科技巨头狂掷7000亿美元建算力英伟达兜底信贷防范折旧危机

涌现EmergenceHK

AI基建本质是对硅基脑力劳动的工业化投资，其非线性回报与赢家通吃格局迫使巨头明知硬件折旧悬殊仍必须全力跟注。

AI-assisted summary of AI基建潮，没人敢掉队？ — original source. Check the original for full context.

Source published: 2026-07-26

Key ideas

本轮 AI 投资占 GDP 比重约为 0.8% 至 2.0%，年 CapEx 狂奔向 7,000 亿美元，但融资主要依赖现金流充沛的科技巨头自有股本与合规负债，金融结构比历史上的铁路和电信泡沫更健康。 (0:00)
AI 基建面临的核心矛盾在于资产折旧剪刀差：占数据中心成本超 50% 的 GPU 有效寿命仅 3-5 年，而当前终端 AI 年收入仅约 1,000 亿美元，收入能否在硬件折旧完成前呈指数级爆发是关键悬念。 (0:00)
英伟达在算力生态中扮演“AI 中央银行”，通过为 CoreWeave 等新型算力云提供闲置算力兜底回购担保，打通商业银行贷款堵点，促成巨额 GPU 采购闭环。 (3:15)
AI 投资本质上是在“对脑力劳动进行工业化与规模化”，其价值逻辑不能套用通行费线性的“修公路模型”，而应理解为前期持续高额贴费、突破临界点后迎来非线性万倍回报的“养天才模型”。 (5:43)
头部科技大厂深陷下注 3,000 亿美元以博弈 3 万亿美元垄断市场的“修仙军备竞赛”；同时各大前沿模型已展现出鲜明的“性格基因”，打破了 Token 纯同质化电力的论调。 (8:34)

Detailed notes

## Background 该视频由 YouTube 频道「涌现EmergenceHK」于 2026 年 7 月 26 日发布。节目简介指出，本期对谈围绕当前 AI 基建浪潮展开，横向对比铁路、电力与互联网等历史基建热潮，深入剖析 AI 投资规模、融资架构与算力资产折旧周期，并探讨科技巨头明知潜在风险却为何必须持续押注下场。

## TL;DR 对谈首先将本轮 AI 浪潮与历史基建泡沫横向对比，指出虽然全行业正冲向 7,000 亿美元资本开支，且有健康的巨头自有资金背书，但 GPU 仅 3 至 5 年的极短折旧周期与下游变现之间存在巨大的剪刀差风险。期间，英伟达通过信用担保扮演起打通银行借贷闭环的“AI 中央银行”，而买单底盘则依靠掌握天文数字现金流的传统科技寡头。对话强调，AI 并非通行费受限的“修公路模型”，而是对脑力劳动进行工业化的“养天才模型”，必须经历漫长且非线性的高额前期投入。面对“模型吞噬一切”的残酷军备竞赛，各大巨头如同修仙宗门般陷入无人敢下桌的幂律博弈，前沿模型也随之显现出严谨工科生、哲学家或产品经理等截然不同的性格特征。

## Atmosphere & style 整场对谈呈现出一种兼具宏大历史纵深与冷静商业理性的思辨氛围，节奏沉稳而充满洞见。对谈者在拆解硬核的折旧剪刀差与资产负债表时极具财务与产业专业度，而在抛出“修仙家族军备竞赛”、“给硅基天才交学费”以及各大模型拟人化“性格画像”等比喻时又极其生动精妙。听众在感受技术革命澎湃宏大叙事的同时，也能深切体会到硅谷巨头面对数千亿美元赌局时“明知有风险却谁也不敢掉队”的紧迫感与宿命张力。

## Bulletin - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) 本轮 AI 投资占 GDP 比重约为 0.8% 至 2.0%，年 CapEx 狂奔向 7,000 亿美元，但融资主要依赖现金流充沛的科技巨头自有股本与合规负债，金融结构比历史上的铁路和电信泡沫更健康。 - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) AI 基建面临的核心矛盾在于资产折旧剪刀差：占数据中心成本超 50% 的 GPU 有效寿命仅 3-5 年，而当前终端 AI 年收入仅约 1,000 亿美元，收入能否在硬件折旧完成前呈指数级爆发是关键悬念。 - [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) 英伟达在算力生态中扮演“AI 中央银行”，通过为 CoreWeave 等新型算力云提供闲置算力兜底回购担保，打通商业银行贷款堵点，促成巨额 GPU 采购闭环。 - [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) AI 投资本质上是在“对脑力劳动进行工业化与规模化”，其价值逻辑不能套用通行费线性的“修公路模型”，而应理解为前期持续高额贴费、突破临界点后迎来非线性万倍回报的“养天才模型”。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 头部科技大厂深陷下注 3,000 亿美元以博弈 3 万亿美元垄断市场的“修仙军备竞赛”；同时各大前沿模型已展现出鲜明的“性格基因”，打破了 Token 纯同质化电力的论调。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) AI 基建热潮与铁路、电力和电信泡沫同属划时代“真创新”，当前投资规模已达到或超越早期电气化与电信基建水平。 - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) 不同于历史泡沫充斥垃圾债券与金融欺诈，当下 AI 投资主要由全球现金流与盈利能力最强的科技巨头自有资金买单，系统性金融风险更可控。 - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) 算力资产呈现严重的“长短周期错配”：土建及电网寿命长达数十年，而核心 GPU 资产寿命仅 3-5 年，加速折旧带来的财务风险远高于传统基建。 - [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) 历史基建热潮具有残酷共性：早期参与者常陷入从市盈率到“市梦率”的亏损陷阱，最终吃到红利的往往是后期的实体经济与全社会。 - [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) 中小企业缺乏签署五年期算力长约的意愿与能力，导致新型算力云厂商在向传统商业银行申请抵押贷款时遭遇阻碍。 - [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) 黄仁勋以英伟达信用为算力闲置风险兜底，承担“最后买单人”角色，实质上充当了算力货币体系中的“AI 领域中央银行”。 - [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) 本轮 AI 投资呈现独特的“老钱护航”格局，PC 与移动互联网时代的既得利益巨头借由算力浪潮进一步巩固并跃迁其垄断资金池。 - [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) AI 基建的根本意义不是修建信息通道，而是人类历史上首次对“脑力劳动本身”进行大规模工业化复制与生产。 - [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) 未来线上自主运转的 AI Agent 硅基智力人口规模可能达到物理世界人类白领的 3 至 10 倍，释放出远超传统劳动力的宏观经济价值。 - [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) 用原子世界的“修公路模型”看待比特世界的 AI 算力是严重认知错位，AI 前期巨大的亏损期属于硅基天才在博士毕业前的“非线性学费”。 - [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) AI 赛道整体不存在泡沫，只有在技术与商业化竞争中掉队、跑输的个体公司存在严重泡沫。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 大模型颠覆了“数字复制成本为零”的传统软件规律，巨头若不亲自下场训练顶尖模型，就注定在未来的生态中沦为低利润打工人。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 科技巨头深陷极端非对称博弈：全力跟注可能赢者通吃获取 3 万亿美元市场，而观望放弃则可能面临自身 3,000 亿美元业务缩水至 300 亿美元的覆灭风险。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 算力生成的 Token 并非同质化的标准化电力，不同团队的底层基因与取舍赋予了各大模型不可替代的鲜明性格特征。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 各主流模型性格分野显著：Claude 偏严谨克制的工科纠错，ChatGPT 偏发散温和的哲学气质，DeepSeek 强调直击痛点的工程攻坚，豆包主打情绪价值拉满的下沉洞察。 - [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) DeepMind 等前沿实验室在白热化商战中被迫从纯粹的“AI for Science”宏大科学理想转向大模型工程化落地与商业竞逐。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) AI基建与历史泡沫之辨：资本开支、融资结构与折旧焦虑

这一轮人工智能（AI）基建狂潮，常常被行业内外拿来与历史上的三大基建热潮进行横向对比：19世纪的铁路热潮、20世纪初的电力与电气化普及，以及千禧年前夕的互联网/电信泡沫。与纯粹击鼓传花式的“郁金香泡沫”不同，对谈者首先达成共识：这几次基建狂热全都是建立在“真创新”与划时代技术之上的建设周期。从投资占 GDP 的体量来看，目前 AI 领域的投资规模大约占 GDP 的 0.8% 至 2.0% 之间，尽管显著低于当年铁路投资在峰值时期的比例，但与早期的电气化和电信基建相比，这一数字已经相当惊人。然而，铁路仅仅是工业化进程中的一个交通网络环节，而 AI 所承载的则是整个全新工业化周期的算力与智力底座，因此不能简单地因为投入体量巨大就断定其泡沫化严重。

若从融资结构与金融演进史的角度审视，以往的基建浪潮伴随着极为荒蛮的金融投机——早期充斥着各类资金盘、仙股（Penny Stocks）、大量高风险垃圾债券以及层出不穷的金融丑闻。反观今天的 AI 浪潮，即便全行业年度资本开支（CapEx）正在向 7,000 亿美元的关口狂奔，市场却几乎看不到太多暗度陈仓的猫腻。当下的核心融资模式依然主要依靠大型科技巨头充沛的自有股本金，后续逐步增加的债务也属于相当正规、干净的资产负债表负债。从金融健康的维度而言，AI 基建相比历史前三次要温和、理性得多。

真正让所有从业者与投资机构神经紧绷的核心矛盾，在于极其特殊的“资产寿命与折旧周期”。传统数据中心中的电力设施、电网配套和土建厂房具有漫长的折旧期限，但占据数据中心总价值 50% 以上的核心资产——算力 GPU 与高带宽内存，其有效生命周期通常被评估在三到四年，至多五到六年。这便催生了巨大的剪刀差：当前下游终端 AI 应用带来的实际收入可能只有约 1,000 亿美元，而前端的基建 CapEx 却高达 7,000 亿美元。庞大的固定资产折旧如同倒计时钟摆，下游终端收入能否在硬件折旧殆尽之前实现指数级爆发，成为了决定此轮泡沫是否会爆裂的最大悬念。对于坐拥海量现金流的巨头而言尚可通过多元业务熨平周期，但对于诸如 CoreWeave 这类“新算力云”（New Cloud）创业公司而言，其潜在的泡沫化破裂风险则要大得多。

- **投资规模横向坐标**：AI 投资占 GDP 比重约为 0.8%~2.0%，低于历史铁路峰值，但已持平或超越电信与电气化早期。 - **资产折旧错配风险**：土建及电力基建折旧周期漫长，而占数据中心成本超 50% 的 GPU/算力资产寿命仅 3-5 年，年 1,000 亿美元收入追赶 7,000 亿美元 CapEx 成为核心焦虑。 - **历史泡沫破裂的共性**：早期参与者常误以为自己在做二级市场价值投资，殊不知"投的是市盈率，最终买单的却是市梦率"；无论是铁路大崩盘还是互联网电信破裂（当时光纤电信股市盈率高达 200 多倍并伴生财务造假），早期股东亏损惨重，最终享受到红利的往往是后期的货主、实体经济与全社会。

```mermaid flowchart TD accTitle: AI基建算力资产折旧与收入剪刀差 accDescr: 对比传统长周期基建与短寿命算力硬件在投资和折旧上的悬殊差距

subgraph Infrastructure["数据中心重资产 (长寿命)"] A["土建与厂房"] --- B["电力与供电设备"] B --> C["折旧周期：10-20+ 年 资产回收周期平缓安全"] end

subgraph Compute["算力核心资产 (短寿命剪刀差)"] D["GPU 算力集群与 HBM 内存 (占总成本超 50%)"] --> E["折旧周期：仅 3-5 年"] E --> F{"资本开支 vs 终端变现"} F -->|"年 CapEx 约 $7,000 亿"| G["巨额硬件折旧压力"] F -->|"当下终端收入仅约 $1,000 亿"| H["收入追赶折旧的时钟隐患"] end ```

[03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) “AI央行”黄仁勋与老钱护航：健康的债务还是隐蔽的兜底？

面对算力资产购置与银行信贷之间的错配，英伟达（NVIDIA）与其掌门人黄仁勋在融资生态中扮演起了一个微妙而关键的角色。传统大型云服务巨头（Hyperscalers）拥有极高信贷评级，银行极为认可其签署的长约合同；但作为 GPU 消耗大户的中小企业往往不愿、也无法签署长达五年的算力租赁合约。这导致诸如 CoreWeave 等专门提供 GPU 算力租赁的新型云厂商陷入尴尬：手里握有大量中小企业的零散订单，却因缺乏长期合约担保而无法向商业银行借贷采购足够的顶级 GPU。

为了打通这一阻塞的流通链条，英伟达直接出面扮演“最后的买单人”与担保兜底者。黄仁勋以英伟达的信用向新型云厂商提供信用担保：若下游中小企业租期到期不再续约、算力出现闲置无法还贷，英伟达将兜底承接并采购这些算力。这让中小算力云厂商得以顺利从银行借出巨额资金采购 GPU。这套闭环在业界被戏称为“AI 领域的中央银行”——英伟达不仅卖芯片，还亲自为算力货币的流通注入信用背书。

```mermaid flowchart LR accTitle: 英伟达“AI中央银行”信用兜底循环 accDescr: 展示英伟达如何通过背书担保帮助新型云厂商从银行借贷购买自身GPU

NV["英伟达 (NVIDIA) 'AI 中央银行'"] NC["新型算力云 (New Cloud) 如 CoreWeave 等"] Bank["商业银行体系"] SMB["中小企业 / 终端用户"]

SMB --"不愿签 5 年长约 仅签灵活短约"--> NC NV --"提供最后兜底保证 承接闲置算力"--> NC NC --"以背书获取抵押贷款"--> Bank Bank --"提供大额基建信贷"--> NC NC --"采购算力硬件回流资金"--> NV ```

这套融资机制之所以至今仍被视作良性运转，本质上得益于人类商业史上绝无仅有的一大奇观：本轮 AI 基建的买单主力，是“人类历史上现金最多、盈利能力最强的一群超级巨头”。对比以往新兴科技革命往往由野蛮生长的新贵与高杠杆冒险家推动，这一轮浪潮呈现出浓厚的“老树开新花”色彩。检视全球富豪榜前十名的位次流变，除极少数传统实体经济大亨外，榜单几乎完全被统治了 PC 与移动互联网时代的同一拨老巨头所把持。马斯克（Elon Musk）、拉里·佩奇（Larry Page）等老一代科技统治者借由 AI 浪潮，不仅没有被颠覆，反而让个人与企业的资金池跃迁到了全新的天文数字级别。这是一场由掌握全球最庞大现金流与垄断利润的超级帝国全额资助的科技跃迁。

[05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) 硅基脑力劳动的工业化：养天才的非线性回报

对谈嘉宾蒋总从生产力本质切入，指出了本轮 AI 投资与以往修路、通电、铺光纤的根本差异：以往基建构建的是物质流转与信息传递的“通道价值”，而这一次 AI 基础设施是在对“脑力劳动本身进行历史上第一次工业化和规模化”。如果将算力底座比作生产工具，它并非简单的办公软件，而是在直接生产“硅基脑力劳动的劳动力人口”。在未来设想中，如果全球物理世界有 10 亿白领，线上很可能会部署 100 亿个自主运转的 AI Agent 扮演劳动角色，其创造的宏观经济价值将彻底超越传统人类劳动力总和的数倍乃至数十倍。

对于当下金融界（尤其是部分从传统固定资产、房地产等赛道转行看科技的对冲基金投资人）对 AI 估值的困惑，对话指出了底层思维模型的错位：很多人依然在用“修公路模型”来套用 AI 算力中心——认为双向四车道的路修好后只能通过固定数量的车辆，收入注定是线性的、可见的。然而，AI 基建本质上是一个“养天才的非线性比特模型”。

> “就好像养一个天才，这个天才你供他读书，小学读到中学，然后读到研究生，到 Stanford 去读计算机一直供到他读博士。那你前面 25 年可能全是在掏钱，然后现在可能他刚刚读到 12 岁 13 岁，然后你就说他现在挣钱太少了。但他真正等到 Stanford 博士毕业，突然间一下子进到做大模型的公司，一年就能挣几百万美金。养天才的回报是非线性的。”

AI 基建前期看似庞大到不合理的资金投入，实际上全是在支付这个“硅基天才”长达数年的高昂受教育学费。在技术真正跨过顿悟临界点之前，账面产出极不成比例；而一旦完成质变，其商业价值将以爆发式、非线性的方式回流。因此，“AI 本身绝无泡沫，只有部分跑输的公司存在泡沫”。

- **脑力劳动工业化**：算力加模型构筑了新型劳动力底座，未来硅基智力人口可能达到人类白领的 3 至 10 倍。 - **与 PC 时代的垄断差异**：PC 时代门槛低，Wintel（微软+英特尔）攫取核心利润但整机代工商极度分散；当下 AI 算力底座与前沿大模型则由极少数寡头高度垄断。 - **投资思维模型对撞**： - *修公路模型*（原子思维）：资本回报受物理承载量约束，呈现缓慢线性的通行费回报。 - *养天才模型*（比特思维）：前期经历漫长的高额亏损与净投入，突破临界点后爆发数千倍的非线性价值收益。

[08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 模型吞噬世界：修仙家族的军备竞赛与大模型的“性格基因”

在软件定义一切的时代，行业的金科玉律是“软件吞噬世界”且“数字复制成本为零”。然而大模型时代彻底重构了底层逻辑——不仅硬件算力的复制具有极高的硬性成本，而且形成了“模型吞噬一切”的残酷军备竞赛。任何传统大厂若不亲自下场训练顶尖模型，未来就注定沦为大模型生态下低价值的“打工人”。正如修仙玄幻小说中倾尽全族灵脉资源去培养一位绝顶天骄的“五大家族”一样，微软、Meta、谷歌等“科技 Mega 7”巨头没有一家胆敢在中途认输掉队。

这一场下注 3,000 亿美元的赌局充满了幂律分布的残酷性：最终能够在大模型金字塔顶端幸存下来的胜者，或许能够独享 3 万亿美元的通吃级回报；而不敢跟注下注的巨头，其原有的 3,000 亿业务版图可能会迅速萎缩为 300 亿。扎克伯格即便面临争议，其 Meta Superintelligence / 前沿团队依旧在不惜代价地疯狂砸钱扩军，整个硅谷处于一种“明知有风险但谁也不敢下桌”的高维博弈之中。

```mermaid flowchart TD accTitle: 大模型时代巨头博弈困境 accDescr: 展示巨头参与军备竞赛与不参与军备竞赛的极端风险收益对比

A{"巨头战略抉择"} -->|"全力跟注：下注 $3,000 亿"| B["进入修仙军备竞赛"] A -->|"退缩观望：放弃大模型"| C["沦为模型下游打工人 市值或从 $3,000 亿萎缩至 $300 亿"]

B -->|"赢家通吃 (头部极少数)"| D["获得 $30,000 亿颠覆性垄断回报"] B -->|"竞逐失败"| E["巨额 CapEx 打水漂"] ```

与此同时，技术生态正逐渐打破“算力 Token 就像同质化电力”的论调。引用杨植麟关于 Token 具有非同构性（Unfungible）的观点，对谈者指出，各个前沿大模型不仅无法轻易完全替代，更因训练数据、研发团队取舍与创始人基因的不同，展现出极其鲜明的“模型性格”：

- **Claude（Anthropic）**：犹如美国顶尖的工科高材生，行事极其严谨克制，动辄直截了当地向用户指出“我纠正你一下这个，纠正你一下那个”，偏好纠错与严密逻辑。 - **ChatGPT（OpenAI）**：带有更浓烈的哲学生气质，善于顺应用户的提问语境，擅长发散与委婉呼应。 - **DeepSeek**：创始人出身于幻方量化背景，骨子里流淌着纯粹的硬核竞赛与工程师攻坚文化，模型几乎不带多余的情绪废话，一心专注于直击要害地“解决实际问题”。 - **豆包（字节跳动）**：承袭了中国互联网顶尖产品经理对人性的精准洞察，深谙下沉用户心理，交互体验中把“情绪价值”直接拉满，提供极度舒适顺滑的心理抚慰。 - **Gemini 与 DeepMind**：创始人哈萨比斯（Demis Hassabis）等科学家最初的宏大野心在于“AI for Science”，但面对激烈的商战，DeepMind 被迫全面转轨为谷歌迎战大模型与工程 Coding 的主阵地，在科学理想与商业竞逐的摩擦中仍需经历一番激烈的自我蜕变。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=0s) 投的是市盈率，最终买单的却是市梦率

> [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) AI 领域的中央银行

> [03:15](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=195s) 人类历史上现金最多、盈利能力最强的一群超级巨头

> [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) 脑力劳动本身进行历史上第一次工业化和规模化 — 蒋总

> [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) 就好像养一个天才，这个天才你供他读书，小学读到中学，然后读到研究生，到 Stanford 去读计算机一直供到他读博士。那你前面 25 年可能全是在掏钱，然后现在可能他刚刚读到 12 岁 13 岁，然后你就说他现在挣钱太少了。但他真正等到 Stanford 博士毕业，突然间一下子进到做大模型的公司，一年就能挣几百万美金。养天才的回报是非线性的。 — 蒋总

> [05:43](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=343s) AI 本身绝无泡沫，只有部分跑输的公司存在泡沫

> [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 软件吞噬世界

> [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 模型吞噬一切

> [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) 我纠正你一下这个，纠正你一下那个

> [08:34](https://www.youtube.com/watch?v=Uo9UTKJedrs&t=514s) AI for Science — 德米斯·哈萨比斯 (Demis Hassabis)

## Mentioned 英伟达 (NVIDIA), 黄仁勋, CoreWeave, 埃隆·马斯克 (Elon Musk), 拉里·佩奇 (Larry Page), 蒋总, 微软 (Microsoft), Meta, 马克·扎克伯格 (Mark Zuckerberg), 谷歌 (Google), 杨植麟, Claude, Anthropic, ChatGPT, OpenAI, DeepSeek, 幻方量化, 豆包, 字节跳动, Gemini, DeepMind, 德米斯·哈萨比斯 (Demis Hassabis)

## Video description 这一轮AI基建潮，究竟是新工业革命的起点，还是另一场泡沫？本期对谈从铁路、电力和互联网基建热潮讲起，拆解AI投资规模、融资结构与算力资产寿命，讨论巨头为何明知风险仍必须持续押注。

[Source](https://www.youtube.com/watch?v=Uo9UTKJedrs)

中文简报

科技巨头狂掷7000亿美元建算力英伟达兜底信贷防范折旧危机 AI基建本质是对硅基脑力劳动的工业化投资，其非线性回报与赢家通吃格局迫使巨头明知硬件折旧悬殊仍必须全力跟注。对谈首先将本轮 AI 浪潮与历史基建泡沫横向对比，指出虽然全行业正冲向 7,000 亿美元资本开支，且有健康的巨头自有资金背书，但 GPU 仅 3 至 5 年的极短折旧周期与下游变现之间存在巨大的剪刀差风险。期间，英伟达通过信用担保扮演起打通银行借贷闭环的“AI 中央银行”，而买单底盘则依靠掌握天文数字现金流的传统科技寡头。对话强调，AI 并非通行费受限的“修公路模型”，而是对脑力劳动进行工业化的“养天才模型”，必须经历漫长且非线性的高额前期投入。面对“模型吞噬一切”的残酷军备竞赛，各大巨头如同修仙宗门般陷入无人敢下桌的幂律博弈，前沿模型也随之显现出严谨工科生、哲学家或产品经理等截然不同的性格特征。本轮 AI 投资占 GDP 比重约为 0.8% 至 2.0%，年 CapEx 狂奔向 7,000 亿美元，但融资主要依赖现金流充沛的科技巨头自有股本与合规负债，金融结构比历史上的铁路和电信泡沫更健康。 (0:00) AI 基建面临的核心矛盾在于资产折旧剪刀差：占数据中心成本超 50% 的 GPU 有效寿命仅 3-5 年，而当前终端 AI 年收入仅约 1,000 亿美元，收入能否在硬件折旧完成前呈指数级爆发是关键悬念。 (0:00) 英伟达在算力生态中扮演“AI 中央银行”，通过为 CoreWeave 等新型算力云提供闲置算力兜底回购担保，打通商业银行贷款堵点，促成巨额 GPU 采购闭环。 (3:15) AI 投资本质上是在“对脑力劳动进行工业化与规模化”，其价值逻辑不能套用通行费线性的“修公路模型”，而应理解为前期持续高额贴费、突破临界点后迎来非线性万倍回报的“养天才模型”。 (5:43) 头部科技大厂深陷下注 3,000 亿美元以博弈 3 万亿美元垄断市场的“修仙军备竞赛”；同时各大前沿模型已展现出鲜明的“性格基因”，打破了 Token 纯同质化电力的论调。 (8:34)

Reading summary

本期节目探讨了当前人工智能基础设施建设的底层逻辑与商业现实：尽管这一轮投资依托于现金流充沛的科技巨头与英伟达构建的信用闭环，但行业仍面临高昂硬件快速折旧与下游变现滞后的核心剪刀差；对谈者认为，AI正在开启脑力劳动的工业化进程，促使巨头深陷一场不可掉队的非线性军备竞赛。资本开支与硬件折旧周期的核心剪刀差 (0:00) 本轮AI基建投资占GDP比重约为0.8%至2.0%，年资本开支（CapEx）正迈向7,000亿美元，而当前下游终端年收入仅约1,000亿美元。对谈者指出，与历史上铁路、电力等早期泡沫相比，此次建设少见垃圾债券与虚假投机，资金主要来自成熟科技巨头的自有股本与合规负债。然而，占数据中心成本50%以上的GPU与高带宽内存有效寿命仅有3至5年，与长达数十年的土建和电力基建形成鲜明错配。下游应用能否在硬件折旧殆尽前实现收入的爆发式增长，是决定资产端是否会爆发泡沫危机的最大悬念。英伟达扮演“AI央行”与老钱护航机制 (3:15) 针对中小企业客户无法签订长期合约、导致新型算力云厂商难以向银行申请大额信贷采购硬件的困境，英伟达出面担任了信用兜底者。黄仁勋以英伟达的信誉向金融机构提供承诺：若终端客户违约或算力闲置，英伟达将兜底回购算力，从而让CoreWeave等算力云得以借贷扩张，形成被称为“AI中央银行”的闭环。对谈者强调，本轮科技革命主要由历史上盈利最强、现金储备最庞大的老牌巨头全额买单，但没有多元业务缓冲的新型算力云公司依然承担着相对脆弱的破裂风险。脑力劳动工业化与“养天才”非线性回报 (5:43) 嘉宾蒋总提出，AI基建并非以往修建通道式的物质或信息搬运网络，而是在历史上首次将“脑力劳动本身”进行工业化与规模化生产，未来线上部署的AI智能体劳动力规模或可达人类白领的数倍。对话指出，部分传统金融机构仍套用容量固定、线性收取通行费的“修公路模型”来审视AI算力，但这忽略了大模型的“比特属性”。AI研发更接近“养天才模型”——前期需要持续数年承担极高昂的受教育成本且产出极低，但技术一旦跨越质变临界点，其创造的经济价值将呈现爆发式的非线性回流。巨头生存博弈与大模型性格基因分化 (8:34) 在大模型时代，算力复制门槛极高，形成了“模型吞噬一切”的格局。对谈者指出，头部巨头面临残酷的博弈：下注数千亿美元虽有资产落空风险，但胜者可能夺取数万亿美元的通吃级回报，而弃赛者原有的业务版图将面临剧烈萎缩。此外，针对算力同质化的观点，对谈者援引杨植麟的论点表示Token具有非同构性。受训练取向与创始人基因影响，前沿模型已呈现鲜明性格：如Claude注重严谨纠错，ChatGPT擅长哲学生式的发散迎合，DeepSeek专注硬核工程解题，豆包主打情绪价值，而DeepMind则处于科学理想向工程商业化竞逐的蜕变阵痛中。总体而言，对谈者倾向于认为AI技术演进本身并无泡沫，但无法实现非线性跃迁的跟跑公司将承受巨大估值压力；随着头部寡头在军备竞赛中不断加码，这场由老牌科技帝国注资的脑力工业化浪潮，仍在等待下游终端商业化爆发来平衡高昂的硬件折旧时钟。

Source quotes

[0:00] 投的是市盈率，最终买单的却是市梦率 [3:15] AI 领域的中央银行 [3:15] 人类历史上现金最多、盈利能力最强的一群超级巨头 [5:43] 蒋总: 脑力劳动本身进行历史上第一次工业化和规模化 [5:43] 蒋总: 就好像养一个天才，这个天才你供他读书，小学读到中学，然后读到研究生，到 Stanford 去读计算机一直供到他读博士。那你前面 25 年可能全是在掏钱，然后现在可能他刚刚读到 12 岁 13 岁，然后你就说他现在挣钱太少了。但他真正等到 Stanford 博士毕业，突然间一下子进到做大模型的公司，一年就能挣几百万美金。养天才的回报是非线性的。 [5:43] AI 本身绝无泡沫，只有部分跑输的公司存在泡沫 [8:34] 软件吞噬世界 [8:34] 模型吞噬一切 [8:34] 我纠正你一下这个，纠正你一下那个 [8:34] 德米斯·哈萨比斯 (Demis Hassabis): AI for Science

Original transcript

[0:00] 他们以为他们投的是二级市场最终是投的失望率AI没有泡沫但是有几家公司是有泡沫的他们原来就是IT和互联网的这个负合这一轮AI又让他们变得给有钱了现在其实大家都容易把这一轮的AI跟铁路基建电力基建还有互联网泡沫之前的那三轮的基建热潮去做比较现在我们一起来探讨一下就是说这几个基建是不是有可比性各自是什么样子的首先我觉得就是说这几次都是属于好东西或者说真创新的泡沫对吧所以没有把这个浴巾箱如果我们去进去比较的话,当时我是列了几个指标嘛,一个就是说投资的这个金额其实今天看来的话就是说AI它差不多是在可能0.8到2.0的这个占GDP的这个金额其实相对于比如说当年铁路的这个分值啊其实还是比较低的但是比如说相对于电器或者是电信的话其实今天已经是这个不低了这是我觉得一个点所以从这个点来讲我们也不能说今天的AEI是有多么的泡沫因为铁路毕竟它只是工业化的一部分对吧但AEI是整个我们说是第三次工业化或者第几次工业化也好这是我想说的第一点第二点我觉得就是说其实从融资结构的这个角度来讲它其实也是一部金融史了你最早的时候肯定是更加的狂野对吧那时候就是资金盘呀对吧然后呢这个仙股啊然后大量的这个债券之类的所以我们会发现就是说其实很多的这个金融丑闻都是发生在前三次但今天的话其实哪怕比如说今年的capx到7000多亿但其实基本上没有人去讨论说我融资结构上现在有特别猫腻的地方大多数的融资的话一就是说还是用自己的股本金然后二就是说债务现在慢慢的上升但债务的话其实也都是比较干净的债务了所以从这几个角度其实某种意义上AI相对于之前来讲其实都是比较温和的或者比较合理的但是呢这个可能我们今天需要注意的两个点一个点就是说这个资产寿命因为就是说今天在数据中心的这个投资里面我们知道可能数据中心里面比如说像电也好或者是这个电力设备还有建筑设备这些的这个折旧期限是比较长的但是就是说如果我们看到占整个数据中心50%的这个价值的内存的GPU这些的话这个可能有些人会说三到四年有些人这个比如说会说到五到六年但总之这个时间段它没有那么长嘛那这里面就涉及到一个问题说比如说今年我们的这个下游终端的收入差不多可能是1000亿美元对吧但今年的这个投资可能有7000亿美元那这个事到最后就是说收入能不能赶上资产的这个寿命这个是我觉得可能今天所有人都在讨论这个一点这个点可能就是说对于巨头来讲我的这个时间可以运凭我的周期但是并不是所有的这个投资人都是投在巨头嘛也会有那些比如说这个New Cloud 雅扣Weaver 这些所以我觉得这一点的话可能是今天我们去比较今天的AI和过去的话会有一点的不同吧这个看起来Bubble的potential就有点大了对吧它的折旧这么短时间这么短但是就是说也许就是说这个我们今天怎么看后面几年的这个下游的收入了它能不能够指数级的冲上来最终其实就是说泡沫破裂在哪里其实今天的话我觉得AI它是不是泡沫这件事情大家都还在聊嘛但如果我们看过去的几次泡沫的话比如说铁路的话其实最后就是这个杠杆电气化基本上也是属于杠杆对吧当年电信和光纤那块是杠杆的问题吗他除了杠杆以外同时还有财务造假了但财务造假某种意义上也是因为就是说你要去怎么讲运贫和这个说服所有的这些这个股权和债务的这个投资人了而且那个时候它的PE非常高啊200多倍但最终获益的这个角度呢我觉得可能最后基本上就是说这件事情你像铁路的话最后是货主和经济对吧早期的股东其实就亏了很多就很多人他以为自己投的是二级市场其实到最后投的是分头就跟百分大战一样,99%的投资人最后其实都亏了这个我觉得也是几次泡沫的一个特性你要这么说的话前三次其实都是这个逻辑前三次投的最终报的都是因为他们以为他们投的是二级市场最终是投的是梦率他们以为自己投的是PE是市盈率他们最终投的是市盟率首先这里面很明显的都是有债务问题吧前三次席都有债务问题那么目前来讲这一次这次现在债务其实还是相对良性的就英伟达去给他的New Cloud做担保核心就是说如果你们到时候他们付不起这个钱他就会做最后的担保人出现他们可以让这些New Cloud去跟银行借贷因为现在核心就是说投黄人区的角度他希望这些New Cloud可以去签一些中小企业因为全部签的是云巨头云巨头的订单才能够银行才认但是中小企业他不愿意签5年的contract他不愿意签这个时候就很尴尬就出现一个剪刀叉了NuCloud又拿他的订单又没有办法去担保去买到这个足够多的GPU所以黄仁君冲过来说那我就担保你对吧如果说你这个contract全部他不虚约了那我就后面我就作为最后的这个付款人我来买你的算力对所以大家开玩笑说他是AI领域的这个中央银行你刚刚讲的这个东西跟融资结构对吧就金融这块嘛那么最终破在这里这块现在就是说我觉得最大的一个特征就是这一次好像AI的基建它是老树开心花有大量大量的资金非常雄厚的应该是人类历史上现金最多挣钱最厉害的一群超级大公司在买单的一次科技革命好像之前的都没有做到这个程度就是我们看过去几年 [5:00] 全球的这个比如说前十的富豪的变化你会发现就是说除了一两个这个比如说来自其他领域的这个富豪基本上就是说那些富豪都老富豪他们原来就是IT和互联网的这个富豪然后呢这一轮AI又让他们变得更有钱了而他们又是那些这个传统巨头传统互联网巨头的这个老大对吧就某种意义上就AI在新公司上其实这个造福了很多的这些new money但是呢这个在大钱上面的话最后其实还是老人做新事儿然后呢这个让马斯克让这个Leverage Page他们在这个财富又上了一个量级哎蒋总你怎么看你泡沫还是看它的价值嘛它到底产生的价值是什么前面都是基建的价值这一次它有点不同它是个生产力的价值或者它是劳动力的价值我讲了一个规矩时间实际上是讲的说是劳力劳动第一次被工业化了被工业化了被规模化了所以你要看它产生的价值到底是多少所以他现在这个基础设施呢你可以认为它是在构造一个规机脑力劳动的技术设施未来有多少规矩劳动劳力的人口你这个算力加模型实际上它更像如果类比的话它也有点类比PC电脑那个时代但是那时候的PC电脑其实是作为一个叫个人的办公工具它因为门槛比较低所以最后形成的垄断效应是微软加intel赚了利润但是整机厂商分散的非常厉害现在是它比较集中就因为它是核心算力基础好久不见了就未来所有的劳动力人口,劳力劳动力人口未来应该增加3倍到10倍增加3倍到10倍,但是这个底座现在只有这几家公司垄断性效应在那里所以就逼迫大家现在投入,这是这么一个概念我的观点是AI没有泡沫但是有几家公司是有泡沫的所以AI没有泡沫因为它是人类前所未有没有过的东西就是未来我们给我们工作的可能是现在我们假设是11个白领未来可能是100一个agent的角色在给我们工作它创造的价值远远大于我们可能现在10亿人创造的价值你知道吧投入总是值得的我们回到金融的话题其实很多投资圈里面的有一些人对于现在投基础设施的基本的模型我觉得大家还是在思考的是修公路模型就觉得说这个基础设施修出来它应该是后面要在上面跑车的有个这样的一个其实是一个思想的一个隐喻它的收入形式其实是属于线性回报的你修了一个路三车到四车到你只能跑那么多车AI基础设施的时候它其实是一个比特模型就好像养一个天才这个天才你供他读书小学读到中学然后读到研究生到Stanford去读计算机一直供到他读博士那你前面25年可能全是在掏钱然后现在可能他刚刚读到12岁13岁然后你就说他现在挣钱太少了但他真正其实等到他读到Stanford的博士毕业他可能一下子能进到周大模型的公司他能够挣很多钱几百万美金可能至少有他可能25岁之前可能10万美金都不到,突然间到25岁之后,一入职进到一个公司可能一年就能剩几百万美金。它是个非线性回报,养天才的回报是这样子的。跟一些香港推通基金圈的人交流,就我发现很多人都是原来看其他资产的类别的,他也跑过来看科技资产嘛。那我觉得他们其实带有很多一些原来看基建的那种思路,在看现在的基建。我觉得可能这个底层假设上是有些问题的。比如你怎么看?对,我刚想说这个VC型的养天才养娃,当然就是说成的那个人去openAI,对吧?拿这个一样的机器,对吧?低美金的package但是还有大量的养娃养肺了所以可能养娃这件事情到最后它也是密分布的对吧就一个比如说1亿美元的OpenAI的工程师背后又大量的娃最后耗时链费的最后其实你会发现我花那么多钱还不如说让他简单快乐就好但这问题是现在这些养娃都是大家族对吧像休闲小说里面那些影视大家族什么五大家族对吧就是堆各种资源养一个天才出来那你会发现说这些反正这些巨头没有一家肯认输的我听说Meta本身他现在做的Meta Super Intelligent 对吧好像也是一直还在砸钱而且一直内部还exciting好像没有人掉队啊现在好像没有人掉队过去那个投入还是有差别的从原子到比特所谓复制是没有成本的软件最好的方式就认为复制是没有成本的现在如果说是算力的话呢它复制都是有成本的它背后要驱动一个模型而且这个模型如果有差距的话呢就是模型吞噬世界就是原来有句话首先叫软件吞噬世界以后所有的公司都要变成软件公司但是现在的实际上是模型吞噬一切如果你大公司不做模型你就只能沦为打工的对确实是所以这是所有巨头公司不敢怠慢的原因所以这里面泡沫它的存在就是这个就是我们都砸了3000亿美金下去但是活下来可能只有一家但活下来这一家可能会获得3万亿美金的回报其他家就打水漂了是吧所以但是你不跟也不行你不跟你的3000亿就变成300亿了所以你要不要赌一把你要么变成小咖咪对 [10:00] 你赌一把还能上大桌所以现在Mega7都是这么一个状况而且现在有另外一个说法就是说大家觉得这个模型它也不是完全互相替代的就是说可能大家都最后技术路线不太一样或者Taste不太一样或者它就有点unfungible了就说非同构性而且杨时琳之前也说他觉得就是unfungible的就是token跟电力不一样你的token生产出来的智能可能有些你的倾向性比如说我现在我就发现我御山家都在用但是我觉得OpenAI和Cloud好像也还没有说完全就是谁一定就是完全替代的另外一个大家还是各有差别的就是它跟人一样它是有基因的你这个东西是需要有一个养成的过程的是吧你要喂什么材料给它就跟养人是一样的而且喂完材料你要让它表现嘛它表现的不对你要把它打回去说你做的不对这个每个公司的理念是不一样的有些东西是一致的但有些东西你说这个回答是更好还是那个更好它不是一个工科题不是一个理科题的话你就很难说这跟你的取舍有关系跟你的创始人的偏好有关系所以就是模型是有性格的比如说Deepseek他的创始人是打outside出来的所以Deepseek你问他的问题他们的特点是解决问题你问我的东西我给你一个很好的答案但是你问豆包他不是的豆包是一个产品经理是中国最懂产品最懂用户情绪价值的所以豆包能把你抚慰的很好豆包的情绪价值是拉满的但是Deep Seek基本没什么情绪价值对我就发现以前有一段时间就是OpenAI他老是顺着你的话说Cloud就是比较严谨一点就是他老是会说我纠正一下你这个我纠正一下你那个Cloud是美国的功课生OpenAI是哲学生对然后DeepMai很有意思就DeepMai这家公司本来这个创始人本来其实是个科学家人家最大的ambitious是要去搞AI for Science的结果他后面是被逼着迁移过来搞了GeminiGoogle也说要把很多的资源要投入Coding里面去所以我觉得他们可能还要经历一番波折优优独播剧场——YoYo Television Series Exclusive

科技巨头狂掷7000亿美元建算力 英伟达兜底信贷防范折旧危机