AI 泡沫 “原罪”：英偉達是 AI 戒不掉的 “金毒丸”？

以 2022 年年末 ChatGPT 發佈為標誌，三年間 AI 狂熱從算力、存儲、網絡、製造、電力基建、軟件應用，甚至到邊緣設備，每個方向的細分賽道都被輪番反覆炒作了一遍。

但到三週年末，當 AI 基建的頂樑柱們，在三季報前後一個個宣佈前所未有的 AI 大基建時，市場反而跟突然喪魂了一樣，開始擔心 AI 投資要泡沫了。

產業有人賺得盆滿缽滿，有人虧到瘋狂融資，問題到底出在哪裏？融資眼花繚亂，千奇百怪，為什麼？

本篇，海豚君通過產業鏈核心公司的報表來仔細研究一下這些問題，並嘗試理解，到底 AI 投資是否已經真走到泡沫階段了？如果真有泡沫，那麼泡沫的原罪在哪裏？

一、融資眼花繚亂？產業鏈利潤分配重度扭曲

下面這張圖，對很多人來説恐怕已經很熟悉了。這張圖最大的問題，整個產業鏈的最終用户，也就是 OpenAI 的用户在整個資金循環鏈條裏創收規模相比投入太小，沒有被畫到圖中。

但張圖的核心信息，其實也就是下游客户用上游供應鏈的錢來為自己的業務融資，這麼一個簡單而又古老的供應鏈融資方法。

同時，一級市場模型巨頭們供應鏈融資同步發生的，還是二級市場應用巨頭們已逐步普遍表內、表外債券融資（詳細分析見此處）

但這裏的問題是，為何在芯片商如英偉達賺到盆滿缽滿、全市場都在説 AI 是新一場技術革命的時候，AI 拓荒人 OpenAI 要用下一盤這麼大的融資棋局？為什麼本來富到流油的美股巨頭如$谷歌-A(GOOGL.US) 、Meta 等等，現在要用債務才能支撐未來的發展？

其實答案很簡單，AI 產業初期，產業鏈利潤分配重度不均，上游把好處基本“吃幹抹淨”了。

AI 的主產業鏈主要是這麼五類玩家：晶圓代工（$台積電(TSM.US) ）——算力商（$英偉達(NVDA.US) ）——雲服務商（$微軟(MSFT.US) ）——模型商（OpenAI）——終端場景五層來分。

1.1）從雲服務商的經濟賬説起：到底誰賺了紅利、誰賺了吆喝、誰擔了風險？

A. 雲服務商們的經濟賬：100 元收入分佈——55 元成本、10 元運營開支，35 元利潤；

以下，海豚君用一本產業鏈一本簡單的經濟賬來給大家仔細算下數，來直觀了感受一下這場三年的 AI 繁榮當中。我們知道，雲服務是一個既重資金壁壘，又重基本壁壘的行業。它的前半部分跟蓋房子一樣，需要把廠房蓋起來、機櫃、佈線、冷卻等等都要做好，這部分算是機房的硬裝。

軟裝部分就是放入 GPU、CPU，這中間 GPU 內部的連接、GPU 與 GPU，以及與其他設備的連接要做好，再加上網絡、寬帶，通上電，軟裝基本完成。這些要素放在一起，再通過技術人員完成 “靈魂點睛”，就是一個比肩基礎的 IaaS 服務了。

從上面的要素其實可以看出，雖然它聽起來高大上，本質上沒有擺脱運營商生意的範疇——把各種重資產 + 技術組合在一起，形成雲服務，通過租賃雲服務賺錢。

這個生意的核心就是，成本要足夠低，比如説成本最高的 GPU 裝上去了之後可以用個十年八載的，不能像光伏電場那樣，隔三差五光伏板就要換掉。

來源：英偉達 NDR 材料

按海豚君的估算，雲服務商假如用全新的 AI 產能來提供 AI 雲服務，那麼每賺 100 元，大約 35 元是前期買入設備（以 GPU）的攤銷折舊，GPU 折舊年限以目前雲服務商普遍的五年期來算，資本開支投入其實是 175 元。

而如果英偉達的 GPU，那麼基本上 125 元（70% 以上）是 GPU（含網絡設備）提供生的收入，剩下是 CPU、存儲、網絡設備等。

除了固定成本，還有能源電力、帶寬、運維等成本，而運營費用上，主要就是研發銷售和行政等費用了。100 元的收入最終實現的賬面經營利潤是 35 元。

備註：數據取 AWS 和 Azure 中間值利潤率估算，結合 GPU 雲租賃的 ROI 與傳統對比來做模擬

從這些數中，可以看到一個很明顯的問題是：

① AI 基建早期，雲服務商只有明面利潤，實際嚴重缺錢：在這個簡單的模型中，雲服務商明面上是賺了 35 塊錢，但由於其實在拿到收入之前，其實已經提前預支自己的全部 100 元收入都不夠，需要花 175 元來先買 GPU 設備。也就是説 CSP 其實只賺了賬面利潤，實際投入是倒貼的。

② 數據中心瘋狂融資：雲大廠由原本的現金牛業務來支撐，但現在新興的新雲如 CoreWeave、Nebius、Crusoe、Together、Lambda、Firmus 和 Nscale 等因為沒有原本的現金流業務，現在普遍需要發行資產抵押支持證券融資來提供雲服務。

B. 100 元的雲服務收入，如何流入英偉達、OpenAI 賬本？

① 算力提供商 (英偉達)——盆滿缽滿的設備股

雲服務的成本，是英偉達的收入。每 100 元的雲服務收入，因為有 35 元是設備折舊，按五年折舊期，提供這些服務需要提前採購大約 175 元的設備。

英偉達的 GPU 在採購中的價值大約佔到了 70%，相當於雲服務這 100 元的收入，單獨向英偉達就已支付了 125 元的 GPU 設備採購費。

很顯然，作為雲服務商生產資料要素採購中，單體價值最大的一環，英偉達在早期 AI 基建期賺得盆滿缽滿。

② 眼下的 Open AI——8 億 WAU，但虧光褲子的應用股

整個產業鏈條中，雲服務的需求側——OpenAI 是需求的源頭，它的償付能力決定了這個鏈條循環的健康度。但目前 OAI 的創收能力來看，砸了這麼多的算力資源，結果上只能算是“金鏟子” 挖 “土”。

首先雲服務商 100 元的 GPU 租賃收入，到 OpenAI 這裏，其實就是它為自己的用户提供服務的雲服務成本。按媒體披露的 OpenAI 25 年上半年財務狀況，100 元的雲開支，只能對應公司 96 元的收入，同時算上公司的研發人員開支、營銷和管理支出（不含期權激勵）——100 元支出，公司基本虧掉了 100 元。

C. 核心矛盾：產業鏈利潤分配嚴重扭曲

把這三家公司簡單模擬的經濟賬放在一起，一幅對比鮮明的產業鏈利潤分配圖景就出現了：產業鏈核心鏈主的產業鏈利潤、風險收益分配極度不均衡。

上游鏟子股——以英偉達為代表的算力資產是輕資產業務，憑藉壟斷地位，不僅收入增長快，而且應收款風險較低，盈利質量高，盈利賺得盆滿缽滿；

中游資源整合方——雲服務商們承擔着大塊頭的產業鏈投入，和資源整合，前期投入巨大，明面賺錢但實際現金流吃緊，是事實上最大風險承擔方；

下游應用商——生產資料（雲服務）太貴，收入太少，只能覆蓋一定點的雲服務成本，是虧在明面上的應用股，最終應用股的健康程度，才是決定產業鏈健康度的生死劫。

這樣的產業鏈利益不斷往上游轉移，AI 主產業鏈鏈主們的矛盾日益突出，行業競爭動態天平開始明顯變化：

① 算力——英偉達

英偉達憑藉第三方 GPU 的壟斷地位，尤其是訓練階段的獨特優勢，享受了 AI 基建早期的最大紅利。但它的產品賣到客户那裏不是易耗品，而是一個能夠使用多年的資本品。

它的高成長，從行業 Beta 角度，主要集中在 AI 數據中心的產能投建期。公司的增長斜率會高度依賴雲服務商的資本開支增長斜率，當雲服務商的資本開支即使在新高的位置一旦穩定下來，不再告訴增長，那麼對應的芯片商收入零增長，萬一錯估了週期，再來點存貨減值，利潤率就會直線下滑。

最新季度，英偉達前四大客户貢獻了公司 61% 的收入，很顯然它的收入就是雲服務商們的資本開支預算。

來源：英偉達 2025 年 NDR 材料

當下在 4-5 萬億的市值壓力之下，英偉達是持續交付芯片，撐起美股半邊天的壓力，因此，它的核心訴求就是繼續賣芯片，賣出更多芯片，方法上比如説：

a.芯片銷售擴散到海外市場，比如特朗普帶着 GPU 商家們去中東等地區簽單；同時痛失中國市場，讓黃仁勳説出了美國要輸掉 AI 戰爭的喪氣話。

b. 瘋狂迭代：創造雲服務商們一直需要更新設備的需求。目前英偉達基本每 2-3 年就會有一次大的產品系列迭代，有些版本的迭代，甚至需要全新的數據中心建設標準來配置 GPU。

② 雲服務商——微軟：垂直一體化降本

雲服務商目前是供不用求，似乎享受的行業紅利，但其實長期是承擔了產能錯配的風險，因為最大的資本開支都是由它來承擔的，一旦需求判斷失誤，數據中心閒置，雲服務商就成了損失最為慘重的產業鏈環節。具體來看，

a. 短期：雲服務毛利率更低

當下的短期問題是，由於 GPU 太貴，GPU 雲服務比傳統雲服務毛利率更低。而按照微軟 CEO 納德拉的説法，目前 AI 雲業務中產生利潤的不是 GPU，而是除了 GPU 之外的其他設備部署（存儲、網絡、帶寬等）——換句話説，現在的 AI 數據中心，因為 GPU 太貴了，其實是用 GPU 引流，靠搭售附加產品來賺錢。

b: AI 算力的攤銷折舊風險

運營商生意是重資產業務，最怕生產資料投入的攤銷折舊週期太短（風能發電廠和 3G 時代的電信運營商都有過類似問題）；英偉達推新太快（兩年一次），折舊年限至關重要；

c. 前置投資風險

長期承擔了資源整合和資金風險（資本開支）；如果客户盈利能力不足、場景落地慢、技術迭代突然出現非線性迭代（比如模型變輕，小模型在端側能完成 AI 大任務，或者本身軟件迭代對算力需求大幅減少），可能後續產能利用不足，導致雲服務商產能與需求誤判，那麼它會成為最大下游客户失敗的風險承擔方，體現不是應用賬款收不會，而是數據中心產能浪費。

很明顯，從雲服務商的角度，可以做的是，降低數據中心的最大成本項——GPU 成本，比如説繞過英偉達税，自研 1P 算力芯片；雖然需要外包一部分設計工作給到博通、Marvell 等 ASIC 設計商等等，但整體能夠大幅降本。結合資料信息，構建 1GW 算力中心，用英偉達 GPU 的成本是 500 億美金，而用 TPU 大約是 200-300 億美金。

③下游應用（含模型）主要風險——生產資料成本太高，收入不匹配，現金流斷裂風險。

這裏選 OpenAI 作用終端的場景應用股（含了模型層）。

收入高速增長：根據媒體披露，按 OpenAI 目前的月收入推進速度， 2025 年按月預計年底年化200 億美金，25 全年 130 億美金，同比增長 250%；

支出飆升更快：這裏的問題是，收入在高速增長過程中，並沒有正常商業模式下收入放大之後，虧損率逐步減少的情況，反而支出的增長斜率比收入的增長斜率更高，收入越做大，虧損反而約高。

按媒體披露信息，2025 年收入 130 億，虧損應該估計至少 150 億上下；如按微軟財報信息（按 40% 股權），OpenAI 虧損年化虧損應該已超 300 億。

OpenAI 目前的訴求也很明顯，首先雲服務成本太高了，導致收入不經濟，收入多了，反而虧得更兇猛；在與此同時；由於收入缺口太大，公司需要融資的同時，還需要進一步做大收入，而在做大收入過程中，雲服務靠外部提供，供應商容量不夠，導致產品推新延遲（比如説 Sora 因此推遲，OpenAI Pulse 高定價拖累滲透率）。

三、AI 產業鏈：巨頭博弈產業鏈定價權

AI 技術（模型）迭代足夠快，逐步成熟到可以落地的程度，但部署上成本太高——雲服務成本太高，無法支撐技術在應用場景上的快速擴展。

而以上的經濟賬模擬，可以很清晰地看到，高成本是因為產業鏈加價太嚴重——英偉達芯片毛利率 75%（加價率 4 倍）、CSP(雲服務) 毛利率 50% 上下（加價率 2 倍），到 OpenAI 使用的時候，鏟子的成本已經太高，即使是互聯網歷史上增速斜率比較高的應用，都無法覆蓋更快速度的成本上升。

於是產業鏈博弈開始了！

英偉達因在數據中心中的價值量和技術壁壘都較高，因此想掏空雲服務商的價值，讓它淪為 GPU 的包工頭。而云服務商覺得英偉達税收得離譜，想要通過自研芯片把英偉達超額利潤打掉。

而自從微軟解綁了它只能使用 Azure 作為雲服務提供商的禁制之後，OpenAI 已經明確表達的自己的意圖，要自建數據中心，OpenAI 似乎想消除上游每一段的超額溢價，最好把算力的價格打到白菜價，推動應用的繁榮。

結果就出現了 2025 年年底最受寵的商業模式，也是目前最流行的投資賽道 “全棧 AI”，其實説白了，就是產業鏈的垂直一體化。三家雖然操作不同，但本質上都是在垂直一體化的方向上努力：

① 英偉達：英偉達 + 新雲小弟們=削弱 CSP 大廠產業地位

依賴 GPU 的壟斷地位，通過優先供應最新 Rack 系統，產能回購協議等，扶持一堆 IaaS 仰仗英偉達的發貨排序的新興雲平台 Coreweave、Nebius 等，其中對 Coreweave 的回購兜底最為突出。

這些新雲前期普遍大量融資，新雲大多依賴於英偉達的供貨傾斜或者融資支持，最終新雲的產能基本都是使用英偉達的芯片。通過這個操作，英偉達實際上等於除大型 CSP 之外，鎖死了其他小云服務商的 GPU 選擇權。

但對於這個操作，微軟 CEO 納德拉層在訪談中曾間接表達過，“一些人以為提供雲服務，就是買一堆服務器，插上電就可以了”。言外之意，實際雲服務是一個非常複雜的業務，門檻並不低，不然全球的雲服務市場那麼大，但只是被三四朵雲所壟斷。

從這個角度出發，今年爆炒的新雲服務商，其實背後一定程度上就是在 GPU 供給緊缺的情況下，英偉達通過優先分配權拉起來的下游代理商（二道販子），假如長期產業供需均衡，產業競爭邏輯走向正常的技術、資金、渠道、規模導向型商業模式，這些新雲是不是還能存在，還很難説。

似乎 AI 新雲玩家，看起來更像是一個 AI 基建上半場的產業鏈博弈中的過程產物，而非供需平衡下終局格局中可以和雲服務巨頭分庭抗禮的競爭對手。

② 雲服務商：雲服務商 +ASIC 設計商 + 下游產品=削弱英偉達芯片壟斷溢價

a. 目前 GPU 用量較大的公司基本都開啓了自研芯片的努力，這裏除了雲服務商$谷歌-C(GOOG.US) 、微軟和亞馬遜$亞馬遜(AMZN.US) ，一些單體用量較大的下游客户如 Meta、字節、特斯拉等都在自研 ASIC 芯片。

在 ASIC 芯片自研子產業鏈中，ASIC 設計外包商如$博通(AVGO.US) 、$邁威爾科技(MRVL.US) 、、AUC、聯發科等等，都是高價值的資產。

b.討價還價的二供備胎價值

自研芯片，啓動最早，產品名聲最高的主要是谷歌聯合博通研發的 TPU，直接供應了 Gemini 3 的研發；同時，其實亞馬遜也很早啓動了自研 GPU 的研發（訓練 Trainium、推理 Inferentia）。

按此次英偉達的財報（Anthropic 首次開始使用英偉達合作），Anthropic 模型的研發其實應該主要是基於亞馬遜的雲和亞馬遜的 Trainium 芯片。

全球兩個性能靠前的模型 Gemini 和 Anthropic，一個在完全不用英偉達，一個較少用量的情況下，都把模型訓練到了領先的位置，已經明顯開始影響到英偉達的在算力行業的定價權。

這樣的案例影響下，下游客户通過威脅使用 TPU（甚至都未必是真部署），就能迫使英偉達為鎖死下游客户訂單，通過融資擔保、股權融資、剩餘產能兜底等方式來間接降價，本質上就是客户把部署 GPU 的成本給拉了下來。

這些已經是英偉達算力地位受到威脅的實際體現。

c. 下游產品滲透：產品線全系 AI 武裝，防守 Chatgpt 崛起

這些處於中間環節的雲廠商，本身核心業務大多為再往下游的模型和軟件應用的場景，除了往上通過垂直一體化防止英偉達在雲業務上偷家，往下還要讓自己的全系產品場景都武裝上 AI，與 ChatGPT 展開競爭，防止被 ChatGPT 顛覆。

③ OpenAI：產業鏈自主=Stargate

而處在模型廠和應用場景上的新公司 OpenAI，血虧之下，不想受制於巨頭，像以自己的影響力，通過融資來自建一個基本自主的產業鏈，OpenAI 的大致圖景是——上游算力自研和外採對半分（AMD 的 6GW 是備胎算力）、中游雲服務完全聽命於自己，以幫助自己全力保持技術領先，和推廣 AI 應用。

a. 自建數據中心：OpenAI+ 融資 + 芯片商 +Oracle=Stargate

從公司的股權架構設計來看，其實 Stargate 就是一個專門服務 OpenAI 算力需求的大塊頭新興雲公司（10GW 設計產能）。只是 OpenAI 通過最初的投資入股，在 Stargate 公司股權佔比 40%，強化對算力基礎設施的主導權。

b. 綁定訂單：作為一個深受高價算力和供給不足束縛的雲服務終端客户，最符合 OpenAI 利益的其實是過剩且便宜的算力，利用上游供應商 FOMO 心理，綁定一切能綁定的產能，用未來的收入預期作為償付能力，鎖定芯片供貨。

但這裏 OpenAI 的收入年化 200 億要在三年內走到年化 1000 億美金，才有真正付得起這些付款承諾的可能性。而目前的巨頭中沒有人在幾年內把自己收入打到千億美金以上。這裏海豚君合理推測，它的目的之一可能就是有意製造供給過剩，以便把算力成本打下來。

OpenAI CEO 奧特曼在問到是否會有算力的產能過剩的時候，他毫不隱藏他對算力過剩的渴望：“肯定會有很多輪的算力過剩，無論是 2-3 年內出現，還是 5-6 年內出現，可能是這個時間內多輪的產能過剩。（“there will be come to a glut (of compute) for sure, whether it’s 2-3 or 5-6 years at some point, probably several points along the way.”）