AI基建狂潮比你想的更大，而且还没到头

关联

人物 Dylan Patel

公司 SemiAnalysis · NVIDIA · Anthropic · OpenAI · Oracle · CoreWeave · Nebius · Meta · DeepMind · Google

概念 新云 · 资本支出 · 推理 · GPU · 数据中心 · 安全

Alex 的 Big Technology Podcast 这期请来了 SemiAnalysis 的创始人 Dylan Patel 和团队成员 Jordan Nanos。

这家研究机构被主持人称为 AI 基础设施领域的圣经，两人合著的 GPU 云服务商评级报告 ClusterMax 3.0 是行业买家的重要参考。

这一小时的对话，回答了所有人都在问的问题：这场几万亿美元的基建狂潮，到底能不能自己养活自己？

这轮基建到底有多大？比你看到的图表还大

最近流行一张图，把 AI 基建比作当年的铁路和高速公路，说它占美国 GDP 约 3.6%，比铁路时代的 2.2% 还高出一半。

Dylan 的第一反应是：这些数字太低了。

他估算，明年美国的资本开支将在 2 万亿美元量级——不只数据中心和芯片，还包括整条供应链。

叠加约 30 万亿美元的 GDP，实际占比可能是 5% 或 6%。

为什么偏高？

因为铁路和光纤的钱花在哪个国家，就服务哪个国家；而 AI 不一样——欧洲用户用的 Anthropic 和 OpenAI 推理，大多跑在美国的数据中心里。

美国建的房子，服务的是全世界的需求。

华尔街又低估了，但这次是双向的

Jordan 指出一个有趣的现象：

2026 年第三季度，超大规模云厂商的资本开支同比增长 116%，而华尔街的一致预期是之后逐季降到 100% 以下、再到 70% 多。

这又是老套路——基数已经这么大，不可能再翻倍了吧？

Dylan 打了个比方：问一个小孩能想到的最大数字，小孩说 1100。而现实是，我们已经在万亿了。（他补了一句，这个小孩是华尔街。）

但 Jordan 也承认，增长终会减速，原因很实际：最大的云厂商很难在已建的 gigawatt 之外再组织资源多建一个；

数万亿美元级别的融资本身就难。另外从数学上讲，Anthropic 收入刚涨了 10 倍，不可能明年再涨 10 倍——总收入不可能凭空到 1 万亿美元。

要多少收入才回本？看看账怎么算

外界有不少惊人估算：贝恩说超大规模厂商 2031 年前需要每年 6 万亿美元收入才能打平；

一位哥大教授说美国需要每年 3.5 万亿美元的 AI 服务支出。Dylan 的回答是：所有人的收入预估都偏低，实际收入会远超这些数字。

他的算法很简单：

数据中心资产按 6 年折旧（建筑实际能用 15 年），今天投入 1 万亿美元，6 年内需要约 1.5 万亿美元收入回本，也就是每年 2500 亿美元。

而 AI 收入天然滞后于资本开支——今天的收入对应的是几年前建的设施。

他给的数字：Anthropic 的收入减去训练加推理的算力成本，已经转正盈利；OpenAI 两三个季度内也会到。

两家公司合计的收入还会继续高速增长，到 2027 年底可能达到非常可观的规模。

至于Meta 借了还不完的债这类说法，Dylan 直斥荒唐——Meta 随时可以停止买新东西，现有现金流足以覆盖已签的合同，随时可以踩刹车。

【背景】Dylan Patel 曾公开预测：两家公司明年年底合计收入可能达 6000 亿到 7000 亿美元，2027 年底甚至可能到 1.5 万亿美元。此数字未在本段原文中出现，仅供参考。

这么多钱，最终从谁的口袋里出？

如果 AI 服务支出在 2025 年已占 GDP 的 8.8%（仅次于医疗的 18% 和食品的 9.1%），钱从哪来？

Dylan 的答案指向一条几十年的老趋势：劳动收入占 GDP 的份额自 70 年代以来持续下滑，价值越来越多地归于资本。

AI 会把这条线加速——因为 AI 的 token 本质上就是资本（芯片和数据中心）在生产劳动。

他不认为劳动的绝对金额会缩水，而是整个经济长得太快，劳动份额被稀释。

他举的例子是芯片设计：美国芯片设计工程师数量 20 年基本持平，但行业价值爆炸式增长——NVIDIA、Broadcom 都来自这个池子。

工具变强，同样的人做出更值钱的东西。他认为很多行业都能复制这个模式。

Jordan 补充了想象空间：

如果这些公司真能做出最好的模型，能做几乎所有知识工作，收入来源就不会只是按 token 卖 Claude Code——可以是抗癌药、自动驾驶、机器人。

到那时候，回本根本不是问题。

真正的风险不是需求消失，而是安全和烂服务商

说到什么会掀翻这桌牌，Jordan 的判断是：目前所有建模都显示需求超过供给，甚至不知道超多少，因为 GPU 供应根本追不上需求。

要预测拐点，得先找到经济对智能的需求上限——目前还没找到。

更紧迫的问题反而是安全。Dylan 讲了一个亲身经历：

他们本无意间在某家 GPU 云上看到了其他全部客户的存储内容——其中还包括某个 GDP 排名前十国家的情报机构的工作。

他们立刻报告并退出。开源模型（他点名中国的 GLM 5.3）可以黑进几十家这类云服务商。

Ilya 也发推警告：新云的安全太弱，下次失控的智能体可能会试图占领一家新云来复制自己。

【背景】Ilya 指 Ilya Sutskever，OpenAI 联合创始人、前首席科学家。

另一层风险是质量。他们的 ClusterMax 报告追踪了 323 家 GPU 云提供商，能进推荐档的寥寥无几。

Jordan 说这令人沮丧：这是卖方市场，大家忙着融资、建楼、装芯片，没人在乎服务质量，而及格线其实简单得要命。

NVIDIA 在暗中撑着整个市场

报告披露了一个惊人数字：

NVIDIA 目前支持的表外担保总额达 5880 亿美元——包括收入兜底、租赁担保、要转给第三方的租约，帮新云们拿到投资级融资。

这相当于美国 M2 货币供应量的约 2.5%。

有人批评这是 NVIDIA 自己制造需求、吹大泡沫。Jordan 的辩护是：NVIDIA 只是不想只依赖三四家超大规模厂商，想要一个多元健康的市场。

实际操作中，NVIDIA 签约兜底后，往往还没轮到自用，就有客户出更高的价买走，它再滚动到下一个项目。

而且它兜底的不只是芯片——还有厂房建设、内存供应商、晶圆厂。

巨头们的不同处境：Oracle 的尴尬与 Google 的掉队

ClusterMax 金字塔顶端是 CoreWeave 和 Nebius，第二档里有 Oracle 和 Google Cloud。Dylan 特意区分：这个排名衡量的是租 GPU 的体验好不好，不是股票推荐。

Oracle 的处境很拧巴：服务品质顶级，但去年和 OpenAI 签的是固定利润率的大单，GPU 涨价的红利吃不到；

新墨西哥数据中心因管道问题可能延期数年（这直接卡住 OpenAI 的合同）；再加上发债过多吓到了市场。

相比之下，Nebius 合同期最短，趁供不应求大幅提价，赚得盆满钵满。

Google 则在悄悄掉队。Dylan 观察到，Google 分配给 DeepMind 的算力占比在下降——按年底算，DeepMind 拥有的算力已经少于 Anthropic 和 OpenAI。讽刺的是，Thomas Kurian（云业务负责人）赢了，DeepMind 输了。

而且 Gemini 4 Argon 在编程上仍不如头部两三家，最优秀的人才还在被 Anthropic、OpenAI 和 Meta 持续挖走。

他直言：没人想要第三、第四好的编程模型，Google 得找到自己的利基。

实验室已经学会藏牌了

一个容易被忽略的变化：前沿实验室不再第一时间发布最强模型。

Dylan 举例，Anthropic 的 Mythos 今年 2 月就做好了，公开发布的只是缩水版 Fable；OpenAI 的 Astra 完成后也压了几个月才放，性能更强的 Bell 展示了数学能力却至今未发布。

原因不难理解：模型一旦放出，就会被蒸馏、被抄袭。留着内部用，可以支撑自家更高价值的产品。

所谓控制前沿节奏，Dylan 认为很大程度上只是姿态——Dario 不敢慢，因为不信任 Sam；Sam 也不能慢，因为中国就在身后。

他预计未来实验室会持续只发布最低可行模型，刚好保持对开源生态的领先。

Anthropic 两万亿估值意味着什么

Dylan 曾发推调侃：Anthropic 以 2 万亿美元上市，你没法投资——它可能归零，也可能值 20 万亿，但真到 20 万亿，大家都完了。他解释这不是纯玩笑：

如果 Anthropic 做到 20 万亿美元估值，意味着数万亿美元的收入集中到极少数股东手里，财富分配严重失衡，社会结构可能被撕裂。

Jordan 倒没那么悲观：

如果真到那个规模，收入不会来自按 token 计费的订阅，而是来自新药、自动驾驶这类实实在在的价值——就像 GLP-1 减肥药热潮带来的巨大价值那样。

【背景】GLP-1 类减肥药的主要厂商之一为礼来公司(Eli Lilly)。

本集带走

• AI 基建占美国经济的比重可能已达 5–6%，超过历史上铁路、光纤等任何一轮基建周期，因为美国的数据中心还在服务全球需求。
• 回本在发生：Anthropic 的收入已覆盖训练加推理的算力成本，OpenAI 几个季度内也会到；Meta 财务上完全健康，可随时踩刹车。
• 钱最终来自劳动份额的进一步下降——AI 本质上是资本在替代劳动生产，赌的是经济总量增长快到让劳动的绝对收入不缩水。
• NVIDIA 用 5880 亿美元表外担保支撑着新云生态，动机是客户多元化而非制造泡沫。
• 最现实的近期风险不是需求崩塌，而是新云糟糕的网络安全和普遍低劣的服务质量。

看明年，全美国的 CapEx 将达到大约 2 万亿美元的量级，不仅仅是数据中心和芯片，还包括人们正在投资的供应链的其余所有部分。
if you look at like next year, CapEx across the US will be on the order of $2 trillion, not just data centers and chips, but also all the rest of the supply chain that people are investing in.
—— Dylan Patel · [03:01]

这些数字比实际要低，因为人们正在低估美国、北美以及全世界正在发生的 CapEx 的数量和规模。
these numbers are lower than the actual because people are understating the amount and size of CapEx that’s happening in the US and North America and the world.
—— Dylan Patel · [03:34]

你正处在一个这样的阶段：容量的经济影响比以往任何一轮物理基础设施投资周期都要大得多。
you’re sort of at this stage where capacity is much, the economic impact of it is much larger than any other sort of physical infrastructure investment cycle ever before.
—— Dylan Patel · [04:30]

在 2026 年第三季度，增长率达到同比 116%，这非常惊人。
in the third quarter of 2026, the growth is at 116% year over year, which is astonishing.
—— 嘉宾 · [05:15]

你不可能既有三位数的增长，又让二阶导数进一步加速。
you can’t just have triple digit growth and accelerate the second derivative.
—— 嘉宾 · [07:40]

所以我们看到 Anthropic 现在在收入减去算力成本的意义上已经盈利了，训练和推理加在一起。
And so we’ve seen Anthropic is now profitable in terms of compute cost minus revenue, or revenue minus compute cost, both training and inference combined.
—— Dylan Patel · [13:10]

我认为人们缺乏创造力，无法理解在今天的 Claude Code 订阅和按 token 定价模式之外，回报还能如何被看待。
I think people lack the creativity to understand how returns can be viewed beyond the Claude Code subscription and per token pricing regime of today.
—— 嘉宾 · [15:11]

很多人抱怨说，哦，美国经济很糟糕，然而，哦，看，经济规模更大了，这实际上是因为，劳动力的经济份额缩小了，这就是原因。
a lot of the strife that people say, oh, America’s economy sucks, and yet, oh, look, the economy is bigger, is actually, well, labor’s share of economy has shrank, and that’s why.
—— Dylan Patel · [16:59]

AI 所做的，就是它会超级加速劳动力份额与资本份额之间的这个长期趋势，因为 AI token 基本上只是以芯片和数据中心形式存在的资本，它们坐在那里创造着劳动力。
What AI does is it’s going to supercharge that long-term trend of labor share versus capital share because AI tokens are basically just capital in the form of chips and data centers that are sitting there and creating labor.
—— Dylan Patel · [17:13]

在芯片设计领域工作的美国研发工程师数量在 20 年里基本持平，然而相关经济体却爆炸式增长。
The number of American R&D engineers working in chip design has been basically flat for 20 years, and yet the economy for it has exploded.
—— Dylan Patel · [18:36]

Anthropic 甚至可能成为世界上第一家估值 10 万亿美元的公司。
Anthropic could even be the first company to be a $10 trillion valuation company in the world.
—— Dylan Patel · [26:06]

所以这些东西可能会撕裂整个社会的结构。
So these things could tear the fabric of society apart.
—— Dylan Patel · [27:56]

鉴于他们所处的竞赛，他们能做的放缓非常少。
there’s like very little pacing they can do given the race that they’re in.
—— Dylan Patel · [33:29]

卖方市场的态势意味着这些公司的优先事项是能筹集到尽可能多的钱、能尽可能快地建数据中心、能尽可能快地部署芯片，而不是去打磨底层服务的真正质量。
the dynamic of it being a seller’s market means that the priority for these companies is how can they raise as much money as they can, how can they build data centers as fast as they can, and how can they deploy chips as fast as they can, rather than working on the true quality of the underlying service.
—— 嘉宾 · [54:03]

但从定义上讲，用 TPU 帮 Anthropic 这么多、在这些其他事情上帮他们这么多，是在损害 Google DeepMind 的业务。
But by definition, you know, helping Anthropic this much with TPUs and helping them this much with these other things is hurting Google DeepMind’s business.
—— Dylan Patel · [57:35]

就 Gemini 来说，我是说，没人想要第三、第四或第五好的编程模型。
Like for Gemini, I mean, nobody wants the third or fourth or fifth best coding model.
—— 嘉宾 · [57:48]