AI算力泡沫了吗？——基于“三个世界”框架的深度剖析

日前，第六届“雨前论坛”暨产业研究专业能力竞赛圆满落幕。本届论坛以“2035四川何为”为主题，聚焦数字经济、电子信息、医药能源、装备制造四大核心领域，围绕人形机器人、氢燃料电池、低空经济、商业航天、先进封装等29项前沿议题展开研讨。现将论坛成果整理为系列文章，分期发布。本篇为第三期，欢迎持续关注。

作者：雨前顾问电子信息研究部产业分析师 易树立

2026年，人类在AI领域加速狂奔。据TKL预计，Alphabet（2050亿美元）、亚马逊（2200亿美元）、Meta（1450亿美元）、微软（1900亿美元）与甲骨文（550亿美元）五家公司的AI资本支出将达8150亿美元，到2027年将达到创纪录的1.2万亿美元，是人类历史上最集中的资本投入之一。然而，巨额资本并未均匀流向各算力层级，产业内部正沿价值属性发生剧烈分化，同质化算力赛道正积聚显著的结构性财务风险。

如此规模的资本投入必然引发一个核心问题：AI算力泡沫了吗？这个问题的困难之处在于，“泡沫”一词在金融语境中有着精确的含义——资产价格严重偏离其基本面价值，且这种偏离通过杠杆和预期自我强化，最终以价格崩跌收场。但在AI算力领域，情况远比传统资产泡沫复杂：一是算力硬件兼具资本品和消耗品的双重属性。它既是生产AI服务的基础设施，又因技术迭代极快而具备较强的时效衰减特征。二是AI算力市场并非单一市场，而是由多个子市场构成的复杂体系。不同子市场的供需结构、竞争格局与财务逻辑截然不同。三是算力的“基本面价值”本身处于高速变动中。模型范式的跃迁可以在数月内改变算力需求的数量级。基于上述产业特征与市场复杂性，本报告摒弃单一化、绝对化的泡沫评判逻辑，建立分层研判分析框架，对AI算力市场价值与风险进行差异化拆解。

第一个世界：投机层。以GPU倒卖、高杠杆抵押融资、纯赚价差的中间商为主体，泡沫已破，正在出清。

2024到2025年，“GPU抵用券”式融资盛行，部分投机者以H100等上一代旗舰GPU作为核心抵押物，通过高杠杆抵押融资获取资金，再以转售或短期租赁赚取价差。随着B200等新卡量产，H100算力代际差被迅速拉大，抵押物价值断崖式缩水，现货价从45000美元崩跌至18000美元以下。以H100为抵押物的高杠杆融资项目抵押率快速滑向平仓预警线，资产减值风险逐步显性化。

Meta的降维打击更为致命。2025年下半年起，Meta将数十万张自研集群的空闲时段以极低价格投入租赁市场。由于硬件沉没成本已完成计提，其可变成本仅为电力、散热与基础运维，定价弹性极大，直接击穿了第三方算力中间商的盈利底线，加速了H100投机盘的出清。

投机层的出清已进入中后期。截至2026年Q1，已发生H100二级市场交易量大幅萎缩、高杠杆算力融资项目的新增量趋近于零、部分中小型GPU倒卖商已退出市场或转型为运维服务商等标志性事件。

第二个世界：通用商品层。以标准化裸GPU租赁、通用微调服务为主，同质化竞争严重，财务风险积聚。

投机层之下、价值层之上，横亘着体量最大、风险最隐蔽的地带：标准化裸GPU租赁与千篇一律的微调服务，正不可逆地进入“公共事业化”竞争。因此，足以引发系统性风险的财务错配问题正持续累积。风险源于一个事实：GPU技术迭代节奏已显著突破摩尔定律周期，正成为典型的短周期耗损型资本品。从H100到B200，再到即将问世的R100，英伟达平均一年一代，性能翻倍。企业耗资千亿级布局的算力资产，往往尚未完成部署并实现投资回本，就被新一代产品的性能优势拉开差距，经济效益快速折损。

财务层面的风险隐蔽于头部企业的会计处理之中。巨头正沿用传统IT时代的5-6年直线折旧法，来处理这些“易逝品”。当期确认的成本被大幅人为压低，当期利润表现因此被人为维持在较高增速水平。高盛的敏感性分析显示，将芯片使用寿命从5年缩短到3年，2026-2031年间的隐含年度折旧总额从约3万亿美元跳升至近4万亿美元；反过来延长到7年，则降至2.2万亿美元。仅这一个参数的调整，就可以让生态系统承受的折旧成本偏移上千亿美元。更值得警惕的是，这一会计处理方式并非个例，而是行业惯例。当所有主要参与者都采用同一套乐观的折旧假设时，整个行业的利润表都被系统性地乐观化了。一旦GPU迭代速度未放缓甚至加速，或新一代模型范式使旧硬件加速淘汰，集中性的资产减值将同时冲击多家企业的资产负债表。

供应商融资模式进一步放大产业链风险传导效应。目前，正在复刻千禧年科网泡沫的“供应商融资”闭环。当年，思科借钱给下游客户买自己的服务器，营收光鲜，却将风险绑定在客户身上。泡沫破裂时，初创公司成批破产，海量二手设备抛售，新订单瞬间清零。当下，微软向OpenAI投资超130亿美元，其中很大部分折算成云服务兑换券。OpenAI用它租用微软算力，这笔钱最终又作为微软云的收入回到损益表。这种循环注资与营收互证的闭环结构，本质是将初创公司的经营风险直接传染给巨头的资产负债表。

高额资本支出进一步加剧风险。在所有参与者中，甲骨文正成为AI算力竞赛中最激进的采购方，2026年资本支出上调至550亿美元，净债务高达1050亿美元，债务股本比飙升至500%。其债券收益率已被推高至接近“垃圾债”水平，五年期信用违约互换价格翻了三倍，创金融危机以来最高。无独有偶，Alphabet、微软、亚马逊等五家巨头的隐性债务规模在四年间增长八倍，达到1.65万亿美元。

综上，行业深层的结构性矛盾已充分显现。全行业正陷入“囚徒困境”式的防御性算力采购博弈。对单个企业而言，若出于财务审慎原则收缩资本开支，而竞争对手通过算力的大规模投入实现模型能力与业务边界的质变，自身将面临技术代差拉大、市场份额失守的颠覆性风险。在此博弈逻辑下，尽管算力资产随技术迭代快速贬值的趋势明确，巨头们仍持续通过加杠杆扩大算力采购规模，并试图通过拉长折旧年限等会计处理方式延缓成本确认周期，对冲物理层面的资产贬值压力。

第三个世界：价值深井层。以专用计算、实体场景算力、低延迟推理为核心，需求刚性极强，无投机泡沫。

这一层是AI算力的真实价值底盘，核心特征是不可替代性与低需求弹性——算力投入直接决定业务能力与安全边界，无法通过传统人力或技术路径替代，需求不受价格波动干扰，全程无投机炒作空间。目前，核心刚性算力需求集中于三大维度。一是大模型训练与推理基础盘。呈现“训练稳增、推理爆发”的双轮格局：大模型技术迭代与工业垂类模型训练持续推进，算力消耗年均增速超46%；推理侧因成本大幅下探触发“杰文斯悖论”，企业应用从“精选高价值交互”全面转向全场景覆盖，叠加长思维链模型的“思考通胀”、智能体从对话转向复杂任务执行的动态算力诉求，端侧推理规模预计2030年达训练侧百倍量级，是确定性最高的增长极。二是物理世界全场景刚性算力。算力需求持续突破数字域边界，向全域物理场景渗透：自动驾驶端到端模型训练、海量仿真验证与车载边缘推理，随高阶智驾渗透率提升刚性增长；具身智能机器人的多模态感知、实时运动控制，催生海量低功耗边缘算力需求；工业领域AI质检、预测性维护、数字孪生已成为产业转型必需品；更广泛的物理AI覆盖能源环境推演、地质灾害预警、大气海洋数值模拟等场景，以高精度拟合物理规律为核心范式，需求完全依附于工程建设与城市运行节奏，价格弹性几乎为零。三是科研与关键行业战略级刚需。科学研究层面，生物医药研发、蛋白质结构预测、新材料分子模拟、航空航天复杂系统仿真、气候能源推演等前沿领域，高度依赖高性能专用计算，属于国家战略级刚性需求；金融、电信等关键行业的高频交易、实时风控、高并发智能服务与网络智能调度，对毫秒级低延迟算力有不可替代的诉求，容错率极低。该层的共性是需求完全锚定真实产业运行与物理世界规律，算力即核心生产力，领域内只有结构性稀缺，不存在泡沫化风险。

结论：AI算力不存在全域性泡沫，而是呈现分层分化的风险与价值格局。

投机层的泡沫已经破裂，正在出清；价值深井的需求真实生长，远未到顶；而夹在中间的通用算力层，正积聚着财务错配带来的系统性风险。这场行业洗牌，不会以全行业崩盘的方式到来，而会以分层分化的形式展开：没有核心壁垒的中间商和高杠杆投机者会被淘汰；掌握专用场景、自研架构的玩家会持续受益；而举债激进、错配周期的巨头，将面临资产减值与利润回调的压力。

展望2035：算力文明的奇点纪元。

届时，算力将完成从“工业血液”到“文明空气”的终极跃迁。技术奇点上，量子计算与光子计算率先跨越商业化奇点，经典硅基算力退居“经典算力”博物馆；脑机接口打通生物智能与机器智能的算力边界，“碳基—硅基”混合算力网络初见雏形；轨道数据中心与月基算力站开始承接地面溢出负荷，能源彻底从算力的约束项变为算力的坐标系。形态革命上，“Agent即终端”取代“App即入口”，每个智能体都随身调用万亿参数级算力，算力网络进化为自主感知、自主定价、自主调度的活体系统，“算力期货”成为与原油期货并列的全球核心交易品种。需求爆炸上，AGI全面渗透科研、制造与治理，数字孪生地球以分钟级精度推演气候、金融与疫情，全球日均Token消耗量以“垓”（10²⁰）计——算力缺口仍将是时代的第一焦虑。格局重构上，“主权算力”写入各国宪法级战略，算力储备取代黄金储备成为国家信用锚，中国在“东数西算”之上建成全球首个地月一体化算力走廊。2035年，GDP不再是衡量国力的第一指标，算力总量、算力密度与算力主权，将重新定义文明的等级。

© Copyright

雨前顾问原创作品 | 未经授权请勿转载 | 欢迎分享朋友圈

琴养气，剑藏锋。养气敛锋，锋化气。

竹无心，茶有道。无心问道，道随心。

雨前顾问·隐锋茶具