AI能回答价值3万亿美元的问题吗？

背景

三年前，红杉资本（Sequoia）合伙人 David Cahn 是最早对硅谷在 AI 基础设施上的巨额投入进行量化分析的人之一。彼时，英伟达（Nvidia）公布的年度 GPU 收入为 500 亿美元，Cahn 以此为基础，加上数据中心运营的隐含成本及运营商利润率，推算出需要 2000 亿美元的收入才能收回前期投资。他将这一数字视为挑战，呼吁创业者开发能充分利用这些基础设施并产生收入的 AI 产品和服务。如今，经过三年的超大规模扩张，Cahn 对 2026 年 AI 基础设施支出给出了新的数字：1.5 万亿美元。

核心内容

Cahn 计算得出，整个 AI 行业需要赚取 3 万亿美元才能证明所有芯片及其他数据中心支出的合理性——而且这很可能是一个低估数字。内存成本上升，以及特殊用途芯片或推理专用芯片的日益普及，都将推高这一数字。Cahn 写道：“最近，由于这些瓶颈动态和建设成本上升，每 GW 资本支出所需的收入急剧增加。”

在收入端，Anthropic 被认为已实现 600 亿美元的年化经常性收入（ARR），而 OpenAI 在 2025 年据报道赚了 130 亿美元（尽管其在 2025 年 11 月表示 ARR 已达 200 亿美元），并且今年预计收入更高。但显然，要弥合 3 万亿美元的收入缺口，仍有巨大差距。

关注这一差距的还有 Apollo 资产管理公司的首席经济学家 Torsten Slok。他在最近的一份报告中指出，超大规模云服务商——谷歌（Google）、Meta、微软（Microsoft）和亚马逊（Amazon）——都在预测 2028 年自由现金流将大幅加速增长，即他们预期能从已购买的所有芯片中获得回报。

但如果这些预期落空呢？Slok 指出了当前 AI 使用中的一个风险：越来越多的组织转向更便宜的开放权重模型（通常来自中国，而非前沿实验室构建的模型），整体 token 价格正在下降。据 OpenAI CEO Sam Altman 称，其最新模型在编码任务上的 token 效率提升了 54%。这对担心 AI 智能体成本的用户来说是好消息，但对于那些构建 token 工厂的公司而言，如果用户没有大幅增加整体 token 使用量，则可能不利。

Slok 担心，如果超大规模云服务商未能实现其现金流目标，市场反应可能很严重。他写道：“这么多筹码押在这么少数几家公司身上，回报放缓就不只是行业问题，而是可能使经济陷入衰退，并导致标普 500 指数出现回调。”

关键要点

• AI 基础设施投资巨大：Cahn 估计 2026 年 AI 基础设施支出将达 1.5 万亿美元，整个行业需要赚取 3 万亿美元才能收回成本，且该数字可能被低估。
• 收入端差距明显：Anthropic 和 OpenAI 的收入虽然增长迅速，但距离 3 万亿美元仍有巨大缺口。
• 超大规模云服务商的乐观预期：谷歌、Meta、微软和亚马逊预计 2028 年自由现金流将大幅加速，但这一预期面临风险。
• 风险因素：更多组织转向更便宜的开放权重模型（尤其是中国模型），token 价格下降，以及模型效率提升导致用户 token 使用量可能未同步增长。
• 潜在宏观影响：如果超大规模云服务商回报不及预期，可能引发市场剧烈反应，甚至导致经济衰退和股市修正。

意义与影响

这组分析揭示了 AI 行业当前面临的重大错配：供给侧（芯片、数据中心）投资规模空前，但需求侧（AI 应用、服务收入）尚未能匹配。Cahn 的 3 万亿美元数字不仅是一个财务挑战，更是一个信号——AI 基础设施的投入已远超当前可见的商业模式所能支撑的范围。如果超大规模云服务商无法在 2028 年前实现预期的自由现金流，市场可能对这些公司的估值进行重新定价，进而波及整个科技板块乃至宏观经济。

另一方面，token 价格下降和模型效率提升虽是用户之福，却可能削弱基础设施投资回报的逻辑。若用户并未因成本降低而大幅增加 token 消耗总量，那么“token 工厂”的盈利能力将面临压力。Altman 提到的 54% 效率提升，本质上是在用更少的计算资源完成同样的任务，这对英伟达等硬件供应商的长期需求构成潜在威胁。

Slok 的警告尤其值得警惕：当前 AI 投资高度集中于少数几家巨头（“so much riding on so few names”），一旦回报延迟，可能触发系统性风险。这不仅是行业问题，更可能成为宏观经济的隐患。对于投资者、创业者以及政策制定者而言，这一分析提醒我们，在追逐 AI 热潮的同时，必须正视其背后的经济账——3 万亿美元的收入目标，远非几个明星公司的高增长所能覆盖。