前利差已经比发行时高出逾 200 个基点，而发行收益率本来就高达 9.625%。CoreWeave 预计全年资本支出为 310 亿至 350 亿美元，但为履行巨额积压订单所需的大部分产能尚未建成 。

在这种情况下，公司未来再发债会遇到什么结果，确实令人怀疑 。

事实上，CoreWeave 的债券利差，难看得就像一条狗吞下一整只感恩节火鸡后的屁眼 。

产能还没有建成，也意味着设备还没有全部买到 。 采购拖得越久，设备就会越贵 。

这还没有考虑人才短缺 、 变压器短缺 、 电工钢短缺和发电机短缺 。 企业需要花更多钱买到同样多，甚至更少的东西，能找到什么水准的材料和人才，也很可能只能接受什么水准 。 与

此同时，地方政府开始要求数据中心建设商承担应有成本，企业还得为争夺电力苦战 。 美国中西部刚刚发生了这样的事情 。 威斯康星州华盛顿港的地方监管机构要求甲骨文提供 70 亿美元担保，每年成本约 1 亿美元，以免星际之门数据中心所需电力设施最终没有建成，由纳税人承担损失 。

监管机构提出这一要求，很大程度上正是因为标普下调了甲骨文的信用评级，而评级下调又与甲骨文为 OpenAI 大建数据中心有关 。

似乎没有人愿意讨论，我们口中的每座数据中心都要等到两三年后才能投入使用，而市场正变得越来越不耐烦，也开始拒绝配合整个 AI 叙事 。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

过去十二个月购买图形处理器的人，理论上的回报是到 2030 年某个时候获得 30% 至 40% 的毛利率 。 前提是图形处理器基础设施几乎始终满负荷运转，而这个行业的客户基本只有两类，一类是亏损的 AI 实验室，另一类是试图把未来计算资源留在资产负债表之外的超大规模云服务商 。

这一切到底怎么运转？有人真正算明白了吗？因为现在根本没有运转起来 。 你们之所以觉得一切正常，只是因为 CoreWeave 和 Nebius 还没有遇到发债困难 。

CoreWeave 上季度亏损 7.4 亿美元，Nebius 收入 3.99 亿美元，债务却达到 84.5 亿美元 。

坦白说，你们真有人相信 CoreWeave 到 2030 年还会存在吗？

别忘了，CoreWeave 最大的客户是 OpenAI。 相关收入要么经由微软获得，占 CoreWeave 收入的 70%；要么经由谷歌获得，用于服务 OpenAI；要么来自 OpenAI 自己，而 OpenAI 的付款条件是发票开出后 360 天结算 。

既然如此，为什么只问 CoreWeave？你认为 OpenAI 到 2030 年还会存在吗？

循环融资的终极关卡

我提出这些问题，不是为了故意显得混账，也不只是因为我讨厌这一切，而是真心好奇 。

上周末，《 华尔街日报 》 报道称，英伟达正与 OpenAI 商谈，为一座 10 吉瓦数据中心提供 2500 亿美元融资担保 。 这个数据中心据称将由软银旗下 SB Energy 建设 。

换句话说，英伟达会为计算服务付款提供担保，就像英伟达为 CoreWeave 和 Lambda 做过的那样，只是规模大得多 。SB Energy 随后可以借债，从英伟达购买芯片，再把芯片出租给 OpenAI。

《 华尔街日报 》 援引知情人士的话说：“ 英伟达的支持，将让这家数据中心开发商以更优惠的条件筹集债务 。 开发商由日本亿万富豪孙正义的投资公司软银持有 。OpenAI 是一家亏损的私营公司，没有投资级信用评级 。 如果没有金融支持者，融资条件会差得多 。 过去几周，这家 AI 公司一直在深入商谈租用这个项目 。”

更疯狂的是，2500 亿美元担保只涵盖租赁付款和建设成本 。《 华尔街日报 》 还称，英伟达正在讨论为数据中心内部价值 3500 亿美元的图形处理器提供融资 。

融资究竟怎样安排 、 由谁出钱 、 资金从哪里来，或者整笔交易到底如何运作，目前一概不清楚 。

这就是循环融资的终极关卡 。

软银账面持有价值超过 1000 亿美元的 OpenAI 股份 。 软银正在利用旗下 SB Energy 筹债，建设一座 10 吉瓦数据中心 。OpenAI 和软银今年 5 月都投资了 SB Energy。 芯片和工程建设成本可能超过 5000 亿美元，而融资要靠英伟达兜底 。

英伟达已向 OpenAI 投资 300 亿美元，并在 10-K 年度报告中把 OpenAI 列为重要的间接客户 。 完成交易后，英伟达还将从中获得超过 3500 亿美元收入 。

如果这笔交易最终完成，持有 SB Energy 超过 15% 股份的软银将利用 OpenAI 签下的合同，推动 SB Energy 上市 。 理论上，软银和 OpenAI 都能因此获得巨额股权收益，同时把一项投资产生的收入输送给另一项投资 。

这一切会发生吗？见鬼，当然不会 。

SB Energy 的业务既混乱又不透明 。 软银在 2023 年把原 SB Energy 的 85% 股份出售给丰田，组建 Terras Energy。 如今的新 SB Energy 与旧公司是否有关联也不清楚 。

即使两者有关，无论新旧 SB Energy 都从未真正建设过数据中心 。 据我所知，世界上也没有任何人接近建成 10 吉瓦数据中心 。

接下来还有债务本身的问题 。SB Energy 不太可能一次筹齐全部资金，因此必然遇到与超大规模云服务商相同的困境 。

AI 数据中心筹集的债务越多，下一轮融资就越昂贵 。

债券市场已经表达了厌恶 。 今年 5 月，SB Energy 通过名为 SE Cosmos LLC 的特殊目的实体发行 9.99 亿美元 144A 债券 。 这类私人债券只向合格机构投资者出售 。 惠誉把债券评为 BB 负级，属于垃圾级；标普全球评级为 BB 正级 。 资金用于收购一处原 3M 园区，并改建成 70 兆瓦数据中心 。

即使如此，这笔融资仍然需要软银集团提供担保 。

发行以来，这批债券的期权调整利差已经从 351 个基点扩大至 536 个基点，而这还只是一笔规模相对有限 、 项目结构相对简单的数据中心债务 。

顺带一提，这个项目究竟怎样建成也不清楚 。

根据 TD Cowen 估算，一座 70 兆瓦数据中心连同芯片和工程建设，成本约为 30 亿美元 。 标普全球称，数据中心将出租给 “Silver Bands 3”。 软银旗下还存在名为 Silver Bands 4 和 Silver Bands 6 的两家公司，因此 Silver Bands 3 看起来也是软银子公司 。

也就是说，一家软银子公司似乎在租用另一家软银子公司的数据中心 。

评级机构似乎完全不在意这些问题 。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

即使英伟达这个华丽七雄里的 “ 财务支配者 ” 提供铁一般的担保，也很难想象 SB Energy 如何在未来几年连续完成多笔各约 100 亿美元的债务融资，特别是前面谈到的 AI 数据中心债券市场已经开始变质 。

即使英伟达愿意兜底，我仍然认为最终很可能什么也不会发生，或者只发生极少一部分 。

《 华尔街日报 》 称，项目第一阶段计划在 2028 年某个时候完工，供电能力约为 800 兆瓦 。 必须说明，从整个项目的规模看，800 兆瓦似乎不算多，但 OpenAI 位于德克萨斯州阿比林的星际之门数据中心总规划容量为 1.2 吉瓦，2024 年 7 月动工 。 目前八栋建筑中最多只有三栋已经通电并开始产生收入，关键 IT 负载合计 309 兆瓦，相当于约 401 兆瓦实际供电 。

就算项目已经动工，我也不相信事实如此，按期完成第一阶段仍会非常困难 。 按照每两年建成 800 兆瓦的速度，整个项目需要十多年才能开放 。

顺带一提，这让我想起另一件事 。

1998 年，朗讯科技与电信公司 Winstar 签署了公司历史上最大的一笔交易，一份价值 20 亿美元的 “ 设备与融资协议 ”。Winstar 表示，未来五年将给朗讯带来 “1 亿美元新业务 ”，建设大型无线宽带网络，并扩建自身光纤网络 。

实际操作很简单，朗讯把钱借给 Winstar，Winstar 再把钱交还朗讯，用来购买朗讯的设备 。

2001 年，Winstar 申请破产，并向朗讯索赔 100 亿美元 。Winstar 称，朗讯没有按约提供 9000 万美元资金，导致公司无法继续偿还债务，而这些债务至少有一部分同样欠给朗讯 。 朗讯最终被迫偿还 1.88 亿美元贷款，后来又支付 3 亿美元赔偿金 。

英伟达还算聪明，没有亲自充当最后贷款人，而是选择投资股权并提供担保 。 尽管如此，后果可能没有区别 。《The Register》 报道，Winstar 倒闭后，朗讯在 2001 年第二季度确认的损失和资产减值合计相当于每股 15 美分 。

原谅我的轻蔑，但这一切实在很难让人认真对待 。

一座理论上的数据中心，拿着理论上的融资，由软银旗下公司建设，把图形处理器算力出租给软银投资的企业，再由 OpenAI 的投资者提供担保，而这个担保方又将从中获得数千亿美元收入 。

整件事既荒谬，又像幻想故事 。

甲骨文正在为了 OpenAI 把自己烧成灰烬 。 公司追逐的是一份价值 3000 亿美元 、 为期五年的计算服务合同，原定 2026 年 6 月开始履行 。

要实现相关收入，甲骨文需要 7.1 吉瓦容量，目前建成的容量却只有所需规模的 5.6%。 拉里 · 埃里森几乎投入了自己能够拿出的每一美元，额外借入数百亿美元，裁员 2.1 万人，还动用了所有能够想到的人脉，结果仍然如此 。

甲骨文在云服务领域虽然算是落后者，但建设数据中心的经验仍然非常丰富 。 如果连甲骨文都无法在合理时间内完成这些项目，我很难理解 SB Energy 要怎样建成史上最大的数据中心园区 。

别忘了，SB Energy 从未建设过数据中心 。 更何况，公司首先还得筹到钱，而融资本身就会困难重重 。

无论如何，如果双方签署某种 “ 协议 ”，或者完成一定规模的债务融资，我不会感到意外 。 但软银及旗下盘根错节的企业要筹集至少 300 亿美元购买 Vera Rubin 芯片都会非常困难，更不用说再拿出 140 亿美元工程建设资金 。

需要说明的是，我也不认为这笔交易与 OpenAI 或生成式 AI 有多少真正关系 。 软银希望 SB Energy 拿下合同，借此推动公司上市，释放急需的流动性 。 英伟达希望提前锁定理论上数千亿美元的收入 。 只要首席财务官科莱特 · 克雷斯能够找到办法，把图形处理器销售计入收入，英伟达并不在意数据中心最终能否建成 。

对整个 AI 行业来说，这些都是非常糟糕的信号 。 如果生成式 AI 或英伟达图形处理器真的拥有真实 、 多元 、 有意义而且稳定的长期需求，英伟达就不需要创造世界上首个套在循环融资里面的循环融资，也不需要让两家信用评级处在垃圾级或接近垃圾级的大公司拿自身前途冒险，提供付款资金 。

还有另一个问题，OpenAI 到底他妈要怎样支付这些容量？

根据我的估算，7.1 吉瓦星际之门数据中心每年成本为 750 亿美元，换算后，OpenAI 每吉瓦容量每年大约需要支付 105 亿美元 。 单是软银的 10 吉瓦项目，每年计算成本就达到 1050 亿美元 。

OpenAI 今年预计总共筹资 1220 亿美元，接近一半的资金，也就是 600 亿美元，来自英伟达和软银 。

没有人能回答这个问题 。 每当一笔疯狂的理论交易公布时，讨论方式都仿佛建设数吉瓦容量或筹集数千亿美元既轻而易举，又已经基本完成 。

英伟达去年声称将向 OpenAI 投资 1000 亿美元，建设 10 吉瓦数据中心，结果交易从未发生，美国消费者新闻与商业频道（CNBC）当时甚至声称，首笔 100 亿美元将在宣布后一个月内完成交割 。

OpenAI 付不起这些钱也无所谓，OpenAI 至少参与过三笔宣布后从未完成的交易也无所谓 。 媒体已经被彻底训练成只管吞下英伟达塞进喉咙里的任何垃圾，并避开 “ 这究竟怎样实现 ” 一类麻烦问题，因为提出这种问题似乎就不够客观 。

请允许我主观一次，这笔交易就是一派胡言 。

AI 数据中心需要 18 至 36 个月才能建成，新增容量上线速度明显极慢 。 我实在不明白人们为什么还在继续购买更多图形处理器 。 唯一说得通的理由是，一旦停止采购，所有人都不得不承认这基本是一场巨大的金钱浪费 。

媒体完全没有准备好面对这一刻 。 用埃德 · 埃尔森的话说，原因是对富人的邪教式崇拜 。 人们总是假定富人最终会把问题解决，而他们说过却没有实现的事情，只是因为商业过于复杂 。

但现实非常简单 。 英伟达必须维持对图形处理器持续增长的需求 。

要做到这一点，英伟达只有三条路 。 第一，创造并不断资助新型云服务商 。 黄仁勋自己也说过，没有英伟达支持，这些公司根本不会存在 。 第二，以 OpenAI 为中心设计巨型循环交易 。 第三，依靠已经找不到高速增长新故事的超大规模云服务商，让这些云服务商继续建设数据中心，以免向市场承认增长故事已经耗尽 。

你会注意到，除超大规模云服务商 、Anthropic 和 OpenAI 之外，似乎没有任何人需要以吉瓦计算的算力 。 原因是，除 AI 实验室及支持这些实验室的企业外，真实需求还不到支撑 190 吉瓦规划数据中心容量所需水平的十五分之一 。

因此，英伟达想在每个财报季继续超出预期并上调预测，唯一办法就是制造这些巨型交易，以免面对一个显而易见的事实，多元化需求根本不存在 。

否则，英伟达为什么会承担超过 300 亿美元的合同义务，回租自己售出的图形处理器？

顺带一提，Thinking Machines 理论上可能在未来某个时候 “ 部署 ”1 吉瓦 Vera Rubin 算力，但看起来只是因为英伟达投资了这家公司 。 和往常一样，没有人追问 “ 怎么部署 ”“ 在哪里部署 ” 或 “ 钱从哪里来 ”。

每个 NVL72 机架的 IT 负载为 360 千瓦，假设电能使用效率（PUE）为 1.3，要形成 1 吉瓦容量就需要 2136 套 VR200 NVL72。 每套价格 780 万美元，仅芯片成本就达到 166.6 亿美元，而 Thinking Machines 只筹集了 20 亿美元 。

这里什么都没有发生 。 没有公布数据中心，没有任何实施计划 。 只要把故事收进稿件，再把股价吹起来就行 。 不要思考，增长才是一切 。

英伟达仍在出售数量惊人的图形处理器，但客户集中度正变得越来越高 。 公司 54% 的收入和 64% 的应收账款来自三个客户 。 应收账款意味着订单已经发货 、 收入已经入账，但货款尚未收到 。

英伟达最近一个季度新设的 “ACIE” 业务板块，也就是 AI 云 、 工业和企业业务，看似增加了一点多样性，但里面基本包括所有由英伟达亲自扶持的特殊目的实体 、 可变利益实体（VIE）和新型云服务商 。

英伟达收入在很大程度上靠错失恐惧症维持，与真实收入 、 生产率或现实几乎没有关系 。 同样借 AI 获利的半导体公司也是如此 。 英伟达采取的每一步行动，都是为了强化一种感觉，不购买图形处理器 、 不建设 AI 数据中心，就会永远落后 。

正因如此，公司计划向神秘 AI 创业公司 Safe Superintelligence 投资 50 亿美元 。 这家公司没有产品，也没有明确计划，除了未来某个时候从某个地方租用英伟达图形处理器 。

注：Safe Superintelligence Inc.，简称 SSI，中文可译为 “ 安全超级智能公司 ”，据称是高度保密的前沿人工智能研究实验室，由 OpenAI 联合创始人 、 前首席科学家伊利亚 · 苏茨克维等人在 2024 年创办 。 苏茨克维是现代深度学习的重要研究者，参与过 AlexNet、 序列到序列学习 、GPT 系列以及 OpenAI 推理模型等工作 。 公司最初另外两名联合创始人是丹尼尔 · 格罗斯和前 OpenAI 研究员丹尼尔 · 利维 。 格罗斯已于 2025 年离开，苏茨克维目前兼任首席执行官，利维担任公司领导职务 。 SSI 宣称只做一件事：直接研发 “ 安全的超级智能 ”，也就是能力超过人类 、 同时能够受到可靠控制的人工智能系统 。 公司明确表示，不准备像 OpenAI 那样先推出聊天机器人 、 企业软件或 API，再用商业收入支持长期研究，而是希望避开产品发布周期和短期营收压力，先集中数年完成核心研究 。 SSI 有一个非常明确但极其宏大的终点，却没有公开实现路径 。 公司没有公布模型结构 、 训练方法 、 研究论文 、 性能测试 、 产品原型 、 发布时间或商业化方案 。 外界至今无法独立判断研究进展到底有多大 。 英伟达与 SSI 在 2026 年 7 月宣布合作时，只表示 SSI 过去两年一直在秘密探索新的研究方向，并称公司已有 “ 值得扩大规模的研究 ”，但没有披露任何技术证据 。

除基础设施建设商外，真正获得利润，或者真正赚到不少钱的，只有为数据中心债务提供承销的银行和私人信贷基金 、 收钱为债务评级的评级机构，以及少数足够幸运 、 在 AI 泡沫迄今寥寥几笔收购中成功套现的风险投资机构 。

除此之外，AI 行业几乎每一层都存在，只是为了被上一层榨取 。

AI 创业公司和企业客户按每百万 Token 向 Anthropic 和 OpenAI 付款，同时自己亏损 。

Anthropic 和 OpenAI 再向超大规模云服务商租用图形处理器，每年亏损数百亿美元 。

超大规模云服务商随后购买价值 1 万亿美元甚至更多的图形处理器，把自己推入一个永远不可能回本的深坑 。

整个体系极度不可持续，既恶劣又浪费 。 只有在监管宽松 、 科技与商业生态被利益控制，以及整个经济被不惜一切代价追求增长的思维主导时，这种体系才可能存在 。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

正如我前面暗示的，AI 必须变成一种比今天成功得多 、 强大得多 、 财务上也可行得多的东西 。 每出现一笔新的巨型数据中心交易 、 一轮新的融资，以及那个黏腻的山姆 · 奥尔特曼又说出一句离谱的话，这个 “ 东西 ” 需要达到的规模就会进一步扩大 。

到今年年底，超大规模云服务商投入大型语言模型的资本支出和股权投资将超过 1.5 万亿美元，但相关业务带来的收入仍然低到不值得披露 。

除了向 Anthropic 和 OpenAI 提供算力，超大规模云服务商自己的 AI 产品都是平庸的陪跑者，有些令人尴尬，有些甚至造成实际伤害 。 这些产品不过是在粗糙模仿 OpenAI 或 Anthropic 当下流行的产品，毫无亮点 。

最近的例子是微软和 Meta 试图制作自己的 OpenClaw 产品，结果同样令人难堪 。 有人可能误打误撞用了谷歌 AI 概览，也可能在使用 Google Docs 时不小心点到 Gemini 图标，但谷歌各种大型语言模型产生的实际结果并不出色，与所有超大规模云服务商的产品一样平庸 。

唯一称得上真正成功的产品是 GitHub Copilot，但 GitHub Copilot 能发展到数百万付费用户，只是因为公司长期补贴使用成本，允许用户消耗相当于月费二十五倍以上的资源 。 后来计费方式不可避免地改为按 Token 收费，用户随即强烈反弹 。

不要把 “ 这些产品产生了一些收入 ” 误认为成功 。 微软 、 谷歌和亚马逊拥有数万名销售人员，工作就是不断纠缠客户，迫使客户购买 AI 附加服务 。 这些公司还会直接调整产品分类，把 AI 服务强行塞进普通订阅，再宣称相关收入属于 “AI 收入 ”。

这些公司没有任何一家愿意披露 AI 业务的真实季度收入，这本身就说明表现很差 。 过去几年，几乎没有记者在财报报道中提到这一点，这是新闻行业的耻辱，也是对公众的失职 。

超大规模云服务商面临的问题是，这些公司实际上不能停止向 AI 砸钱 。 一旦停止，市场马上就会开始评估 AI 投资到底带来了什么回报 。 只要行业仍处于期限不明的 “ 资本支出建设阶段 ”，而数据中心需要两三年才能上线，微软 、 谷歌 、 亚马逊和 Meta 就能不断把问题往后拖，继续投入数百亿美元资本支出 。

至少到目前为止，这些公司能够这样做，因为现有业务仍在增长 。

但这种做法存在几个问题 。

正如前面所说，买得越多，亏得越多 。

回本时间拖得越长，最终需要的回报就越高 。

市场随时可能拒绝继续等待 。

前面已经谈过，真正能够证明这些投资合理的回报，必须是数万亿美元新收入，而且大到几乎无法否认 。 现有收入小幅增长，或当前利润项目有所改善，都不足以解释眼下的支出，更不用说未来尚未公布的逾 1 万亿美元资本支出，以及另外逾 1 万亿美元的持续合同义务 。

究竟什么结果才能让这一切值得？

没有一家超大规模云服务商创造出真正重要的新产品线或服务，也没有任何独有知识产权或技术，足以孕育这种业务 。

AI 鼓吹者仍然声称，我们现在看到的增长来自 AI 投资 。 但如果事实如此，就意味着超大规模云服务商原有业务已经严重衰退，几乎从 2022 年起就停止增长 。 这显然不是事实 。

顺带一提，我倒是有一项发现 。 根据我对 OpenAI 经审计财务数据的报道，OpenAI 在一个自然年内向微软 Azure 支付了 172 亿美元 。 同期，微软智能云业务收入为 1204 亿美元，较 2024 自然年的 955 亿美元增长 26%。

这意味着，OpenAI 贡献的收入相当于微软 2025 自然年云业务同比增量的 69%。 没有 OpenAI，微软智能云收入同比增幅只有 8%。

这他妈可不是什么好消息 。

也请别再对我念叨 Meta 从 AI 获得了什么 “ 广告增长 ”。 这就是元宇宙故事重演，只是规模更大 、 更烦人，对资产负债表也更危险 。

我们居然还在争论 AI 是否帮助了这些公司，却没有任何人能够直接拿出真实数字证明我错了 。 这本身就说明，有些地方出了非常严重的问题，而且几乎不可能改变 。

再增加 1 万亿美元资本支出，也不太可能改变局面 。

资本支出增加，只会给 Anthropic 和 OpenAI 提供更多空间，让两家公司把风险投资资金花在 Azure、 亚马逊云科技（AWS）和谷歌云上 。 即使利润率保持稳定，两家 AI 实验室未来五年都没有倒闭，收入增长仍会被资本支出压倒 。 以最近一个季度计算，相关资本支出分别相当于云业务收入的 100%、118% 和 181%。

不用数学天才也看得出来，这套模式赚到的钱似乎还没有花出去的钱多 。 我找不到任何有力证据，说明再建设三年数据中心就能神奇地彻底扭转局面 。

然而，超大规模云服务商一旦停止资本支出，也就是把支出大幅削减到我认为的 150 亿美元以下，AI 泡沫就会破裂 。 任何资本支出收缩都会释放一个无法忽视的信号，现有基础设施已经足够 。

为海外华人提供可靠的信息和分析 。 如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索 「causmoney」；深度分析和评论也可以直接搜索 「caus.com」。

超大规模云服务商的股价可能因此短暂上涨，但随后必须面对三个难看得多的问题 。

你们为什么花了那么多钱？

AI 难道不是下一个划时代增长点吗？

那么，你们下一个划时代增长点又是什么？

这些问题没有令人信服的答案 。 正如我在 《 腐朽网络泡沫 》 中讨论的，几十年来，我们没有再出现新的谷歌搜索 、iPhone 或 Microsoft 365。 没有这种产品，超大规模云服务商也就没有高速增长的未来 。

这些公司的唯一希望，是 AI 本身发展成远远超越现状的东西 。

没错，这也包括 Anthropic 和 OpenAI。

AI 要真正发挥作用，时间已经不多了

我知道这番话会让很多人愤怒，但剥去媒体炒作和一轮轮融资以后，生成式 AI 真正能够做到的事情，往好了说，也只是有点酷，多数时候则笨拙而平庸 。

用一种不经思考 、 成本高昂的方式生成代码，有时能够工作，也可能让开发者的生产率提高某个无法确定的幅度 。 这不构成商业模式 。

Anthropic 和 OpenAI 允许用户每月只付 200 美元，却消耗价值 8000 至 1.4 万美元的资源，更清楚地说明了这一点 。

我知道有人读到这里会哼哼着说，“ 这两家公司的毛利率有 70%”，或者说出类似废话 。 但没有任何证据，只有在 Discord 聊天室里听来的传闻 。

AI 编程工具究竟有多 “ 有用 ”，真的很难判断，但这并不影响更大的问题 。 使用这些工具非常 、 非常 、 非常昂贵，大部分成本要么对用户隐藏，要么由雇主补贴 。

无论外界制造了多少噪音，除了 Twitter 上声音最大 、 最惹人厌的那群人以外，AI 工具至今没有实质取代人类，甚至没有实质增强人类能力 。

我认为，人们确实低估了 AI 效益如此空洞造成的伤害 。

尼克 · 苏雷什在出色文章 《AI 狂热正在摧毁全球决策 》 中写道：

“ 遗憾的是，我们生活在一条黑暗的时间线上 。 我们团队观察到的所有 AI 项目都在失败，无一例外 。 过去一年半，成功率是 0%。 这不仅包括别人邀请我们参与的项目，也包括我们在从事完全无关的工作时偶然接触到的项目 。 即使你承认 AI 工具能够加速某些特定工作流程，当前投资采用的方式和达到的规模仍然毫无道理 。 很多时候，失败并不是 AI 本身造成的，而是企业在有效管理软件项目方面差得无可救药 。 正如我以前说过的，AI 项目会遭遇普通项目的所有失败模式 。 除此之外，即使每一步都做对，也仍可能因为方法过于新颖而失败 。 真正擅长交付软件 、 能够承担这层额外风险的公司少之又少 。”

苏雷什是屡获荣誉的顾问和软件工程师，也写出了有史以来最出色的 AI 评论文章之一 。 他描绘的经济体系由一群买卖 AI 的人主导 。 这些交易出于象征意义，与真实生产率完全脱节 。

在不少现代企业里，员工只有表现出足够坚定的态度，使用 AI 或支持 AI 带来的想象中生产率收益，才能保住自己的位置 。

为海外华人提供有价值的信息与分析，更多内容：

蓝天，@causmoney.bsky.social‬

电报，t.me/causmoney

x，@CausMoney

或搜索caus.com