[vi] SemiAnalysis创始人Dylan Patel：AI基础设施投入被严重低估，真正的回报不只来自Token

[vi]

[vi] TradingKey - 当人工智能公司的收入还在快速增长时，围绕它们的数据中心、GPU、电力和芯片供应链投资，已经先一步进入“万亿美元时代”。

[vi] 问题也随之变得直接：如此庞大的基础设施投入，最终能否转化为足够的收入、利润和经济增长？

[vi] 在《Big Technology Podcast》的一期访谈中，SemiAnalysis创始人Dylan Patel和分析师Jordan Nanos讨论了AI基建的规模、回报、融资、新兴云、安全风险以及Anthropic和谷歌的竞争格局。两人的整体判断偏向乐观，但也承认，AI产业正在接近资金、能源、建设能力和社会分配的多重约束。

[vi] AI基建规模可能达到2万亿美元

[vi] Patel认为，市场普遍低估了AI基础设施建设的真实规模。按他的估算，美国下一年的相关资本开支可能接近2万亿美元，占美国GDP的5%至6%。这一数字不仅包括数据中心和GPU，也包括电力、冷却系统、芯片、施工设备以及完整供应链的投入。

[vi] AI基础设施与传统铁路、公路建设还有一个重要区别：美国建设的算力并不只服务美国本土。欧洲和亚洲用户使用的部分AI服务，实际上依赖美国的数据中心完成训练和推理。因此，美国的资本开支在很大程度上承担了全球AI需求，其经济影响也可能超过过去单一国家内部的基础设施周期。

[vi] 这意味着，AI基础设施已经不再是一个单独的科技行业，而是逐渐成为影响GDP、资本市场和产业政策的宏观经济变量。

[vi] AI投资增速会放缓，但需求尚未见顶

[vi] AI资本开支不可能永久维持高速增长。随着投资基数扩大，企业很难在更高的规模上继续实现翻倍增长。与此同时，电力、土地、施工能力、芯片供应和融资能力，都在形成越来越明显的约束。

[vi] Jordan指出，对大型云厂商和新兴云厂商来说，在原有规划之外再增加吉瓦级电力设施，难度已经明显提高。即使投资回报良好，企业也必须先筹集巨额资金，才能继续推进建设。

[vi] 但增速放缓并不等于需求崩溃。当前行业面临的核心问题仍然是供给不足，而不是算力过剩。芯片产能、数据中心建设速度和电力接入能力，都还难以完全满足客户需求。

[vi] 真正的风险触发点，是企业对智能和知识工作的需求出现明显回落。只要需求仍然超过供给，行业就很难因为资本开支增速下降而立即进入下行周期。

[vi] AI收入滞后于投资，回报可能来自整个经济体系

[vi] AI行业的另一个特征，是收入通常滞后于资本开支。数据中心和GPU需要多年折旧，今天投入的资金，需要在未来数年通过模型调用、企业软件、自动化服务和新产品逐步回收。

[vi] Patel认为，市场对未来AI收入的预测可能仍然偏低。因为AI的价值不只是API调用、Token收费和订阅服务，更多收入可能来自AI进入其他产业之后创造的新产品和新效率。

[vi] Jordan举例称，如果前沿模型能够承担大量知识工作，它们就可能进入机器人、自动驾驶、药物研发、医疗和生命科学等领域。在这些行业，AI创造的价值将通过新药、汽车、芯片和服务体现，而不只是通过每次模型调用收费。

[vi] 芯片设计行业就是一个典型例子。过去几十年，美国芯片设计研发人员数量没有大幅增长，但行业创造的价值却持续扩大，原因之一是工程工具提升了研发人员的生产率。AI可能把这种效率提升扩展到更多行业，让企业用相近的人员规模完成更多研发、设计和生产工作。

[vi] 这也是AI基础设施投资最核心的逻辑：投资者押注的不是今天的聊天机器人收入，而是未来智能扩散到整个经济体系之后产生的新增价值。

[vi] 新兴云成为AI扩张的关键基础设施

[vi] 随着前沿实验室和超大规模云厂商不断扩大算力需求，新兴云厂商成为AI基础设施扩张的重要承载者。

[vi] SemiAnalysis的ClusterMax报告主要评估GPU云的可靠性、安全性、网络、存储、性能和运维能力。CoreWeave、Nebius被列为顶级厂商，Oracle和谷歌云的服务能力也受到肯定。

[vi] 但技术质量和股票价值并不是同一个问题。Oracle虽然在集群服务方面表现出色，却面临数据中心延期、管道许可、债务规模和项目执行等风险。部分新兴云厂商则把主要精力放在融资和扩建上，对底层安全和服务质量投入不足。

[vi] 这反映出当前市场仍然处于卖方市场。客户迫切需要GPU，供应商因此可以快速获得订单和融资，但这也降低了它们改善服务体验的压力。

[vi] 英伟达正在成为产业链的金融后盾

[vi] 英伟达在新兴云生态中扮演的角色，已经不只是芯片供应商。

[vi] SemiAnalysis估计，英伟达提供的表外担保和支持规模可能达到5880亿美元，覆盖GPU采购之外的施工、存储、供应链和数据中心建设。英伟达的目的，一方面是降低对少数超大规模云厂商的依赖，另一方面是帮助更多客户获得算力和融资。

[vi] 只要终端需求持续强劲，这种担保、融资和GPU租赁机制就能形成正循环。但与此同时，产业链之间的相互依赖也在加深。一旦AI需求放缓，风险可能沿着长期合同、债务和资产负债表快速传导。

[vi] 因此，英伟达的“兜底”既是行业扩张的推动力，也说明AI基础设施已经形成了复杂的金融网络。

[vi] Anthropic与谷歌的竞争将转向商业化

[vi] Patel对Anthropic长期前景非常看好，但他也认为，达到极高估值需要公司把业务从模型调用扩展到更多领域。

[vi] Anthropic的优势不仅在于模型能力，也在于较高的毛利率、较低的获客成本和较强的客户粘性。AI实验室如果能够把模型用于软件、药物、医疗和企业服务，利润空间可能超过传统SaaS业务。

[vi] 谷歌则面临另一种压力。过去，谷歌拥有显著的算力优势，但如今更多TPU和基础设施被用于对外销售以及支持Anthropic，DeepMind获得的算力占比下降。

[vi] 谷歌正在尝试从芯片、云平台和模型服务的各个环节获取收入，但Gemini仍需要找到足够清晰的产品优势。否则，算力、模型和人才优势都可能继续被OpenAI、Anthropic和Meta削弱。

[vi] 原文链接

[vi] 敬告读者：本文为转载发布，不代表本网站赞同其观点和对其真实性负责。FX168Tài chính仅提供信息发布平台，文章或有细微删改。

[vi] go