AI 内部人士加深了对资本支出繁荣的怀疑

发布于: 10 月 6, 2025
编辑: Nigel Trimmer

当卖方解释为什么你现在必须购买时,先查看你的钱包。AI 行业越是为自身支出辩护,脆弱性就越清晰。一位持怀疑态度的分析师请内部人士强调他的疑虑,结果更加确信:经济学不合算,电力限制是真实存在的,反馈回路是单向的。在博弈论中,当所有人重复同一信息时,这往往意味着协调而非真相。市场很少在沉默中达到顶峰。它们在合唱中达到顶峰。

那条单向的反馈回路

从激励开始。硬件供应商、云服务商和顾问们出售一种不可避免规模化的故事。买家往往也是那些提供零部件、为租赁提供融资并控制软件分发的公司。这是一个委托—代理问题,包裹在一个垂直堆栈里。内部人士是理性的。他们会推销自家利益。但当主张的分布狭窄且反对观点来自采购订单而非独立的损益表时,你就有了一个信号均衡。信息被优化以获得预算批准,而不是反映基准概率。历史有相似之处。1999 年的光纤建设、2000 年代初的 3G 频谱以及过去十年的页岩钻探都有一个共同特征:最令人信服的推销往往来自那些需要你相信它的公司。

资本支出遇上物理,而非叙事

每一次变革性的资本支出周期最终都会与不讲价的制约碰撞。GPU 需要电力、冷却、土地、高压互连和水。大型变压器的交付周期以年计。互连队列比交货卡车更会延迟项目。在规模上,推理是披着软件外衣的能源业务。每个 token 的边际成本并非免费。训练支出可以资本化。推理支出则每月体现在运营成本里。这很重要。电费不在乎你的估值倍数。检验一次技术浪潮最纯粹的方式是看单位经济学是否随着扩张而改善。对于今天许多 AI 工作负载,增长会把你推向更高的电价、更稀缺的场址和更严格的监管。那是脆弱性,而不是规模。

生产力主张需要损益表证据

乐观者把 AI 描述为类似电力或互联网级别的生产力倍增器。如果这是正确的,它必须体现在每项任务的现金成本和客户的毛利率上,而不仅仅是演示视频。一些观察者指出,大多数 AI 支出来自科技巨头将其核心垄断业务的利润重新部署。这不是罪过,但这是一个信号。交叉补贴的繁荣在核心业务失速或监管限制补贴之前是持久的。真正的生产力革命会走出实验室,并在原始利润池之外自我付费。在 CFO 看到更低的错误率、更快的周期和在相同产出下更少的员工之前,回报仍然只是一个承诺。正确的反向思考很简单:如果 AI 像宣传的那样不可避免,为什么那么多功能以负毛利率发布,并且设计了用量上限以限制账单?

推理税与必须付费的用户

训练是一座一次性的高山。推理是你每天行驶的收费公路。企业不会承担无上限的推理税。常识和基础概率告诉我们采用会在增长促进阶段之前趋于平台化:少数人在每小时进行高强度生成;许多人会默认更简单的工具;大多数工作流并不需要在每一步都有一个随机的联合作用助手。这并非异端。这是软件采用一贯的样子。新企业系统的平均 ROI 往往低于个案研究,而且使用在新鲜感过后会衰减。当新鲜感消退,预算问题就会出现。当客户反击、设定每座位硬性成本上限或将模型迁到本地以避免云加价时,毛利率结构会发生什么?答案决定了谁承担推理账单。

系统性脆弱并非理论上的

AI 并不置身于金融系统之外。它正在与之接线。监管机构已警告,交互于市场中的自主代理即便在没有明确合谋的情况下也可能趋向协调结果。共享训练数据、相似的奖励函数和相同的成本信号会使行为相关联。这是拥挤交易和同步错误的配方。再加上芯片代工厂的供应链集中、HBM 内存的瓶颈以及为数不多的最热门加速器供应商,你的尾部风险就变得更大。一家工厂的火灾或出口禁令会在模型、云和客户之间引起涟漪。热情者会反驳说更多 AI 会让系统更聪明。也许如此。但复杂性加上紧耦合会孕育脆弱性。2010 年的闪崩并未被幻想修复,而是通过断路器和硬性限制得以遏制。

赢家通吃,但到底是为谁

投资者喜欢这样一个叙事:少数平台将捕获全部价值。有时确实如此。更多时候,赢家的利润在竞赛中被压掉,或流向不那么光鲜的收费方。在铁路时代,受益者是地主和货运客户。在移动繁荣中,运营商努力防止用户流失,而房东和通信塔 REIT 提高了租金。在 AI 中,最终的价值可能归于出售电力的受监管公用事业、拥有定价权的内存供应商、控制许可权的房东,或将基础模型捆绑进现有席位并挤压点状解决方案的软件 incumbents。股东可以在方向判断上是对的,但在财务上出错,如果估值假定了永久性的稀缺和垄断利润。竞争、商品化和监管不是缺陷。它们是基线情形。

考验叙事,而不是演示

运行简单情景。电价上升 20%。变压器交付延迟 12 个月。出口管制收紧一级。模型性能改进从每年 10 倍放缓至 2 倍。客户将 AI 运营支出上限设为 IT 开支的 5%。哪些商业模式会崩溃?哪些股票需要无瑕执行以证明当下的假设?这不是愤世嫉俗。这是风险管理。美联储敦促机构拥抱 AI 的力量与责任,其中包括为意外结果制定应急计划。情景工作揭示了脆弱性藏匿之处:在杠杆化的数据中心融资、需购或付电力合同、假定电网无法提供的正常运行时间的 SLA,以及那些将预算建立在去年的采用曲线直线上的团队里。

当下的反脆弱是什么样子

与狂热相对的正确态度不是末日论,而是纪律。寻找能从波动中受益的系统,而非需要无尽直线增长的叙事。在实际层面,这意味着商业模式具有随需求弹性的可变成本、资产负债表不依赖短期再融资,以及不依靠炒作的定价权。这意味着关注单位经济学而非可寻址市场总量,关注吞吐量而非头条 FLOPs,关注无需补贴的客户留存。正如一位策略师所说,AI 可以改变工作方式。但这并不免除市场追问:谁付钱、何时付、以何种利润率付。当内部人士提供更多加速支出的理由时,把它当作任何其他周期来对待。检验激励,核查物理,保持距离,别靠近边缘。

人工智能 区块链