一、 OpenAI的底气

人们习惯于用静态的眼光看问题。这妨碍了我们理解和洞察时代的变化，不仅会在机会到来时熟视无睹，还会在风险暴露时置若罔闻。

就像过去两年AI的发展中，许多人都曾抱怨过模型的幻觉问题，而今年来推理能力的提升已经大幅地压低了模型幻觉程度；人们曾说模型的数据陈旧，更新太慢，后来AI搜索很快变得极其成熟，世界的变化对于模型来说几乎触手可及；人们也曾埋怨多模态功能又贵又不精准，而现在AI的图片与视频生成模型，已基本成为短视频博主新的生财之道。现在，人们还会一直埋汰AI没有实际落地应用，但ChatGPT今年超过100亿美元收入，FSD加速普及无人出租车业务，谷歌Meta等公司的广告收入增长开始提速，AI辅助编程的渗透率超过90%，大型云计算厂商的收入增速加快到近40%，软件公司的利润率整体逐步上抬，AI电商正在成为下一个新制高点，等等肉眼可见的显著变化，都不容我们选择性地忽视。

我们身边还会有人说AI用处不大，其中一个常见的观点是认为我们所熟知的软件世界，还没有因AI而出现收入爆发的迹象。我们在8月的观点《工匠智能》分析过，AI的能力发展正在从“通用智能”的提升，转入各个垂直领域“工匠智能”的提升。AI模型会在接下来的一段时间里，不断在各个类型的任务中，去积累使用软件工具完成任务的经验，形成数据飞轮来提升能力。这将对软件世界产生特别大的冲击。

上周OpenAI的开发者大会就开始展现这一趋势：ChatGPT开始在聊天任务中，直接调用各种软件的“小程序”来完成任务。例如使用Booking.com或Expedia来完成行程规划，使用Figma来创作网页或app的前端原型，使用Canva来制作海报，使用Zillow来查找各地的房产信息，等等。人类世界的软件工具使用及其基础上的商业化开发，是GPT接下来最重要的升级方向，即我们所说的“工匠智能”。这对传统软件来说，既可能是新流量的来源，也可能是被竞争对手或初创企业弯道超车的威胁；而对ChatGPT来说，则是搭建与安卓和IOS一样的操作系统，沉淀用户数据和粘性，不断提升收入的必经之路。这是我们去年10月份在《想象一个Agent的世界》一文中所描绘的世界。从此开始，一边是传统软件使用AI模型的API进行自我改造，一边是AI模型调用软件SDK来协同完成任务，既是双向奔赴，也是相互竞争，两者会让软件的世界出现天翻地覆的变化。

这大概就是OpenAI的底气所在。在此背景下，本月OpenAI上演了一出“合纵连横”的精彩大戏——这是一场关于AI算力的世纪豪赌，或许是一个超级巨头崛起的故事，也可能最后是曲终人散，杯盘狼藉。

我们需要用发展的眼光来审视这出大戏背后，所隐含的时代机会和风险；不能盲目乐观，无视风险，也不能裹足不前，错失机遇。

二、AI算力的世纪豪赌

在过往3个月的时间里，OpenAI接连与甲骨文、软银和Coweave三家公司签订了合作协议：这些新云将为OpenAI筹资搭建数据中心，OpenAI承诺采购其算力，以服务自己日渐庞大的用户群体，和高速增长的推理消耗量。这是OpenAI年初提出的“星际之门”计划的落地内容，其中甲骨文将承建5.5GW的数据中心，软银负责提供1.5GW，而Coreweave目前的合同将负责约1GW的建设工作。

与此同时，OpenAI还拉上英伟达和AMD，确保算力芯片的源头直采和稳定供货。这意味着OpenAI的星门计划，将绕过传统服务器ODM组装厂，以及三大传统云服务商，没有中间商赚差价，大大压低模型的算力成本。在获得两大芯片龙头的供货承诺的同时，OpenAI还在协议中得到了两大巨头的资金和股份支持：英伟达承诺OpenAI每采购1GW的芯片，向OpenAI投资100亿美元，上限1000亿美元，相当于用利润换股权（1GW数据中心的芯片利润大约100亿）；AMD则承诺OpenAI每采购1GW芯片，免费送出1%的AMD股份期权，并以AMD股价为解锁条件。

自此，一个世纪联盟诞生了，这一5000亿美元10GW的世纪赌注，紧紧地挂在GhatGPT的收入增速之上。

在这个联盟中，每家公司都有自己的小算盘。

对于OpenAI来说，可以将其业务扩展的财务压力和风险进行转移，通过多方联盟快速建设算力基建，推进研发速度，快速抢占市场份额，最后累积用户个性化数据以及工具使用经验，形成飞轮与粘性，抬高竞争壁垒。

对于英伟达来说，好处就更多了：首先，与模型厂的直接合作，绕过中间商（服务器ODM厂与云厂商）直达客户，将算力的成本直接压低到与Asic相差15%（Cantor测算），极大提升了竞争力。其次，通过投资拉拢OpenAI与XAI这北美模型三巨头中的两个，与谷歌模型与TPU的垂直体系相抗衡。同时也获得巨大的潜在财务回报。再者，通过扶持新云与旧云竞争，保持自己通用GPU的生态地位。最后，协议的安排并不会影响现金流量表，挣100亿投100亿，但在损益表上却是实实在在的新增收入利润。

对于AMD来说，看着大哥纵横捭阖，自己也必须争取市场份额，于是选择给OpenAI免费送股份，前提是OpenAI的联盟必须带上他，并且帮他推高股价。

而对于新云厂商来说，通过与OpenAI合作，直接锁定当前全球最大的算力需求，并由两大算力芯片龙头保证芯片产能供给，业务收入增长驶入了快车道。

这个联盟描绘了一个共同做大做强的美好愿景，但也存在着许多的风险点，不得不察。

首先，最大的风险就在于，这个看似永动机的联盟，所成立的前提完全依赖于ChatGPT收入持续高速地增长。否则一切承诺都是一纸空文，数据中心可能过度建设，算力的增长也会因此停滞。

其次，数据中心的折旧周期只有4～6年，很快会成为时代的淘汰品。这就要求OpenAI不仅要增长，而且要和时间赛跑。一旦速度稍微慢下来，或者发展进度延迟，已建成的数据中心算力芯片利用率下降，联盟中新云厂商的财务状况就会面临巨大挑战，动摇联盟的稳定性。

再者，该联盟与传统云厂投建数据中心的模式最大的不同，就是缺钱。传统云企有互联网业务的现金流支撑，至今可持续性和融资质量都相当不错。但自从微软退出了星际之门计划，OpenAI所依赖的新云的融资能力就有点捉襟见肘了。以最大的Oracle为例，其财报上每年200亿经营性现金流和资产端100亿的现金，看着虽然不错，但同时1000亿的有息负债和86%的总负债率，要继续为星门计划去扩张报表，就显得过于勉强了。更重要的是，这种过度的杠杆，是搭建在快速折旧的固定资产之上的，同时还要在快速变化的科技行业里，完全依赖于某一个巨头的持续高速发展。这种情景就像一场特殊的F1比赛：赛车手要举着100公斤的巨鼎，站在一辆由人工智能操控的跑车的车顶，在赛车道上狂奔向终点。稍有不慎，车毁人亡。而新云的这种“托管模式”，与传统云业务相比，似乎利润率又并不可观。这场赛事对于新云厂商并不公平友好，风险留给车手，奖励的大头却给了人工智能的厂商。

最后，这个联盟的每个成员，在各自负责的战线上，都要面对共同的劲敌——谷歌：OpenAI最大的敌人来自Gemini，英伟达和AMD的最大敌人来自Asic之王TPU，新云最希望超越的是北美排名第三但增速最快的谷歌云。以拼凑的“联盟”去进攻垂直一体化的“帝国”，我们在军事史上屡见不鲜，其结果多半堪忧。

这场世纪豪赌，结局如何？或许真被OpenAI闯出一片天地，成功跻身十万亿美元市值俱乐部，带着一众新云和芯片厂“鸡犬升天”；或许随着竞争加剧，OpenAI逐渐丧失领先优势，联盟中道奔殂，算力基础设施被挪为他用；又或许在过度乐观的估计下，超高的杠杆最终轰然倾覆，连同新兵老将一起被埋进了历史的废墟之中。

三、AI算力的泡沫论

但当我们将视野继续放大，会发现OpenAI这5年5000亿美元10GW数据中心的宏图野心，与黄仁勋在二季度业绩会上所提出的“2030年每年全球3万亿-4万亿的数据中心投资”比起来，就显得小巫见大巫了。如果当前AI行业龙头所组建的联盟都存在如此大的风险，这的确会令人怀疑，黄仁勋所描绘的更大的宏图，岂不是个更大的泡沫？

这场AI盛宴似乎在比拼着人们想象力的极限。我们曾多次用“人均拥有算力”的概念，去比较当前AI算力供给（人均0.5Tops）与AI应用需求（例如一辆Robotaxi需要至少2000Tops以上的算力）之间的鸿沟，但当黄仁勋说这中间的差距可能高达“十亿”倍时，还是有些令人难以想象。黄仁勋在本月的采访中，提出另一个思考角度可供参考：如果一名员工年薪10万，公司若每年为他花2万购买AI产品，可以让他的工作能力提升2-3倍，那将是非常划算的事。而全球100万亿的GDP，其中大概有50万亿是薪酬，如果劳动效率都能被AI赋能，每年多花20%的成本也划得过来。这相当于每年10万亿美元的Token智能开支，按50%的毛利算就是5万亿的成本，其中数据中心折旧大约占7成多，所以每年的数据中心折旧更新成本，大约就是4万亿美元。

但现实中，每年4万亿美元的投资，需要非常多的条件来支撑每年高达100GW的数据中心建设。100GW是什么概念？相当于整个英国的发电装机容量，可供2.2亿户家庭用电，以及每年100座大型核电站的落地；同时也对冷却用水，储能调峰，输配电都提出了各种极端要求。同时，假设到2030年全球GDP增长到接近140万亿美元（大概年增速加速到近5%），相当于每年数据中心投资总额占到全球GDP将近3%，这基本上与当年铁路投资巅峰时期占GDP高达4%的经济压力相当。因此担忧的人，确实可以列举出许许多多未来的限制因素。

算力泡沫的辩论，注定会横穿整个AI时代发展的大周期。未来4万亿的AI基础设施投资是不是泡沫，现在讨论似乎没有太大意义。但与之相比，当下的算力建设程度，就显然是“风起于青萍之末”。同时，在此轰轰烈烈的大周期展开的过程中，我们也要分清此轮AI算力基建周期，与过去其他技术基建周期所不同的特征。

首先，我们要注意到一点：数据中心，尤其是算力芯片的折旧周期大约在4～6年，这与历史上各个时代的投资周期显著不同。历史上，无论是房地产行业、铁路运输行业还是互联网行业，其基础设施的投资折旧年限都长达30～50年。因此相比之下，算力芯片的投资更像是4年的期间费用，即Opex（Operational Expenditure）而非Capex（Capital Expenditure），相比“资产”属性更像是“消耗品”属性，需要更加持续地投入。

这就引发了两个推论：第一，相对于流动性极低的铁路光纤资产，流动性相对较强的算力芯片，更能应AI需求而弹性调整，可以“看菜下饭”；同时贬值也快，不易形成过剩产能。但也意味着已部署的算力中心，必须有持续的有效需求支撑，否则数据中心的破产速度会很快。第二，相对于折旧周期更长的非IT设备（电厂、冷却设施、储能调峰、厂房等折旧周期通常在10～40年），随着新一代算力芯片的效能提升，以及老一代产品的折旧报废，可以在原数据中心中更换芯片，提升整体AI算力的同时，降低非IT设施（如配电、用水、调峰等）的限制。

其次，很重要的另一点：数据中心的投资，所产生的云服务收入和盈利性都非常强，至少目前仍然如此，这对投资的持续性意义重大。这与历史上多个时代基础设施投资的公共属性显著不同，铁路和光纤的社会溢出效应很强，但本身的创收和盈利性都比较弱。在1872年铁路扩张的巅峰时期，铁路公司的资本开支约为铁路收入的2倍，铁路收入的增速大约22%，整体净利率从19世纪末相对的10%～15%，下降到20世纪初的3%～6%。而90年代的互联网泡沫中，电信公司的光纤投资巅峰时期也约为收入的2倍以上，而在互联网泡沫破灭之前，电信公司的增速仅约16%，全球平均运营商净利率在2000年约 6–8%。

相比之下，来自大型云厂商的数据中心的投资，不止提升云收入增速，还对其广告、软件、电商等业务的增收与降本产生了积极正贡献。25年2季度，三家云厂的资本支出总额占其云收入大约1.1倍，而占其总收入大约只有25%。云业务以及整体收入增速也在提速扩张期，谷歌和微软两家云增速已接近40%。在此高速投入期，云业务的利润率仍处于扩张期间，亚马逊的云业务运营利润率高达39%，谷歌云的利润率也逐季不断爬升至21%（微软云未单独披露）。

再者，这也引出了另一个重要的不同点：截至目前，由大型科技厂和主权国家主导的数据中心投资，其融资结构质量还相对健康，这与历史的各种资产泡沫高峰期形成显著区别。当年铁路投资高峰期，大约有一半是通过举债融资获得，其中不乏投机性散户。2008年的楼市泡沫也是如此，楼价是建立在次贷及其衍生的CDS身上。2000年电信公司也是堆积如山的债券。AI时代，至少目前来看，来自大企业的现金流以及各国政府的资金支持，还是会占据比较重要的比例。接下来可能会出现一些低质量资本，例如甲骨文、Coreweave等新云。例如高盛在报告中预计的，未来的数据中心资本开支，除了有一半来自大型云厂商自身的可持续现金流，还需要Private Credit这种低监管信用债券来提供近30%的融资，这将会大幅降低未来数据中心的融资质量。

总而言之，相信AI算力的潜在需求空间，要远远大于当前的供应量（好几个数量级）。未来一年4万亿的AI基建投资或许有泡沫，但我们可以根据其特性，在泡沫逐渐发展的过程中，再去清晰地观察和评判。

四、 拥抱当下

历史不会简单地重复，但都拥有相同的韵律。OpenAI的世纪豪赌，只是这场AI算力泡沫发展过程中的一个韵脚，无论结局如何，可能都改变不了历史车轮的方向。当前AI算力泡沫还处于早期阶段，估值适中，给经济和产业带来的压力仍在宽松范围，越来越多的AI应用以不断翻倍的收入增速在成长，融资的结构也还十分健康。在当前的发展阶段，我们没理由不选择积极拥抱。

繁荣的终点必定是泡沫，市场噪声也永远会不绝于耳，股价的波动才是常态，但投资不能因噎废食。在充分理解风险的同时，要有选择性地承担和承受，这也是长期价值投资的困难之处，也是其魅力所在。

风险提示及免责声明：市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。