AI泡沫还是基建狂潮？一场来自华尔街与硅谷的深度思辨

文 | 硅谷101

2025年的科技市场再次进入狂热时刻。从英伟达、微软到谷歌、Meta，科技巨头们正以前所未有的规模上调AI基础设施的Capex，AI数据中心成为新的“军备竞赛”。

与此同时，OpenAI的万亿级别算力计划，正试图联合全球资本，打造史上最大规模的AI计算集群。而对于要想实现这个宏伟目标的幕后操作，则引发了“AI债务循环”的讨论。

“ AI Bubble”也成为了近两个月来最热门的话题，市场估值的合理性、利润兑现的时机、以及技术扩散的速度，正成为投资者最关注的焦点。

我们以往一直专注于深度视频内容，但这样的内容往往需要制作很久，从而永远难以追上热点。现在，我们想探索通过直播的形式，邀请技术和资本相关的专业人士（他们也是我们平日的采访对象），来更快速的聊聊大家关心的热点话题。

11月15日，我们组织了硅谷101的首场直播——《万亿基建市场还是AI投资泡沫？》。这场直播进行了一个半小时，嘉宾们的讨论很热烈，进行的也很顺利，感谢大家的喜欢。今天这篇文章，我们就把这场直播里的干货提炼出来，以供大家更快速的获取要点：

Live Highlights

• 市场短期回调：近期科技股抛售，主因是美联储12月降息预期动摇，叠加对冲基金等仓位已满，新的买家稀缺，市场存在正常的调整需求。
• AI债务循环辨析：所谓的“AI债务循环”（如NVIDIA、OpenAI、Oracle之间的循环投资）并非泡沫，而是巨头间的“利益绑定”策略，目的是锁定稀缺的算力资源并结成生态联盟。
• 内循环非闭环：判断“内循环”是否成立的标准，在于企业能否从“外部”融到钱。目前AI公司和科技巨头（如Meta）在债券市场融资还很顺畅，因此“内循环”的担忧不成立。
• 如何理解GPU折旧问题：科技巨头将GPU折旧年限从4年延长至6年，并非单纯的“虚增利润”。在算力极度短缺的当下，旧的芯片（H100）并不会被淘汰，而是会被转用于推理（Inference）、长思维（Long-thinking）Agent等，对延迟不敏感但对吞吐量有要求的次级任务上，芯片利用率依然很高。
• AI可以参考当年的“页岩油革命”：AI基建投资非常类似2010年-2015年的美国页岩油周期。两者都是高投入、高风险、依赖外部融资的基础设施建设。
• AI是否“绑架”了GDP：AI投资确实是拉动美国GDP的核心动力，但这并非坏事。关键在于这种拉动是“一次性”的短期投入，还是能带来“可持续”的长期生产率提升。
• 周期的阶段：如果用页岩油革命来类比AI，我们目前可能正处于页岩油周期的早期（约2010-2012年），即大规模投资建设阶段。当然，未来AI大概率会经历一次，类似2015年（沙特发起价格战）的“泡沫破裂”或“市场危机”，但那次危机将是健康的，它会倒逼行业提升效率、优化成本。

️直播嘉宾

• Ethan Xu，前微软能源战略经理，前突破能源科研总监
• Bruce Liu，美国Esoterica Capital (济容投资) 首席执行官兼首席投资官
• Yang Ren，美国Esoterica Capital (济容投资) 联合创始人
• Rob Li，纽约Amont Partners管理合伙人
• 陈茜，《硅谷101》视频主理人 (Host)
• 刘一鸣，《硅谷101》特约研究员 (co-Host)

01 AI到底有没有泡沫？

陈茜：

最近金融市场非常震荡，经历了Tech sell-off（科技股抛售），可以说是这个月以来的最大跌幅。这是一个什么样的信号？

Rob Li：

市场波动其实很正常，现在的跌幅我觉得还ok。从宏观角度来说，大家主要担心在于美联储几位官员连续出来讲话给大家“泼冷水”，那有可能12月份降息就不再是一个板上钉钉的事情，目前市场预期可能也就一半几率。

从资金面角度，对AI这个板块，很多对冲基金和共同基金的仓位都已经很满，所谓的“新买家”目前比较少。

Bruce Liu:

我很同意Rob讲的。我认为整个市场从10月底的高点下来，是一个很健康的调整。之前QQQ一度冲到了28倍的估值，直追2021年的高点，现在回调到26倍，我觉得是好的发展。

影响这个的主要因素，本来大家预期联储保持相对宽松，结果上次会议所有联储官员都出来讲：我们12月份不一定降息，因为看不清数据。这个是把一些很激进的动向抵消了。

还有一个确实是funding market（融资市场），就是美国金融系统里，钱的成本这块，有一点点偏紧。但我们不觉得这是个问题，可是当你市场在这么高的时候，你去sell off是不需要很强借口的。

整个市场，不仅仅是科技股，你可以看到比特币、黄金都经历了这么一轮“去杠杆”。大盘整体看就是估值的回调，earning (盈利)情况其实是特别好的，还是在我们之前讲的稳步增长。QQQ的Year-over-year (同比增长) 已经快接近20%了。所以基本面没有变，就是一个很健康的、到目前为止的回调。

图片来源：Google

Yang Ren:

我认为这可能更多是大家对于美联储态度的反应，至于叙事这个东西，很大程度上是跟着price action (价格走势) 走的。跌了，鬼故事就出来，悲观的叙事就出来；涨了，这些质疑的声音又都消失了。

我看到的，近期对于整个AI的信心倒是没有特别大的变化。可能相对来说比较有意义)的一个点，就是上周OpenAI的CFO在接受采访时提到（虽然他后来又澄清了），要美国政府去兜底他的融资。这些东西可能让大家对于OpenAI，是不是有能力去完成他所有的承诺——关于基建投资、算力采购——产生了一定的担心和怀疑。

陈茜：

我们来聊一个八卦：大空头Michael Burry最近把自己的对冲基金给关了，同时警示AI泡沫。他曾精准预测2008年次贷危机，电影《大空头》(The Big Short) 也是以他为原型。大家怎么看这个事情？

Rob Li，纽约Amont Partners管理合伙人

Rob Li:

首先给大家澄清一下，Michael Burry关这个基金并不是第一次。他在08年挣到钱之后，就把当时的公司Scion Capital关了，变成family office (家族办公室)。过了几年休息好了，又重新把公司开了，换了个名字叫Scion Asset Management。他今年是又把这家公司关了，但这不代表什么，他随时可以重新开放，大家不用过度理解。

第二点，他确实在做空，他自己披露在做空Palantir，但他仅仅买了不到1000万的看空期权。对于Palantir这么大市值的公司来说，这很小。所以他名声在外，但实际上做的做空是远远不够掀翻Palantir的，更多是一个情绪上的影响。

像Michael Burry这样对AI泡沫比较看空的这一派基金经理，不仅仅他一个，市场有一个辩论是好事。

大家现在看空，主要有几个理由：

从需求端来看，OpenAI的CFO同时也承认到，最近有看到ChatGPT的用户活跃度)数字，在往下面走。当然他自己的解释是模型调整得没那么“讨好”用户了，导致DAU (日活用户) 往下走，但他相信调整后会回来。但这目前没有办法验证，所以空头可以拿这个做说法。

另外是AI花了这么多钱做的基建，最后能不能落地？目前虽然有很多AI startup说自己的ARR (年化经常性收入) 有多高，但这个数字现在还不可信。因为绝大部分AI startup的这个数字，是需要有很大折扣的，表面上100块钱，其实只收你10块甚至5块，先让你免费用半年、一年。真正要看到企业端有没有付费意愿，需要看到半年、一年以后，企业是否愿意用“原价”去续费。那个时候才能水落石出。

从资金供给端来看，如果只是前面几个巨头（Mag 7）自己花钱搞，那无所谓，最多把自己的钱烧没了，影响不到美国大局。但如果像现在，一些小的公司（比如CoreWeave, Nebius）要开始“借钱”，到后来甚至微软、Google、NVIDIA自己也开始“借钱”，那最终就会对美国金融系统有一个系统性的风险。就有可能演变成07、08年房地产危机那样，把美国经济和所有纳税人拖下水。因为这些钱最后是美国老百姓、纳税人、养老基金来买单。

Ethan Xu，前微软能源战略经理，前突破能源科研总监

Ethan Xu:

不过从我在行业里所看到的，就是特别像Bruce说的，大家现在是眼睛都不眨地就往里边砸钱的。有时候我在看媒体报道的时候，会发现它们的很多逻辑，跟我的想法也是非常不一样。

像我现在看到很多的文章，它大概有两个特别流行的观点：一是AI有Bubble，所谓的Bubble就是我投资了很多钱在AI，最后它没有产生实际的生产力提升。另一个观点，说AI正在摧毁美国的中产阶级，因为AI正在让很多人失业，替代掉了很多人的工作。

那其实大家仔细想一下，这两个观点是不是矛盾的？AI有bubble，就是你投入了这些钱之后，你没有提升生产力，你没有办法去替代掉任何人的工作，所以这叫AI 有Bubble。所以你不能一边说这个AI在替代大家的工作，导致美国的经济变差，然后又一边说AI有个bubble，这两个事情是完全的矛盾的。

刘一鸣：

整个对AI Bubble的讨论，我觉得并不在于最终AI能不能成，而是在于我们在Gartner的曲线中到底处于什么位置，这是一个择时和错配的问题。你如果看互联网泡沫，如果站在10年后再去看，你会觉得98年、99年的那些投资根本就不够，应该投更多，但是它仍然在2000年出现了泡沫破灭。那放到今天AI会不会也是一样？

Bruce Liu，美国Esoterica Capital (济容投资) 首席执行官兼首席投资官

Bruce Liu:

我拿美国页岩油这个例子来说。我们都同意一件事情，就是市场预期这些投资能不能挣到钱？这个预期在不在？如果预期在，那这个叙事就能演绎下去。

AI可能也会出现一个像页岩油那样的时刻，沙特出来抢石油的市场份额，把石油价格打下来，然后让美国的页岩油公司出现问题。我不知道AI对应的那个事件是什么？这是我们未来需要做的工作。如果哪一天我们能够预见AI挣不到钱了，那我觉得这些市场问题就都会出现。但是我觉得现在肯定还没有到。

如果真的发生了，也不是个坏事。你现在回头看，当时大家都觉得页岩油要死了，但是这个行业也是特别争气，他生生地就把当时页岩油的break-even (盈亏平衡点) 价格，从100块钱左右，给降到了今天的30、40块钱。

所以AI如果经历一个bubble破灭不是坏事，现在大家在做算力时候，我相信浪费是极其大的，大家根本没有考虑到很多优化的问题。等你就是经历到了那个时候，逼着你去把一分钱掰成两半花的时候，也是让你的技术更有迭代的时候，我觉得AI肯定会经历这个moment的。

02GPU折旧迷思，科技巨头在“虚增利润”吗?

陈茜：

Michael Burry批评的一个重点，就是认为科技巨头在资本开支（Capex）上“过度膨胀”，并且通过拉长资产折旧年限来“虚增利润”。比如微软、谷歌、亚马逊都把服务器使用寿命从4-5年延长到了6年。你怎么看这样的质疑？

Michael Burry，图片来源：Bloomberg

Rob Li：

折旧里边有很多可以玩金融的trick (技巧)。

理论上，假设GPU真正的折旧是5年。如果我想省税，我可以一年把它折旧完，因为折旧越快，我当期可以抵税的钱越多。另一方面，如果折旧越慢（比如拉长到7年），那对于我的accounting profit (账面利润) 相对会更好看，让我的估值更高。这样zwar我多缴了一点税，但由于估值提升，对公司还是有利的。所以其实两种方案都可以。

那最终GPU折旧用的年限，是2年、3年，还是7年、8年？它其实一个动态的过程。

所有的大厂（Google, Facebook, Microsoft），都从几年前的4年左右GPU折旧，到今天已经平均变成6.5年，增加了两到三年。这样做，对他们accounting profit当然有正面影响。

但是，你说他做这个事情有没有理由？也是有的。因为毕竟现在算力很缺，在一个极其短缺的情况下，只要是一块GPU我都可以拿出来使用。但如果未来算力不再稀缺了，而且新的芯片效率更高，模型本身对芯片的要求也不需要那么高了，那个时候我的老芯片，它最后还能不能提供一个好的TOC (总拥有成本)？那就是存在一个问题。

所以我觉得这是一个动态的情况，目前没有确切答案。

Ethan Xu：

我觉得每个公司，在对待自己的GPU资产时，方法有可能是不一样的。

用微软来举例，微软的CTO其实也在采访中暗示过，他很有可能真的把一片芯片用5年左右，他的逻辑是：我并不需要让此时此刻的所有芯片，都是最先进的。

可以有1/3是最先进的，有1/3是次先进的，还有1/3老一点的，并且是可以让所有芯片，在任何时候都能够几乎是满负荷运转的。

这里面最先进的芯片，可以用来训练模型；而那些次先进和老一点的芯片，可以用来做AI推理（Inference）的应用。

我相信市场上对算力的需求，并不是永远都只做最先进、最困难的运算。我问ChatGPT一个简单的问题，和用ChatGPT去做癌症的科学发现，它不是同日而语的应用场景。

所以，我相信很多芯片过了两年之后会变得落后，但不会变得毫无价值，一个公司应该是会慢慢地优化好自己的这些资产的。

我甚至也听到在一些会议上，谷歌他们也公开说了，他们自己开发的TPU，7年前的TPU到现在也还是满负荷在运转的。那我相信可能四年、五年旧的英伟达GPU，将来也是可以放在有价值的地方的。

刘一鸣，《硅谷101》特约研究员 (co-Host)

刘一鸣：

确实旧芯片可以用在推理任务上。但从价值层面看，现在的芯片迭代速度很快，一年一更新。那替换下来之后，它如果变成了一个“旧手机”，也就是虽然确实能用，但它在财报中的价值，有没有迅速缩水？从而导致折旧周期需要重新计算？

Yang Ren:

确实AI相关的workload (工作负载) 有很多种，有training (训练) 的，有inference (推理) 的；有对throughput (吞吐量) 优化的，有对latency (延迟) 优化的。

对于training相关的，你可能会需要用到最先进的芯片。但对于很多推理类的任务，其实你并不需要。所以即使是老一代的GPU，你现在还是有很多可以发挥的空间。

我们看到，现在上一代Hopper的产品，你去租的话，其实价格也是很稳定的，并没有看到随着Blackwell的放量之后，Hopper价格就垮掉。

另外就是，现在GPU还是处在一个很紧缺的状态，你去看这几家大的云服务商刚发的财报，其实很明确，就是说：如果我们有更多的capacity (产能)，我们的revenue growth (收入增长) 会更好。

03 “AI资本内循环”是新型融资还是泡沫推手？

陈茜：

我们最近的节目也做了“AI资本内循环”的话题。比如：NVIDIA承诺给OpenAI提供约1000亿美元的GPU服务器；OpenAI转向Oracle承诺采购1000亿美元级别的算力服务；Oracle再去向NVIDIA下1000亿美元的订单采购GPU。同时，AMD 也让渡股权给OpenAI，换取进入这个循环的资格。有媒体引用Sam Altman的话说，“我好像发明了一种新的融资方法。” 很多人担心这种内循环只是在推大估值和泡沫，你们怎么看？

Yang Ren，美国Esoterica Capital (济容投资) 联合创始人

Yang Ren:

我可以理解大家的这种担心。我自己的一个想法，这个与其说他是通过内循环去催大了这个泡泡，我理解更多的是大家通过这种方式去互相“绑定”。

就比如说NVIDIA投1000亿给OpenAI，换来的是OpenAI把NVIDIA的芯片当成它的preferred solution (优先解决方案)。NVIDIA付出的代价是1000亿换来的OpenAI的一部分股权。AMD也在试图做同样的事情，但是AMD没有这么多钱，那它想要换来OpenAI选择AMD，它付出的就是自己的股权。

我觉得这个更多反映了NVIDIA和AMD，在芯片领域各自的话语权。大家说的这个内循环，其实忽略了一点：就是OpenAI最后能不能去卖得出去他的TOKEN？

打一个不那么恰当的例子：我是一个开菜馆的，第一家店生意挺好，我想扩张，但现金流不够。陈茜你是我的房东，我想再租你的店面。怎么办？你投我点股份，我拿你投给我的钱，再去租你的店面，并且我承诺优先租你的店面。假设我生意特别好，Bruce是另外一个房东，他的房子地段比你差点，Bruce说你能不能也来租我的？他再给我点好处，我也去租他的。

我觉得更像是这么一种关系，大家更强地去绑定了。最后归根结底的问题是，我开的餐馆有没有人来吃饭？我能不能挣到钱？如果我生意好，几家店我都挣钱了，那大家都开心。如果我餐馆开的不好，那大家就都一起亏钱。倒不是因为我租了你的店面，就把这个泡泡吹大了，最后还是要看有没有人来我这吃饭。

Bruce Liu:

其实想这个问题也很简单，有时候我觉得真的想多了，或者总是拿历史去寻找印记。

它是不是一个内循环，其实就一个标准：它在外面能不能再融到钱？

作为AI产业，现在想在外面融钱太容易了。Meta这些人都去发债，大家都是抢着去买。所以“内循环”这个就不成立。

OpenAI如果它换个方式，它不与NVIDIA或者AMD绑定，你说它在外面能不能拿到钱？我相信他们一定是可以拿到钱。只不过在这个点上，可能选择去拿NVIDIA的钱和AMD绑定，大家一起把这个生态做起来，让大家的激励更一致。这是它的“融资选择”，不是说它“没有渠道”。

如果说到了某一天，整个AI ecosystem (生态系统) 外部的funding不再支持它了，只能靠内部转，我觉得这个所谓的内循环才成立。我们现在离那一点还早。

刘一鸣：

我之前听朋友说，其实现在AI数据中心的债务融资，投资条款还是非常保护资金方的，基本上责任都归在运营方？毕竟现在AI数据中心的资金来源里，发债的占比越来越大。

Bruce Liu：

如果你是在public market（公开市场）上融资，就说我发这种investment grade (投资级) 的债，我觉得这个条款相对来说是非常标准的。

像微软、Meta出来发债，大家都喜欢，因为这种公司太稳了。而且这还有个大背景：因为现在全世界的债权人，更担心的是“国债”的风险。经过过去20年的一个周期，其实是“国家”借债太多了，“企业”的资产负债表反而是非常健康的。所以出现一个现象：大家更愿意把钱给企业、给Apple、给Microsoft，而不愿意去买国债。

所以在这一块融资，对科技企业来讲是非常非常友好的。

当然还有很大一部分，是通过美国的“影子银行”，像Private Equity (私募股权)、Private Credit (私募信贷) 这些基金，这个量是起得非常猛的，这一块是有很多不确定性。你在public market上能看到的东西其实都是很健康的，“脏东西”都藏在了private credit这里面，因为你看不到，那条款上各种各样的变化空间就很大了。

视频：新云（Neocloud）战争

刘一鸣：

我问这个问题的背景是，我们之前看Bloomberg那个AI债务循环里，像Nebius、CoreWeave这些NeoCloud公司，干了很多“脏活”，类似“急先锋”的感觉，风险感觉都转移到了他们这个层面。比如微软，它可能就不需要在财报中体现大量的Capex，而是通过这种手段把它转成Opex (运营支出)。那我们是不是应该更加关注这些前端的急先锋们？

Bruce Liu：

你说的特别对。所以我现在就看市场怎么去price (定价) CoreWeave、Nebius、Oracle这些公司，它们的price action (价格走势) 其实就是反映了市场，我都是拿它们作为一个指引来看的。

很多人最近在说，你看Oracle的CDS (信用违约互换) 怎么突然涨那么多？感觉是大盘马上也要崩，要跟着Oracle来。但完全是两码事，因为当Oracle决定了要变成一个NeoCloud，它的业务变了，它不再是以前那个非常稳定现金流的软件公司了，它变成了一个类似于CoreWeave这样我要激进花钱的公司。

这就是市场的有效性。市场其实是经历了一轮repricing (重新定价)。Oracle这样的公司的credit risk (信用风险)，我觉得再正常不过了，它没有任何leading indicater (领先指标) 的效应。

04 AI是否“绑架”了美国GDP？

陈茜：

哈佛大学经济学家 Jason Furman 不久前对美国经济有这样的一个解读，他说“2025年上半年，美国GDP增长几乎全部来自于数据中心与信息技术。如果去掉信息技术与软件，美国GDP增长率仅有0.1%。” 也就是说 AI 的投资和这些巨头的 Capex，如今是拉动美国 GDP 增长的核心，可以这样认为吗？这对美国经济来说会是一个潜在的风险信号吗？

播客：AI数据中心基建潮

Rob Li：

这个数据我们是同意的，美国像今年基本上的GDP增速就是来自于AI拉动的。但这对美国经济不一定是坏事，因为美国立国以来，尤其最近几十年，基本就是靠科技行业带动起来的。

传统行业其实没什么增速。AI带来的GDP增速，尤其是对劳动生产率的提升，如果最后能够落地，是一个可持续的情况的话，那对美国和世界经济都是利好。

真正的问题在于：目前对GDP的拉动，是一个“一次性的”、短期的，几年之后就没有了？还是一个“可持续的”东西？

如果它仅仅是一个短期的，我们这几年放了几万亿进去，最后发现对劳动生产率提升没有起到任何帮助，那这个钱就是白花了，这反而会拖累整体经济。所以还有待观察，关键是看这东西是否最后能够落地，能够提升整个全社会的生产率。

Bruce Liu：

我没有去看他是怎么算那个数的，但是我不是很同意他这种说法。

我们自己把这个数是算得非常清晰的。今年上半年美国的经济增长非常健康，大概就是2%的增长。

一季度、二季度合起来，来自于“消费者”这边对GDP的贡献就是1%，“企业投资”（不仅仅是AI）粗略地看也是1%。其实就是美国消费者对于GDP的贡献还是在那的，没有大家说的没有了AI之后，美国GDP就完蛋了。

我想说，美国经济在Covid之后这个周期特别有意思，它出现了一个特别明显的分化：AI相关，带起来了一波。NON-AI的这些周期性行业，以房地产、汽车业为首，一直趴在底部趴了三年了，起不来。

大家期望的一个良性趋势是：AI还能保持这样的速度，但同时它“非AI”的那一部分，随着地产行业、传统制造业能够起来。

还有一个点，大家一直都觉得这个AI投资过热。你看Dot-com bubble的时候，美国那个时候和科技相关的投资，是连续6年、7年，每年都保持在20%的高速增长。

今年二季度（2025年Q2），才是我们第一次看到同样的这个衡量指标，year-over-year到了20%的增长。在我看来，这个才是在刚刚开始。你很难说这个狼来了喊得过于早，我觉得这个后面的潜力还大着呢。

05 AI基建的“页岩油”时刻，万亿投资从何而来？

陈茜：

最近Meta跟Blue Owl Capital的合作，Meta只需要出资20%就能共同投资一个数据中心，其余80%资金来自外部投资者或国家资本。同时我们看到OpenAI提出了1.4万亿美元的Capex计划。这种量级的投入，可能实现吗？钱够吗？钱从哪里来？

图片来源：CNBC

Bruce Liu：

我觉得这是归根到底大家怎么理解“钱从哪里来”这个事情，其实有很多误解。

我从一个非常宏观的角度来讲。发达国家到了这个点上，我们已经债务周期这么长，都到顶点了，还能不能花得起钱？大家走出债务周期的两个方法：第一个就是让货币贬值，你要超发货币，你没有别的办法，你一定是想各种办法去印钱出来，这就是为什么黄金能涨起来。

第二个就是促增长。你要想尽各种办法促增长。

这就是AI在这个阶段，刚好这个历史使命就落在了AI的身上。所以你会发现，全球的资金去支持AI建设，让AI成为一个足够强的增长驱动力，这是宏观大势。

所以“有没有钱”这个事情，前提是只要AI在良性发展，只要它的monetization(变现) 能滚得起来，只要这个技术在一直往前，钱是绝对不缺的。

JPMorgan刚算了，接下来可能和AI相关的有5到7万亿美元的CapEx要投下来。这个钱从哪来？

首先是Hyperscaler (超大规模云服务商) 自生的钱（经营现金流）。然后要靠public market (公开市场)，就是债券市场。还要靠最近新起来的，我们管叫美国的“影子银行”，就是所谓的private credit (私募信贷)。

这在美国历史上也不是没有出现过，美国上一次做这种大的infrastructure cycle (基建周期)，就是“页岩油革命”。

页岩油革命从08、09年开始，一直持续到14、15年（沙特打价格战）之前，美国页岩油是一直处于长期高速投资的状态，Capex也不少。它的钱哪来的？全都是从融资来的。那个行业更差，不像Tech企业还有现金流，他们是长达十年期间，所有的美国石油行业都是negative free cash flow (负自由现金流)，就是靠不停的融资。

为什么？因为那个时候石油价格长期稳定在100块钱左右，能挣到钱。

那AI就是需要证明自己“我能挣到钱”。只要你能挣到钱，你是全球的增长驱动力，是不用特别担心钱这个事情的。

图片来源：Business Insider

陈茜：

OpenAI说他到2027年会达到1000亿美元的营收目标，但算力他们已经准备投入万亿了，中间还是有很大的缺口。大家怎么看这个算力和基建投资的ROI呢？

Yang Ren：

我们自己对OpenAI的这个1.4万亿投资也是存疑的，这个数额确实是一个天文数字。

这个局势是这样的：在infrastructure最底层的芯片这一层，格局是很明确的NVIDIA占大头。

但在上面这几层，其实是混战。Cloud Service Provider (云服务商) 这层，有三大巨头，有Oracle，还有CoreWeave、Nebius这些NeoCloud，大家竞争非常激烈，都是price taker (价格接受者)，没有pricing power (定价权)。

再往上，大模型这一层，Anthropic、Gemini、Grok等等，大家都在不停的互相追赶，没有谁在“断层领先”。

所以我觉得，一定程度上Sam Altman出来讲这个事情（1.4万亿），意思是我就是要搞这么多算力，你们其他人想要跟我竞争，你也必须这么去加码。他赌的就是，我用更多的算力堆出来的模型，就能比别人“断档领先”。因为在模型这一层，你只有断档领先了，你才能有pricing power，在inference (推理) 这边你才能去赚到钱。不然你就是一个price taker，大家都是API接口，谁便宜我用谁。

所以我自己对于他们能不能实现这个投资目标，存在怀疑。包括我觉得，其实现在市场也没有去price-in他完全能够落实。

Bruce Liu:

大家看市场是很有效的。英伟达还在190块钱，这明显就还没有，完全没有price-in他讲的那么宏大的故事。如果是的话，英伟达应该不在这个价钱上。所以我觉得市场还是相对理性的。

06 终局探讨：AI泡沫会破裂吗？

陈茜：

算力的需求和缺口还会继续扩大吗？

Ethan Xu：

在我看来，可见的将来，算力的缺口还会非常大。

我们现在看到的，美国每一年能够落地的数据中心，可能是在8到12个吉瓦左右，之后几年还会更大。但是这个规模显然不够。

这个缺口可能每年就在十几、二十个吉瓦左右。也就是说，每年如果这样累积下来的话，到2030年，我们可能会看到50到100个吉瓦左右的数据中心“缺口”在美国出现。

陈茜：

那大家现在对于这样的一个缺口的解决方案是什么？我最近看到新闻说大家已经开始把目光放到太空上，把数据中心放到太空？

Ethan Xu：

这个确实是一个非常有意思、值得去探索的方向。只是目前来讲还远远没到成熟，也许是要5年甚至10年左右才可能成熟。这个还是远水解不了近渴的。

短期来看，我们能看到的就是，至少在美国，越来越多的数据中心开始配备大量的 “自发电” 设备。在数据中心里面自己去购买大型的、中型的和小型的天然气发电机，自己给自己的供电。

因为他们已经发现，经过过去一两年在电网上“抢电”，基本上电网的电已经被抢得差不多了。但是电网的建设就需要很长的时间。所以这也能体现出这个缺口之大。也许在明年或者后年，我们还会看到比如说像“储能”这样的行业的一个爆发。

图片来源：Reuters

陈茜：

那现在的AI是在泡沫中吗？这个泡沫什么时候会爆？怎么爆？对于普通投资人也好，专业投资人也好，大家应该怎么去应对这样一个潜在的风险？

Bruce Liu:

我觉得AI它有自己的历史使命，在这个全球大周期上面。我觉得现在还是一个相对健康的AI基建开始，我都不认为它是到中期，我觉得还是在早期的这个周期里面。

我们在大搞基建，而且主要的参与者，我觉得大家都其实是非常理性的。我们那么缺电，但是我们真正建这个涡轮发电机的GEV也好，还是西门子也好，在扩产能上面还是非常克制的，没有说是因为有这个bubble，我要扩好多产能。

然后还拿回到我们NVIDIA的这个例子，产品上一直在有创新，一直在减少这个单位成本，而且市场没有给他那么高的估值，还是一个相对理性的估值。

所以我现在不觉得他是个bubble，我觉得我们是一个AI建设大周期，而且是处于一个相对比较早的阶段。

就像我刚才讲的，页岩油经历了Bubble，他反倒让自己变得更有效率。AI一定要经历一个bubble，让这个体系变得更有效率。基本上我是这么来想这个问题的。

那对普通人有没有什么实际意义？肯定有很大的实际意义。

不仅是对你个人职业发展，你要找到赛道。另外就拿个人财富来讲，因为在这个宏观大背景下，钱是不值钱的。 因为全世界都是要靠印钱，要靠货币贬值或者说通胀来支撑这个增长的，来解决债务问题。

如果钱以现金的形式去存在，最后就是真正的“炮灰”。所以这种有增长、有潜力的资产，格外重要，这是我们来对冲那一个风险很重要的部分。

Ethan Xu:

我是比较偏乐观的。我相信AI是我们这个时代最伟大的技术，然后我相信我们今天花的万亿美元的基础设施建设，在后来回头看的话都是有必要的，都是能充分发挥其价值。

现在的投入，我相信在未来回头看的话，不会被认为是bubble，还远远不够，也还远远没有到overbuilt (过度建设) 的程度。

当然我也相信，AI在发展过程中，可能会有一些时间错配的问题。比如说投资和这个收益之间，中间可能会差了一些时间段，当信心出现波动，就会在市场上体现出来，但是我觉得这些都是会过去的。