AI 算力繁榮 可能是一場由兩家公司撐起的幻象

海外科技評論作者 Ed Zitron 近日提出一個尖銳判斷：當前 AI 算力經濟可能並不是由廣泛而健康的市場需求支撐，而是高度依賴 OpenAI 與 Anthropic 兩家公司。雲服務商投資 AI 公司，AI 公司再把資金用於購買雲服務和算力，形成一種循環式增長敘事。

這個觀點未必代表全部事實，卻提醒我們：判斷 AI 熱潮是否可持續，不能只看融資額和數據中心建設規模，更要看真實客戶、現金流質量和最終需求。

導語

過去兩年，AI 行業最顯眼的增長故事，不只是大模型能力的躍遷，還有圍繞 GPU、雲服務和數據中心展開的資本開支狂潮。Microsoft、Amazon、Google、Oracle 等巨頭持續加碼 AI 基礎設施，NVIDIA 則成為這輪周期中最耀眼的受益者。

但一個更尖銳的問題正在浮現：這些新建的數據中心，最終到底由誰來使用？如果真正的大客戶主要只有 OpenAI 和 Anthropic，那麼所謂 AI 算力繁榮，是否只是被少數公司、少數雲廠商和少數資本交易共同撐起的循環敘事？

美國科技評論作者 Ed Zitron 在文章《Premium: AI’s Circular Psychosis》中給出了一個非常激進但值得討論的判斷：AI 經濟正在形成一種“循環性妄想”。在這個循環裡，雲巨頭投資 AI 公司，AI 公司再把錢支付給雲巨頭購買算力；雲巨頭由此確認未來收入，又繼續擴建數據中心和購買 GPU。看起來每一環都在增長，但如果最終需求並不充分，這套機制就可能變得異常脆弱。

一、所謂 AI 算力繁榮，可能高度依賴兩家公司

Zitron 的核心判斷並不複雜：整個 AI 經濟的相當大一部分，實際上壓在 OpenAI 和 Anthropic 身上。按照他的梳理，這兩家公司不僅佔用了 Amazon、Google 和 Microsoft 的大量 AI 算力容量，也貢獻了這些公司相當比例的 AI 收入；更關鍵的是，它們還可能佔到這些雲服務商未來收入積壓訂單的很大部分。

這意味著，市場看到的並不只是“雲計算需求增長”，而可能是一種高度集中的客戶結構：雲廠商的 AI 訂單來自 AI 公司，AI 公司的支付能力又來自融資與雲廠商投資。換句話說，資金並不是簡單地從終端客戶流向模型公司，再流向雲廠商；它在相當程度上是在投資者、雲服務商和 AI 公司之間循環。

這種結構並非一定不可持續。早期科技產業經常依靠融資換增長，雲計算、电動車、共享出行都曾經歷類似階段。問題在於，AI 基礎設施的投入規模過於龐大，而目前真正能夠持續消耗大規模 GPU 算力的公司，似乎並沒有市場想像中那麼多。

圖中顯示，OpenAI 與 Anthropic 對 Microsoft、Oracle、Google 和 Amazon 的支出承諾，在這些雲服務商收入積壓訂單中佔據相當高比例。粉色代表 OpenAI 支出承諾，橙色代表 Anthropic 支出承諾，灰色代表其他收入積壓訂單。圖源：The Information，經 Where’s Your Ed At 引用；

如果上述測算成立，那麼一個值得警惕的結論是：雲巨頭所謂未來收入的一大部分，不只是依賴 AI 需求，而是依賴 OpenAI 和 Anthropic 能夠持續融資、持續擴張、持續支付巨額雲帳單。

二、Anthropic 與雲巨頭之間的“循環帳單”

Zitron 對 Anthropic 的批評尤其尖銳。他認為，Anthropic 的問題並不只是虧損，而是它與 Amazon、Google 之間形成了類似循環的資金關係：雲巨頭投資 Anthropic，Anthropic 再把錢用於購買雲服務和算力，雲巨頭由此獲得收入預期，並繼續擴大基礎設施投入。

從財務敘事上看，這似乎是雙贏。AI 公司獲得了訓練和推理所需的算力，雲廠商獲得了大客戶，資本市場獲得了增長故事。但如果 Anthropic 自身沒有足夠強的收入和利潤能力，那麼它支付雲帳單的能力，就很大程度上依賴外部融資。

這正是文章所說“循環性”的關鍵：一家雲廠商的未來收入，可能取決於它所投資的 AI 公司是否能繼續融資；而 AI 公司之所以能繼續講增長故事，又依賴雲廠商不斷提供算力、投資和折扣。帳面上看，這是一條高速增長鏈條；換個角度看，它也是一條相互依賴的風險鏈條。

對於中國讀者而言，這一點並不陌生。任何高投入產業在快速擴張期，都容易出現“先建基礎設施，再等待需求兌現”的邏輯。區別在於，AI 算力建設的單位成本極高，技術折舊極快，一旦真實需求不及預期，沉沒成本會非常沉重。

三、xAI 轉讓 Colossus-1：一個被忽視的需求信號

文章中另一個值得關注的案例，是 Anthropic 接手 SpaceX、xAI 和 Elon Musk 旗下 Colossus-1 數據中心的 300MW 容量。Musk 曾將 Colossus-1 稱為“世界上最強大的 AI 訓練系統”，並表示其建設目的在於訓練 Grok。但現在，這部分容量卻被轉給 Anthropic 使用。

Zitron 認為，這件事釋放了一個非常不尋常的信號：如果 xAI 這樣的大模型公司都不需要全部自建容量，那麼除 OpenAI 和 Anthropic 之外，市場上到底還有多少真正的大規模 GPU 買家？

這個問題很關鍵。過去一年，市場敘事往往默認“AI 算力永遠不夠用”。但“算力不夠用”需要有具體客戶支撐。誰在長期購買？誰有能力支付？誰的業務收入足以覆蓋推理和訓練成本？這些問題不能只用“未來需求”來回答。

Zitron 提到，Sightline Climate 統計顯示，目前有 15.2GW 容量正在建設中，並預計在 2027 年底前完工。若這些容量最終需要數千家公司以大規模租用 GPU 的方式消化，那麼市場需要證明：這些公司在哪裡，它們的商業模式是什麼，它們是否有足夠收入支付算力成本。

四、AI 初創公司的錢，最終流向哪裡？

這篇文章的另一個重要判斷是，AI 軟體收入與算力收入之間存在高度傳導關係。大量 AI 初創公司看似在獲得收入，但為了提供服務，它們需要調用 OpenAI 或 Anthropic 的模型，或者租用由雲服務商提供的 GPU 算力。結果是，初創公司的融資和收入，最終又流向少數基礎模型公司和雲基礎設施公司。

這種格局會造成兩個結果。第一，產業鏈收入越來越向頭部集中。第二，中下游應用公司即便收入增長，也可能很難形成健康利潤，因為模型調用和算力成本會持續吞噬現金流。

這也是為什麼，AI 應用層的繁榮不能簡單等同於產業整體繁榮。如果大量應用公司只是把融資轉化為 API 調用費，而自身缺乏定價權和利潤空間，那麼它們更像是基礎模型公司的渠道，而不是獨立、穩健的商業主體。

從媒體編輯視角看，這一點尤其值得國內 AI 創業者關注。國內大模型行業同樣面臨類似問題：應用層公司能否擺脫對底層模型和雲資源的高成本依賴，能否形成自己的數據、場景和客戶黏性，將決定它們是否只是“模型能力展示層”，還是能成為真正可持續的公司。

五、雲巨頭、GPU 廠商與新雲公司都被卷入同一個敘事

Zitron 進一步指出，OpenAI 和 Anthropic 的影響並不止於雲服務商。它們的算力需求還通過 NVIDIA、伺服器 ODM 廠商、新雲公司和數據中心開發商繼續向外擴散。只要市場相信 AI 算力需求會無限增長，GPU 銷售、伺服器訂單、數據中心建設和雲公司估值都能獲得支撐。

但這裡的核心仍然是需求質量。一個產業可以在短期內依靠資本開支製造繁榮，卻不能長期依靠資本開支取代真實需求。如果新雲公司的大客戶仍然主要來自 OpenAI、Anthropic、Meta，或者來自為這些公司提供間接服務的雲巨頭，那麼整個生態的客戶集中度就會非常高。

這並不意味著 AI 沒有價值，也不意味著大模型沒有長期需求。相反，AI 正在改變軟體、內容、搜尋、編程和企業服務。但資本市場定價的，往往不是“AI 有用”這個事實，而是“AI 是否足以支撐數千億美元級別的基礎設施擴張”。這兩者之間有巨大差別。

六、這篇文章激進，但它提出的問題不能回避

需要說明的是，Zitron 的文章立場非常鮮明，甚至帶有強烈批判色彩。他把當前 AI 算力經濟稱為“巨大的騙局、幻象和錯誤”。這樣的判斷顯然並非行業共識，也不應被直接當作定論。

但它提出的幾個問題，確實值得嚴肅討論。

對中國市場來說，更有價值的不是簡單判斷“AI 泡沫是否會破”，而是換一種方式觀察 AI 投資熱潮：不要只看模型參數、融資額、GPU 數量和數據中心規模，還要看最終客戶是誰、收入從哪裡來、成本由誰承擔、利潤能否閉環。

如果 AI 真正創造了足夠大的生產力提升，算力建設當然會被消化。但如果大部分增長來自幾家公司之間的資本、雲帳單和未來訂單循環，那麼這場繁榮的脆弱性就會比表面看起來更高。

結語：AI 的關鍵問題，從“有沒有需求”變成“需求質量如何”

AI 的長期價值並不必然等於當下所有 AI 基礎設施投資都合理。大模型可能繼續進步，AI 應用可能繼續擴散，企業也可能繼續提高自動化水平。但與此同時，資本開支、雲收入和 GPU 需求之間形成的循環關係，仍需要被更透明地審視。

這篇文章最有價值的地方，不在於它是否完全準確，而在於它提醒我們：AI 行業的真正風險，可能不是“沒有人用 AI”，而是“使用 AI 的收入不足以覆蓋建設 AI 的成本”。

當一個產業越來越依賴少數超級客戶、少數雲巨頭和持續融資來維持增長敘事時，投資者、創業者和觀察者都應該問同一個問題：這到底是新一輪技術基礎設施建設，還是一場由未來收入和循環支付撐起的資本幻象？