1.2万亿美元算力，谁先扛不住？

一句“减速”，让万亿美元级的市场抖了三抖。

前沿实验室还在讨论安全评估该不该延长窗口，资本市场已经先替他们做完了决定：卖。卖压从GPU一路传导到HBM、定制芯片和高速网络，整条算力产业链被集体重估。但真正值得焦虑的，不是模型会不会慢下来——而是2027年超过1.2万亿美元的资本开支，能不能在快速折旧之前，变成真金白银的现金流。

这笔账，越来越算不过来了。

🚨 一句“减速”，为何吓坏整条算力链

AI硬件投资的全部信仰，押在“模型越来越强”这一个前提上。

过去三年，AI硬件的增长链非常清晰：前沿模型不断变强，训练规模跟着扩大，云厂商为抢下一轮模型能力提前锁定GPU、高带宽内存和网络设备，再向下推动数据中心、电力和冷却系统扩建。这套逻辑最重要的前提只有一个——模型能力持续快速升级，算力永远不嫌多。

最近的“减速”讨论，碰的正是这个前提。前沿实验室开始讨论延长安全评估窗口、加强独立评测和行业协调。这些本是模型安全层面的技术议题，资本市场却迅速把它翻译成另一句话：下一代模型的训练节奏，可能要放缓了。卖压随即从GPU扩散到存储、定制芯片和高速网络——市场担心的已经不只是监管成本，而是那个更根本的问题：未来几年，还要不要按原来的速度扩建算力？

但要提醒一句：从模型节奏变化推到整个数据中心投资下降，中间还隔着推理需求、既有订单、建设周期和云厂商预算好几道闸门。市场目前是先把整条链都压低了，后面每个环节还需要现实数据逐一确认。

📈 1.2万亿美元：四年六倍的资本狂奔

当投资规模大到不能只谈技术前景，账就要换个算法了。

这轮投资已经不是预测，而是写在财报里的现实。按各家财报和业绩电话会披露：

作为对比，2023年这四家合计资本开支约1500亿美元；即便加上Oracle、CoreWeave等算力厂商和中国云厂商，广义口径也不足2000亿美元。综合UBS、Morgan Stanley及Dell'Oro Group等机构的公开预测——其中Dell'Oro预计全球数据中心资本开支将在2028年前后突破1万亿美元——若维持当前斜率，2027年广义口径超过1.2万亿美元，意味着四年扩大至六倍以上。

更关键的是，土地、电力、芯片、服务器和融资，都在围绕同一个假设提前配置：AI使用量会持续增长，且增速足以吸收如此庞大的新增资产。值得注意的是，“算力不够用”并非市场臆测——2025年三季度的财报电话会上，Amazon CEO Andy Jassy明确表示AWS的算力容量“基本处于售罄状态”，如果能更快扩容就会更快扩容；Alphabet管理层也多次在电话会上强调供应紧张。

但“提前配置”意味着这个假设不需要被证伪才会出问题——只要增速的斜率稍微放缓，整条资产配置曲线的收益率假设就会松动。这就是为什么一句关于模型安全的讨论，能撬动万亿美元级的资产重定价。赌注太大，任何关于前提的杂音，都会被放大成关于偿付能力的拷问。

⚡ 折旧的速度，追得上需求吗

算力不是房产，它是越放越不值钱的资产。

市场开始重新计算的，是一个朴素到近乎残酷的问题：这些昂贵算力，能否在快速折旧之前被充分使用，并转化为足够的现金流？

先看折旧年限这一硬约束。各家财报文件中披露的数据是：Alphabet在2023年初（2022年四季度财报）将服务器折旧年限从4年延长至6年；Microsoft在FY2023的10-K中同样将服务器及网络设备年限定为6年；Amazon在2023年10-K中将服务器年限从5年延至6年；Oracle的10-K则按5年对GPU计提折旧；Meta在2025年初甚至反向操作，将部分服务器折旧年限缩短至约5.15年。而2025年11月投资人Michael Burry公开质疑， hyperscalers通过延长折旧年限系统性低估了成本——无论其测算是否成立，这场争论本身说明：按6年摊销前沿GPU是否合理，已经在被公开定价。

前沿训练集群的技术代际以年计，如果模型升级节奏从一年拉长到两年，新增训练算力的边际价值会加速衰减——昨天还是护城河的东西，明天就可能变成压在资产负债表上的沉没成本。

这里的关键变量，是训练需求和推理需求的错位。市场把“训练放缓”直接等同于“需求下滑”，其实中间有个缓冲带：已部署模型的推理使用量仍在快速爬坡。可核实的公开数据包括：Alphabet CEO Sundar Pichai在2025年一季度财报电话会上披露，Google每月处理480万亿个token，同比增长约50倍；Microsoft CEO Satya Nadella在同一时期的FY25 Q3电话会上披露，Azure Foundry单季度处理超过100万亿个token，同比增长5倍；此外Microsoft在2025年1月披露其AI业务年化收入已超过130亿美元。

推理需求能否补上训练需求的缺口，决定了这1.2万亿美元是“提前投资”还是“过度投资”。但与训练端清晰的资本开支指引相比，推理端的收入兑现数据仍不够细——接下来任何一个季度的推理用量和收入数据，都可能引发比“减速”讨论更剧烈的反向波动。

🔍 谁在赚走这轮钱：出资方与供应链的回报劈叉

同一个赛道，有人押上身家，有人闷声收钱。

这轮算力热潮里，有一个不太对称的现象：出资建设的一方，资本回报率在下降；而供应链环节的回报，却在继续走高。