这场对话的起点是一张在X上流传的图表:它把今天的AI基建投入占GDP比重(约3.6%)与历史上的铁路大建设(2.2%)相比,得出AI热潮规模已超越铁路时代50%的结论。但在Big Technology播客邀请的两位嘉宾看来,这张图还远远低估了真实情况。
Dylan Patel是SemiAnalysis的创始人兼CEO,这家机构长期追踪芯片与AI基础设施供应链的真实资本流向;Jordan Nanos是该机构技术团队成员,刚刚完成了评估全球GPU云厂商表现的《Clustermax 3.0》报告。两人在节目中给出的数字,比外界流传的版本更极端——也更令人不安:增速终将放缓,但收入必须以更快的速度追上去,否则这场建设就会从"难以置信的回报"变成"无法填补的债务"。
1. 被低估的数字:AI基建占GDP的比例可能是官方说法的两倍
Dylan Patel看到那张铁路对比图的第一反应是"人们把数字算低了"。他给出的核算是:明年美国全境的资本支出——不仅包括数据中心和芯片,还涵盖整条供应链上的投资——大约会达到2万亿美元,而美国GDP在30万亿出头,两者相除是5%到6%,不是图表上的3%。
更关键的是他指出的一个结构性差异。铁路和光纤的资本支出都发生在使用它们的国家境内,但AI基础设施不是这样。欧洲对Anthropic的大部分推理需求,其实是由美国的数据中心在承接的;OpenAI在欧洲的推理需求也是如此,亚洲的许多国家也是类似情况。这意味着美国的资本支出里,有相当一部分是在为全世界的AI使用提供算力,这让美国本土的建设规模,在经济影响力上超过以往任何一轮实体基础设施投资周期。
2. 116%的同比增速,华尔街赌它会掉到70%
《Clustermax 3.0》里的一组数字把问题摆在了桌面上:2026年第三季度,超大规模云厂商的季度资本支出同比增长116%。华尔街的共识预测是这个数字会持续下坠——第四季度跌破100%,明年第一季度降到70%左右,之后继续下滑。
Jordan Nanos承认增速放缓是必然要发生的事,但原因不是需求消退,而是供应链和组织能力撑不住。工业设备、能够承接EPC(工程、采购、建造)工作的承包商、芯片、冷却系统,以及围绕IT基建的一整套配套能力,都在被迫扩张以消化这些资本开支。真正的瓶颈是两件事:超大规模厂商和NeoCloud要在已经超负荷运转的基础上再建一个吉瓦级项目,光是组织和调配资源就极其困难;同时,即便很多投资项目的回报率惊人,找到足够资金投进去本身也是一件难事,尤其是当谈论的单位是万亿美元。
3. 增速放缓是数学上的必然,不是悲观预言
Dylan Patel补上了另一半解释:增速放缓不需要任何坏消息发生,它是定义上注定的。今年Anthropic的收入从不到100亿美元涨到超过100亿美元出头,实现了10倍增长,但这种增长不可能在明年再重复一次让它冲到1万亿美元——基数已经变了。Nvidia的收入增速依然保持在2倍左右,但相比更早期已经明显放缓,原因同样是在更大的基数上实现同样倍数的增长,天然就更难。
这套逻辑意味着,接下来几个季度看到的增速下滑,本身不能被解读为AI热潮退潮的信号,而更像是任何指数级增长曲线进入成熟阶段的自然表现。真正值得盯住的,是增速放缓的同时,收入能不能同步跟上资本支出的节奏。
4. "美图自杀式举债"与6万亿美元的收支平衡线
节目把几份看空研究摆在桌面上。一条流传的推文援引高盛的说法,称Meta在背上"无法偿还的"巨额债务后,等于完成了一次"企业自杀";咨询公司Bain的估算是,超大规模云厂商要到2031年每年实现6万亿美元收入才能收支平衡;哥伦比亚大学的一位教授则提出,美国需要在2032年前把AI服务的年度支出推高到3.5万亿美元(占GDP的8.8%),才能证明今天这轮数据中心投资是划算的。
这些数字乍看起来已经大到离谱,但Dylan Patel的回应方向完全相反。
5. Dylan Patel的反驳:外界对收入的估计不是太高,而是太低
他认为上述所有收入门槛的测算都偏保守,真实走势会比它们快得多。关于"Meta自杀论",他的判断很直接:这个说法有点荒唐,因为Meta在任何时间点都可以选择停止采购新设备,用现有现金流覆盖已经签署的合同绰绰有余。他们并不是被迫明年必须再建一百亿美元的数据中心,拔掉插头随时可以做到——公司完全具备偿付能力,真正的问题只是这些投资之上还能创造多少额外收入。
至于资本支出到底需要多少收入来兑付,他给出了一套具体算法:GPU按会计口径折旧6年,数据中心折旧15年,如果今天花1万亿美元建AI数据中心和采购GPU,那么按6年直线摊销计算,需要每年2500亿美元收入去覆盖这笔支出,或者前几年收入较低、后几年大幅走高的斜线模式来实现同样的回本。以此为参照,他预测仅OpenAI和Anthropic两家公司合计收入,到明年年底就有望达到6000亿到7000亿美元规模,并在2027年底前冲到1.5万亿美元。如果到2031年AI收入真的只有3万亿美元,那确实会出大问题——但他不认为这是会发生的情形。
对Dylan Patel和Jordan Nanos来说,这场辩论的分歧点从来不是"这笔钱花得值不值",而是增速曲线会先软着陆,还是先被资金和供应链的硬约束撞停。回到最初那张铁路对比图,两人共同的结论是:AI基建的规模已经不是"会不会超过历史纪录"的问题,而是收入能不能跑赢那条正在放缓、但基数已经巨大无比的资本支出曲线。
