AITurbo

專注AI技術前沿 | 企業應用 | 行業洞察

為人工智能創新提供專業內容支持

點擊關注，獲取更多資訊

I. 引言：一種新經濟結構的浮現

當前的人工智能（AI）熱潮不僅是一場技術革命，更是一種以史無前例的資本支出軍備競賽為特徵的金融現象。全球數據中心的資本支出在2024年已超過4000億美元，預計到2028年將衝擊9000億美元大關；而僅谷歌、Meta、微軟和亞馬遜等科技巨頭在一年內的相關支出就接近4000億美元。這一驚人的數字揭示了AI領域正在形成的獨特經濟結構，即所謂的"AI閉環經濟"。

4000億+

2024年數據中心支出(美元)

9000億

2028年預計支出(美元)

4000億

四大巨頭年支出(美元)

"AI閉環經濟"並非傳統的市場經濟，而是一個高度相互依賴、資本與承諾循環流動的體系。其核心機制表現為：AI模型研發公司（如OpenAI）獲得鉅額孖展，隨即以數百億甚至數千億美元的長期合同，將這筆資金承諾給基礎設施供應商（如甲骨文、英偉達）；而這些供應商本身，有時也正是AI公司的投資者。這種模式創造了一個自我強化的循環，以前所未有的速度推動着基礎設施的部署。

️ 核心論點

儘管AI閉環是加速技術進步的強大引擎，但其固有的金融不透明性、極端的集中度風險，以及對"AI需求將實現永續指數級增長"這一脆弱假設的依賴，正對整個科技生態系統構成重大的系統性風險。

II. AI閉環的解剖學：算力換資本的運作機制

主要機制：相互依賴與資本循環

AI閉環的交易流程，其核心是孖展與採購的深度綁定。一個典型的案例是埃隆·馬斯克旗下xAI公司高達200億美元的孖展計劃，該計劃在設計之初就明確將用於採購英偉達的GPU，而英偉達本身也作為股權投資者參與其中。這種結構確保了資本注入後能迅速轉化為對上游供應商的採購訂單，形成資本的快速循環。

金融工程手段：通過設立特殊目的實體（SPV）來購買硬件，再由AI初創公司向SPV租賃這些設備。這種設計讓初創公司避免了在資產負債表上直接揹負鉅額債務，但也掩蓋了根本性的市場風險。

️ 戰略投資作為競爭護城河

從供應商的角度，尤其是市場領導者英偉達的視角來看，這種閉環結構是其構建商業護城河的關鍵戰略。通過向xAI、OpenAI、CoreWeave乃至競爭對手英特爾等客戶投入數十億甚至上百億美元，英偉達的角色早已超越了單純的硬件供應商。它搖身一變成為生態系統的塑造者和戰略合作伙伴。

英偉達投資策略的多重收益：

鎖定未來數年甚至數十年的芯片需求

加速整個AI生態系統在其技術平臺上的發展

️ 構建強大的商業"閉環"，使競爭對手難以滲透

剩餘履約義務（RPO）的角色：一個雙刃劍式的財務指標

在評估AI閉環的財務健康狀況時，剩餘履約義務（RPO）是一個至關重要的指標。RPO指已簽約但尚未交付產品或服務的合同金額，它反映了公司未來可預見的收入。在AI閉環中，這一指標被急劇放大。摩根士丹利的一份分析報告估計，僅OpenAI一家公司的合同，就為微軟、甲骨文和CoreWeave等供應商貢獻了超過3300億美元的RPO。

️ RPO風險警示

3300億+

OpenAI為供應商貢獻的RPO(美元)

️ RPO的雙刃劍效應：

表面：為供應商未來收入提供法律保障

隱患：巨大的、高度集中的信用風險

關鍵：完全依賴於少數幾家仍處於嚴重虧損狀態的AI公司

III. 摩根士丹利的紅旗警示：一個建立在永不褪色需求之上的體系

核心警示：一場對未來的槓桿式豪賭

摩根士丹利在其報告中發出了一個核心警示，直指AI閉環的阿喀琉斯之踵："這些長期的、鉅額的資本支出承諾，完全押注於AI需求的持續性；一旦需求放緩，將面臨巨大風險"。這一論斷將整個閉環結構的本質定義為一場巨大的、高度槓桿化的賭博，賭注就是單一變量——AI需求的永久性增長。

️ 內在脆弱性

AI公司簽訂了不可撤銷的、長達數年的、價值數千億美元的算力採購合同，基於對其服務極為激進的增長預測。如果終端用戶接納速度放緩，仍需按合同支付鉅額基礎設施費用。10%的收入缺口可能引發災難性的現金流危機。

人為誇大需求的風險

報告進一步深入探討了閉環的"循環性"可能導致需求被"人為誇大"的風險。分析指出，來自供應商的財務支持，可能使客戶獲得了"超越其自身現金流所能支撐的購買力"。這就形成了一個危險的反饋循環：供應端的鉅額投資通過孖展創造了其自身的需求，使得外部觀察者難以辨別市場的真實、有機規模。

牛鞭效應：在AI閉環中，由於長期且僵化的採購合同，終端應用層需求的微小波動，可能會被放大為基礎設施層劇烈的財務衝擊。一旦需求增長不及預期，可能引發整個生態系統的連鎖反應。

️ 不透明與信息披露不足的危險

信息不對稱是摩根士丹利指出的另一個嚴重問題。該行警告稱，"不透明的循環結構"和"相關信息披露的嚴重缺乏"，使得投資者幾乎不可能準確評估AI領域的真實風險與回報。

信息披露不足的關鍵問題：

單一AI交易未達到"重大性"披露門檻

累積效應對公司估值產生深遠影響

AI相關風險敞口、客戶集中度等關鍵信息缺失

️ 投資者如同在迷霧中航行，無法看清潛藏的冰山

IV. 案例研究：OpenAI的萬億美元賭局

OpenAI作為本輪AI浪潮的引領者，其運營策略是AI閉環模式最極致的體現。該公司通過一系列規模空前的交易，將其命運與整個基礎設施供應鏈深度捆綁，進行着一場Sam Altman本人所稱的"公司級別的戰略豪賭"和"一生一次的機會"。

️ 承諾版圖：構建算力帝國

為了支撐其對通用人工智能（AGI）的追求和日益增長的用戶需求，OpenAI構建了一個龐大的基礎設施合作網絡。總承諾金額接近萬億美元級別，遠超任何一家初創公司乃至成熟科技企業的歷史記錄。合作形式多樣，不僅是簡單的採購，還包括了戰略投資、股權置換和聯合開發，形成了深度綁定的利益共同體。

OpenAI基礎設施承諾規模

~1萬億

美元級別

與微軟的共生關係：從客戶到共同所有者

微軟與OpenAI的合作關係重組，是AI閉環模式演化的一個標誌性事件。雙方從最初的微軟提供算力、OpenAI支付現金並分享約20%收入的客戶-供應商模式，轉變為一種更為深刻的股權共生關係。根據新的諒解備忘錄，微軟將獲得重組後OpenAI約三分之一的股權，作為交換，其收入分成比例將在2030年前降至約8%。

對OpenAI的意義：未來六年內能夠保留約500億美元的額外收入，這是支付天文數字算力成本、繼續進行前沿研發的"關鍵戰爭基金"。

對微軟的戰略價值：放棄可觀的短期現金流，換取在全球領先AI公司中獲得 foundational 的所有權地位，確保其在AI生態系統中的核心地位。

行走在財務鋼絲上

OpenAI的宏偉支出與其嚴峻的財務現實形成了鮮明對比。根據向股東披露的財務信息，該公司在2025年上半年實現了約43億美元的收入，但虧損高達135億美元，預計直到2029年才能實現盈利。這種巨大的財務缺口並非個例，而是行業普遍現象。據估計，大型科技公司在過去兩年投入超過5600億美元的資本支出，但僅創造了約350億美元的AI相關收入。

43億

OpenAI 2025H1收入(美元)

-135億

OpenAI 2025H1虧損(美元)

2029

預計盈利年份

️ 行業投入-產出錯配：

5600億

過去兩年資本支出(美元)

350億

AI相關收入創造(美元)

V. 系統性震顫：對AI生態系統的廣泛影響

AI閉環的運作模式所產生的漣漪效應，已遠遠超出了參與其中的幾家核心公司，正對整個AI生態系統乃至全球經濟金融體系產生深遠影響。

️ 基礎設施軍備競賽與市場集中

AI閉環所驅動的算力競賽，正迫使其他科技巨頭（如Meta、谷歌、亞馬遜）陷入一場防禦性的資本支出螺旋。其背後的邏輯是，如果不在基礎設施上進行同等級別的投入，就可能在基礎模型的能力上落後，從而在這場被認為是"贏家通喫"的競賽中被淘汰。

️ 市場集中風險：只有少數幾家擁有雄厚資本實力的超大型公司能夠承受每年數百億美元的持續投入。這不僅扼殺了中小型創新企業的生存空間，還可能導致整個AI技術棧的同質化。

看不見的成本：環境與資源穩定性

在對算力的狂熱追逐中，一個巨大的系統性風險被普遍忽視：環境的可持續性。當前AI的發展範式，正在與地球的物理和環境極限迎面相撞。

環境影響三大維度：

1050TWh

2026年數據中心耗電量

2L/kWh

水資源消耗比例

600kW

服務器機櫃功率密度目標

金融穩定與傳染風險

AI閉環的金融特性也引起了歐洲央行（ECB）、英格蘭銀行（FPC）等全球金融監管機構的警覺。它們識別出幾個可能威脅金融穩定的系統性風險。

集中的操作風險：全球金融體系正日益依賴於少數幾家AI服務提供商。核心節點的服務中斷、數據泄露或網絡攻擊，都可能引發系統性連鎖反應。

羊羣行為與相關性風險：金融機構廣泛採用相似AI模型進行決策，可能導致市場參與者採取越來越相關的頭寸，在市場承壓時放大沖擊。

模型風險與"黑箱"問題：先進AI模型的複雜性和不透明性，給模型驗證、可解釋性和問責制帶來了前所未有的挑戰，而這些恰恰是金融監管的基石。

VI. 駕馭AI投資悖論：一個旨在增強韌性的框架

面對AI閉環帶來的巨大機遇與潛在風險，投資者和產品經理正陷入一個"AI投資悖論"：如何在一個由脆弱金融結構支撐的領域中，抓住這一代際性的技術平臺機遇？

致技術投資者：一個演進版的盡職調查清單

傳統的AI盡職調查框架，側重於技術能力、團隊背景和市場規模，已不足以應對AI閉環帶來的新風險。投資者需要一個更深入、更具穿透力的評估工具，以識別那些被複雜交易結構和樂觀敘事所掩蓋的脆弱性。

AI閉環時代投資盡職調查框架要點：

商業模式內在健康度和可持續性評估

複雜交易結構背後的真實風險分析

超越技術本身，審視長期盈利能力

️ 識別被樂觀敘事掩蓋的系統性脆弱性

️ 致AI產品經理：為可持續價值而構建

對於身處其中的AI產品經理而言，戰略的重心也需要相應調整，從單純追求模型能力的"更高、更快、更強"，轉向構建更具韌性和經濟可行性的產品。

關注可防禦的收入：巨大的現金消耗要求團隊對產品與市場的契合度進行無情的審視，並優先創造近期、可防禦的收入流。盈利路徑必須是戰略的核心組成部分。

將效率作為核心產品特性：在計算成本持續飆升的世界裏，模型的效率（更小、更快、運行成本更低的模型）是決定產品單位經濟學是否成立、商業模式能否持續的關鍵競爭優勢。

供應鏈的風險規避：產品和工程路線圖必須將基礎設施的多元化作為戰略要務。探索使用多家雲服務商、評估替代硬件方案，減輕供應商高度集中帶來的系統性風險。

結論：從金融閉環到真正的循環經濟

本報告解構的AI"閉環經濟"，實際上是一個建立在脆弱假設之上的高風險金融閉環。它通過資本的內部循環，以前所未有的速度推動了算力基礎設施的建設，但也同時累積了巨大的財務、市場和環境風險。

然而，具有諷刺意味的是，AI技術本身恰恰是解決這些系統性挑戰、構建一個真正可持續經濟模式的關鍵。AI技術能夠通過優化複雜的供應鏈、在產品設計階段就消除浪費、管理高效的回收和再利用系統，從而幫助人類社會從"獲取-製造-丟棄"的線性模式，轉向一個資源可以被持續循環利用的再生模式。

最終願景

AI革命的最終成功，將取決於行業領導者和投資者能否引導這項強大的技術，從當前這條不可持續的金融和環境軌道，轉向一個用技術解決而非加劇系統性挑戰的未來。這不僅是一項商業上的挑戰，更是一項關乎我們共同未來的文明使命。

覺得內容有價值？

點個讚

在看

轉發

您的支持是我們持續創作的動力

讓更多人看到有價值的內容