這場對話的起點是一張在X上流傳的圖表:它把今天的AI基建投入占GDP比重(約3.6%)與歷史上的鐵路大建設(2.2%)相比,得出AI熱潮規模已超越鐵路時代50%的結論。但在Big Technology播客邀請的兩位嘉賓看來,這張圖還遠遠低估了真實情況。
Dylan Patel
是SemiAnalysis的創始人兼CEO,這家機構長期追蹤晶片與AI基礎設施供應鏈的真實資本流向;Jordan Nanos是該機構技術團隊成員,剛剛完成了評估全球GPU雲廠商表現的《Clustermax 3.0》報告。兩人在節目中給出的數字,比外界流傳的版本更極端——也更令人不安:增速終將放緩,但收入必須以更快的速度追上去,否則這場建設就會從"難以置信的回報"變成"無法填補的債務"。
1. 被低估的數字:AI基建占GDP的比例可能是官方說法的兩倍
Dylan Patel看到那張鐵路對比圖的第一反應是"人們把數字算低了"。他給出的核算是:明年美國全境的資本支出——不僅包括數據中心和晶片,還涵蓋整條供應鏈上的投資——大約會達到2萬億美元,而美國GDP在30萬億出頭,兩者相除是5%到6%,不是圖表上的3%。
更關鍵的是他指出的一個結構性差異。鐵路和光纖的資本支出都發生在使用它們的國家境內,但AI基礎設施不是這樣。歐洲對Anthropic的大部分推理需求,其實是由美國的數據中心在承接的;OpenAI在歐洲的推理需求也是如此,亞洲的許多國家也是類似情況。這意味著美國的資本支出里,有相當一部分是在為全世界的AI使用提供算力,這讓美國本土的建設規模,在經濟影響力上超過以往任何一輪實體基礎設施投資周期。
2. 116%的同比增速,華爾街賭它會掉到70%
《Clustermax 3.0》里的一組數字把問題擺在了桌面上:2026年第三季度,超大規模雲廠商的季度資本支出同比增長116%。華爾街的共識預測是這個數字會持續下墜——第四季度跌破100%,明年第一季度降到70%左右,之後繼續下滑。
Jordan Nanos承認增速放緩是必然要發生的事,但原因不是需求消退,而是供應鏈和組織能力撐不住。工業設備、能夠承接EPC(工程、採購、建造)工作的承包商、晶片、冷卻系統,以及圍繞IT基建的一整套配套能力,都在被迫擴張以消化這些資本開支。真正的瓶頸是兩件事:超大規模廠商和NeoCloud要在已經超負荷運轉的基礎上再建一個吉瓦級項目,光是組織和調配資源就極其困難;同時,即便很多投資項目的回報率驚人,找到足夠資金投進去本身也是一件難事,尤其是當談論的單位是萬億美元。
3. 增速放緩是數學上的必然,不是悲觀預言
Dylan Patel補上了另一半解釋:增速放緩不需要任何壞消息發生,它是定義上註定的。今年Anthropic的收入從不到100億美元漲到超過100億美元出頭,實現了10倍增長,但這種增長不可能在明年再重複一次讓它衝到1萬億美元——基數已經變了。Nvidia的收入增速依然保持在2倍左右,但相比更早期已經明顯放緩,原因同樣是在更大的基數上實現同樣倍數的增長,天然就更難。
這套邏輯意味著,接下來幾個季度看到的增速下滑,本身不能被解讀為AI熱潮退潮的信號,而更像是任何指數級增長曲線進入成熟階段的自然表現。真正值得盯住的,是增速放緩的同時,收入能不能同步跟上資本支出的節奏。
4. "美圖自殺式舉債"與6萬億美元的收支平衡線
節目把幾份看空研究擺在桌面上。一條流傳的推文援引高盛的說法,稱Meta在背上"無法償還的"巨額債務後,等於完成了一次"企業自殺";諮詢公司Bain的估算是,超大規模雲廠商要到2031年每年實現6萬億美元收入才能收支平衡;哥倫比亞大學的一位教授則提出,美國需要在2032年前把AI服務的年度支出推高到3.5萬億美元(占GDP的8.8%),才能證明今天這輪數據中心投資是划算的。
這些數字乍看起來已經大到離譜,但Dylan Patel的回應方向完全相反。
5. Dylan Patel的反駁:外界對收入的估計不是太高,而是太低
他認為上述所有收入門檻的測算都偏保守,真實走勢會比它們快得多。關於"Meta自殺論",他的判斷很直接:這個說法有點荒唐,因為Meta在任何時間點都可以選擇停止採購新設備,用現有現金流覆蓋已經簽署的合同綽綽有餘。他們並不是被迫明年必須再建一百億美元的數據中心,拔掉插頭隨時可以做到——公司完全具備償付能力,真正的問題只是這些投資之上還能創造多少額外收入。
至於資本支出到底需要多少收入來兌付,他給出了一套具體算法:GPU按會計口徑折舊6年,數據中心折舊15年,如果今天花1萬億美元建AI數據中心和採購GPU,那麼按6年直線攤銷計算,需要每年2500億美元收入去覆蓋這筆支出,或者前幾年收入較低、後幾年大幅走高的斜線模式來實現同樣的回本。以此為參照,他預測僅OpenAI和Anthropic兩家公司合計收入,到明年年底就有望達到6000億到7000億美元規模,並在2027年底前衝到1.5萬億美元。如果到2031年AI收入真的只有3萬億美元,那確實會出大問題——但他不認為這是會發生的情形。
對Dylan Patel和Jordan Nanos來說,這場辯論的分歧點從來不是"這筆錢花得值不值",而是增速曲線會先軟著陸,還是先被資金和供應鏈的硬約束撞停。回到最初那張鐵路對比圖,兩人共同的結論是:AI基建的規模已經不是"會不會超過歷史紀錄"的問題,而是收入能不能跑贏那條正在放緩、但基數已經巨大無比的資本支出曲線。
