算力盛宴的余波：从技术通缩到平庸的“剩宴”？

TL;DR：

AI算力的狂热正经历从“全面供不应求”到“结构性产能过剩”的范式转移。云厂商通过自研芯片对冲成本，导致产业链利润结构由上游硬件商向云厂商与模型实验室倾斜，资本支出的线性外推预期正面临现实重构的风险。

利润分配的隐秘游戏

在硅谷的算力竞技场上，投资者曾沉浸在一种近乎宗教式的狂热中，坚信只要投入足够多的资本支出（Capex），就能从地底涌出源源不断的创新油田。然而，精明的会计师们开始发现，这种叙事正在发生微妙的漂移。随着算力生成单位Token的成本因技术代际的跨越式通缩——如从H100到GB300的能效跃升——原本作为“底层卖水人”的硬件供应商，其议价权正在被拥有数据中心钥匙的云厂商们无情地挤压。¹

云厂商并非慈善机构。当它们通过自研芯片（如AWS的Trainium）成功将算力成本降低至英伟达方案的六至八成时，不仅意味着毛利率的显著回升，更预示着一种权力的更迭。² 在这套逻辑下，高性能GPU不再是不可替代的奢侈品，而逐渐变成了一种大宗商品。当模型厂商忙于将性能提升的红利转化为自身的利润留存时，云厂商则通过巧妙调整租赁结构，扮演着“分利者”的角色，确保那份“额外毛利”在云端的账本上闪闪发光。³

算力供给的边际递减

“AI不仅需要算力，更需要一个有意义的理由。”市场对算力设施的线性投入预期，本质上是对未来应用爆炸式增长的盲目乐观。若我们将需求量化，以GW作为衡量单位，会发现一个令人不安的现实：到2028年，主要头部云厂商的潜在算力供应规模将达到约100 GW，而核心的AI与传统需求加总后，供需缺口正悄然缩小，甚至有反转为过剩的风险。⁴

这种供过于求的风险，并非指向AI技术的崩盘，而是指向资本配置的低效。过去三年，科技巨头们在数据中心基建上的大手笔，更像是一场针对“不可见需求”的期权购买。一旦2027年前后，这些海量算力无法被高毛利的AI应用填满，原本被市场视为“增长引擎”的资本支出，将迅速沦为拖累利润率的沉重资产。⁵

盛宴后的冷思

对于投资者而言，这是一个危险的转折点。硬件商的“蜜月期”结束得比预期更早，因为当云厂商不再极度饥渴地追逐每一块GPU时，买方的议价权将转化为卖方的折扣压力。在这场游戏中，拥有强大模型自研能力或能与顶级模型厂商深度绑定的云厂商，或许能在这场平庸的“剩宴”中分得最大的一块蛋糕；而那些只能依靠租赁通用算力的边缘玩家，恐将在库存积压与价格竞争的泥潭中挣扎。⁶

归根结底，AI时代的商业本质并未改变：当技术红利被普及，最后的赢家永远是那些能够控制基础设施、并以此建立生态壁垒的人。至于那些在狂热中投入的每一分钱，最终都将成为验证商业模式是否可持续的试金石。

引用

• 算力战略
• 资本支出
• 云计算
• 硬件议价权
• 利润结构