AI泡沫还是新周期？硅谷101直播深度解析万亿基建投资

2025年，科技市场再度掀起狂热浪潮。从英伟达、微软到谷歌、Meta，科技巨头正以史无前例的规模上调AI基础设施的资本支出（Capex），AI数据中心演变为新的“军备竞赛”战场。

与此同时，OpenAI提出的万亿级算力计划，正试图联合全球资本，打造史上最大规模的AI计算集群。然而，这一宏伟目标背后的操作模式，也引发了市场对“AI债务循环”的热议。

“AI泡沫”成为近两个月来最热门的话题，市场估值的合理性、利润兑现的时机以及技术扩散的速度，正日益成为投资者关注的焦点。

我们以往专注于深度视频内容，但这类制作耗时较长，难以紧跟热点。如今，我们尝试通过直播形式，邀请技术与资本领域的专业人士（也是我们平日的采访对象），更快速地探讨大家关心的话题。

11月15日，我们组织了硅谷101的首场直播——《万亿基建市场还是AI投资泡沫？》。这场一个半小时的直播中，嘉宾讨论热烈，进展顺利，感谢大家的喜爱。本文提炼了直播中的核心干货，以便读者快速获取要点：

Live Highlights

• 市场短期回调：近期科技股抛售，主要源于美联储12月降息预期动摇，叠加对冲基金等仓位已满，新买家稀缺，市场存在正常调整需求。
• AI债务循环辨析：所谓的“AI债务循环”（如NVIDIA、OpenAI、Oracle之间的循环投资）并非泡沫，而是巨头间的“利益绑定”策略，旨在锁定稀缺算力资源并结成生态联盟。
• 内循环非闭环：判断“内循环”是否成立的标准，在于企业能否从“外部”融到钱。目前AI公司和科技巨头（如Meta）在债券市场融资依然顺畅，因此“内循环”担忧不成立。
• 如何理解GPU折旧问题：科技巨头将GPU折旧年限从4年延长至6年，并非单纯的“虚增利润”。在算力极度短缺的当下，旧芯片（H100）并未被淘汰，而是转用于推理（Inference）、长思维（Long-thinking）Agent等对延迟不敏感但对吞吐量要求高的次级任务，芯片利用率依然很高。
• AI可参考当年的“页岩油革命”：AI基建投资与2010-2015年的美国页岩油周期高度相似，两者均为高投入、高风险、依赖外部融资的基础设施建设。
• AI是否“绑架”了GDP：AI投资确实是拉动美国GDP的核心动力，但这并非坏事。关键在于这种拉动是“一次性”短期投入，还是能带来“可持续”的长期生产率提升。
• 周期的阶段：若以页岩油革命类比，我们目前可能正处于页岩油周期的早期（约2010-2012年），即大规模投资建设阶段。当然，未来AI大概率会经历一次类似2015年（沙特发起价格战）的“泡沫破裂”或“市场危机”，但那次危机将是健康的，它会倒逼行业提升效率、优化成本。

🎙️直播嘉宾

• Ethan Xu，前微软能源战略经理，前突破能源科研总监
• Bruce Liu，美国Esoterica Capital (济容投资) 首席执行官兼首席投资官
• Yang Ren，美国Esoterica Capital (济容投资) 联合创始人
• Rob Li，纽约Amont Partners管理合伙人
• 陈茜，《硅谷101》视频主理人 (Host)
• 刘一鸣，《硅谷101》特约研究员 (co-Host)

01

AI到底有没有泡沫？

陈茜：

近期金融市场震荡剧烈，经历了一轮科技股抛售（Tech sell-off），创下本月以来最大跌幅。这释放了什么信号？

Rob Li：

市场波动实属正常，目前的跌幅仍在可接受范围。从宏观层面看，主要担忧在于美联储多位官员接连讲话给市场“泼冷水”，12月降息不再是板上钉钉，当前市场预期概率仅约一半。从资金面角度，AI板块的对冲基金和共同基金仓位已满，所谓的“新买家”相对稀缺。

Bruce Liu:

我完全赞同Rob的观点。我认为市场自10月底高点回落是一次健康的调整。此前QQQ一度冲至28倍估值，直追2021年高点，如今回调至26倍，这是良性发展。主要影响因素是联储官员集体释放信号：12月不一定降息，因为数据尚不明朗。此外，融资市场（funding market）即美国金融系统资金成本略有收紧，但这不是大问题，当市场处于高位时，抛售不需要强借口。整体市场不限于科技股，比特币、黄金也都经历了“去杠杆”。大盘整体看是估值回调，盈利情况其实很好，仍在我们之前提到的稳步增长轨道上。QQQ同比增幅已接近20%，基本面未变，目前仅是健康的回调。

Yang Ren:

我认为这可能更多是市场对美联储态度的反应，叙事往往跟随价格走势（price action）。跌了，鬼故事和悲观叙事就浮现；涨了，质疑声又消散。近期市场对AI的信心并未出现显著变化。相对有意义的点是，上周OpenAI的CFO在接受采访时提到（虽然后来澄清）希望美国政府兜底融资，这可能让部分人怀疑OpenAI是否有能力兑现其基建投资和算力采购的承诺。

陈茜：

我们来聊聊八卦：大空头Michael Burry最近关闭了自己的对冲基金，同时警示AI泡沫。他曾精准预测2008年次贷危机，电影《大空头》(The Big Short) 即以他为原型。大家怎么看这事？

Rob Li，纽约Amont Partners管理合伙人

Rob Li:

首先澄清，Michael Burry关闭基金并非首次。08年获利后，他就关了Scion Capital转为家族办公室，休息几年后重新开张，改名Scion Asset Management。今年再次关闭，不代表什么，他随时可以重启，大家不必过度解读。其次，他确实在做空，披露做空Palantir，但仅买了不到1000万美元的看空期权，对Palantir这样市值的公司来说微不足道。所以他的名声在外，实际做空规模远不足以撼动Palantir，更多是情绪影响。像Michael Burry这样看空AI的基金经理不止一个，市场有辩论是好事。当前看空理由主要有：需求端，OpenAI的CFO承认近期ChatGPT用户活跃度有所下滑，尽管解释是模型调整导致，但无法验证，空头可借此发挥；AI基建巨额投资最终能否落地也是疑问，目前AI初创公司宣称的ARR（年化经常性收入）多含水分，需看一年后企业是否愿以原价续费才能水落石出。资金供给端，如果只是Mag 7自己花钱搞，最多自损，不影响大局；但若CoreWeave、Nebius等小公司开始“借钱”，甚至微软、Google、NVIDIA自己也“借钱”，最终可能演变成系统性风险，像07、08年房地产危机那样拖累美国经济和纳税人。

Ethan Xu，前微软能源战略经理，前突破能源科研总监

Ethan Xu:

从行业内部看，大家确实是毫不眨眼地往里面砸钱。有时我看到媒体报道，觉得它们的很多逻辑与我的想法大相径庭。比如现在流行的两个观点：一是AI有泡沫，即投入大量资金却未产生实际生产力提升；二是AI正在摧毁美国中产阶级，替代大量工作。但细想一下，这两个观点是否矛盾？如果AI有泡沫，意味着投入后没有提升生产力，无法替代任何工作，那就不该说AI在替代工作导致经济变差。所以两者完全矛盾。

刘一鸣：

对AI泡沫的讨论，关键不在于AI最终能否成功，而在于我们处于Gartner曲线的哪个位置，这是择时和错配的问题。互联网泡沫时期，如果站在10年后看，98、99年的投资根本不够，应该投更多，但2000年仍然泡沫破灭。放到今天，AI会不会也一样？

Bruce Liu，美国Esoterica Capital (济容投资) 首席执行官兼首席投资官

Bruce Liu:

我拿美国页岩油做类比。我们都认同，市场预期这些投资能否盈利，预期若在，叙事就能演绎下去。AI可能也会出现类似页岩油的时刻，比如沙特出来抢市场份额，把油价打下来，让美国页岩油公司出问题。我不知道AI对应的那个事件是什么，这是我们未来需要研究的方向。如果有一天我们预见AI挣不到钱了，市场问题就会出现，但我觉得现在肯定还没到。如果真的发生，也不是坏事。回头看，当时大家都觉得页岩油要死了，但这个行业硬是把盈亏平衡点从100美元左右降到了今天的30、40美元。所以AI如果经历泡沫破灭不是坏事，现在算力浪费极大，大家根本没考虑优化问题。等到了那个时候，逼着你去精打细算，技术迭代反而会加速，我相信AI肯定会经历这个时刻。

02

GPU折旧迷思，科技巨头在“虚增利润”吗?

陈茜：

Michael Burry批评的一个重点，就是认为科技巨头在资本开支（Capex）上“过度膨胀”，并通过拉长资产折旧年限来“虚增利润”。比如微软、谷歌、亚马逊都把服务器使用寿命从4-5年延长到了6年。你怎么看这样的质疑？

Michael Burry，图片来源：Bloomberg

Rob Li：

折旧里有很多金融技巧。理论上，假设GPU实际折旧是5年，如果想省税，可以一年折旧完，折旧越快当期抵税越多；如果折旧越慢（如拉长到7年），账面利润更好看，估值更高，虽然多缴税但估值提升对公司有利。所以两种方案都可行。最终GPU折旧年限是动态过程。所有大厂（Google, Facebook, Microsoft）都从几年前的4年左右延长到今天的平均6.5年，这对账面利润确有正面影响。但他们也有理由：当前算力极度短缺，任何GPU都能用；但未来算力不再稀缺，新芯片效率更高，老芯片能否保持低总拥有成本（TOC）是个问题。所以这是动态情况，目前无确切答案。

Ethan Xu：

我觉得每家公司对待GPU资产的方法可能不同。以微软为例，其CTO在采访中暗示，他们可能真会把一片芯片用5年左右，逻辑是不需要所有芯片都是最先进的，可以1/3最先进用于训练，1/3次先进，1/3老一些用于推理，让所有芯片几乎满负荷运转。我相信很多芯片两年后会变落后，但不会毫无价值，公司会慢慢优化资产。我甚至在会议上听到谷歌公开说，他们7年前的TPU至今仍满负荷运转。所以四五年旧的英伟达GPU将来也能放在有价值的地方。

刘一鸣，《硅谷101》特约研究员 (co-Host)

刘一鸣：

确实旧芯片可用于推理。但从价值层面看，芯片迭代速度很快，一年一更新，替换下来后如果变成“旧手机”，虽然能用，但财报中的价值是否迅速缩水，导致折旧周期需要重新计算？

Yang Ren:

AI相关的工作负载多种多样，有训练、推理，有对吞吐量优化、对延迟优化的。训练需最先进芯片，但许多推理任务并不需要。所以老一代GPU仍有发挥空间。目前上一代Hopper产品租赁价格稳定，并未随Blackwell放量而垮掉。另外，GPU仍处紧缺状态，从几家大云服务商财报看，明确表示如果有更多产能，收入增长会更好。

03

“AI资本内循环”是新型融资还是泡沫推手？

陈茜：

我们最近的节目也做了“AI资本内循环”的话题。比如：NVIDIA承诺给OpenAI提供约1000亿美元的GPU服务器；OpenAI转向Oracle承诺采购1000亿美元级别的算力服务；Oracle再去向NVIDIA下1000亿美元的订单采购GPU。同时，AMD也让渡股权给OpenAI，换取进入这个循环的资格。有媒体引用Sam Altman的话说，“我好像发明了一种新的融资方法。”很多人担心这种内循环只是在推大估值和泡沫，你们怎么看？

Yang Ren，美国Esoterica Capital (济容投资) 联合创始人

Yang Ren:

我可以理解大家的担心。但我认为这更多是大家通过这种方式互相“绑定”。比如NVIDIA投1000亿给OpenAI，换来OpenAI将其芯片作为优先解决方案；NVIDIA付出的是1000亿和OpenAI部分股权。AMD也想这么做，但没钱，所以想用股权换OpenAI选择AMD。这反映了NVIDIA和AMD在芯片领域的话语权。大家说的内循环忽略了一点：OpenAI最后能否卖出去它的TOKEN？打个比方：我开餐馆，生意好想扩张，但现金流不够。你是房东，我想再租你的店面，你投我点股份，我拿钱再租你的，并承诺优先租你的。如果我生意好，Bruce是另一个房东，地段差点，他说你能不能也来租我的？他再给好处，我也去租。最后归根结底是餐馆有没有人来吃饭，能不能挣钱。如果生意好，大家都开心；如果餐馆开不好，大家一起亏。倒不是因为我租了你的店面就把泡泡吹大了，最终还是要看有没有人来吃饭。

Bruce Liu:

其实想这个问题很简单，标准就是：它在外面能不能再融到钱？作为AI产业，现在在外融钱太容易了。Meta等发债，大家都抢着买。所以“内循环”不成立。OpenAI如果换个方式，不与NVIDIA或AMD绑定，在外面能不能拿到钱？我相信一定能。只不过在这个时点，选择拿NVIDIA的钱和AMD绑定，大家一起做生态，激励更一致。这是“融资选择”，不是“没有渠道”。如果某天外部funding不再支持AI ecosystem，只能靠内部转，那时所谓的内循环才成立。我们现在离那点还早。

刘一鸣：

我之前听朋友说，现在AI数据中心的债务融资，投资条款非常保护资金方，责任基本归运营方。毕竟现在AI数据中心资金来源里，发债占比越来越大。

Bruce Liu：

如果在公开市场发investment grade债，条款相对标准。像微软、Meta发债，大家都喜欢，因为公司太稳了。而且大背景是：现在全世界债权人更担心“国债”风险。经过过去20年周期，“国家”借债太多，“企业”资产负债表反而非常健康。所以大家更愿把钱给企业、给Apple、给Microsoft，而不愿买国债。因此科技企业融资非常友好。当然还有很大一部分通过美国“影子银行”，如Private Equity、Private Credit基金，这个量起得很猛，这一块有很多不确定性。公开市场上能看到的东西都很健康，“脏东西”藏在private credit里，因为看不到，条款变化空间很大。

视频：新云（Neocloud）战争

刘一鸣：

我问这个问题的背景是，我们之前看Bloomberg那个AI债务循环里，像Nebius、CoreWeave这些NeoCloud公司干了很多“脏活”，类似“急先锋”，风险感觉都转移到了他们这个层面。比如微软可能就不需要在财报中体现大量Capex，而是通过这种手段转成Opex。那我们是不是应该更加关注这些前端的急先锋们？

Bruce Liu：

你说得特别对。所以我现在就看市场怎么给CoreWeave、Nebius、Oracle这些公司定价，它们的价格走势其实就是市场的反映，我拿它们作为指引。很多人最近说，Oracle的CDS怎么突然涨那么多？感觉大盘马上要崩，要跟着Oracle来。但完全是两码事，因为当Oracle决定变成NeoCloud，它的业务变了，不再是以前稳定现金流的软件公司，而变成像CoreWeave那样激进花钱的公司。这就是市场的有效性，市场经历了一轮重新定价。Oracle这样的公司信用风险再正常不过，没有任何领先指标效应。

04

AI是否“绑架”了美国GDP？

陈茜：

哈佛大学经济学家 Jason Furman 不久前对美国经济有这样的解读，他说“2025年上半年，美国GDP增长几乎全部来自于数据中心与信息技术。如果去掉信息技术与软件，美国GDP增长率仅有0.1%。” 也就是说 AI 的投资和这些巨头的 Capex，如今是拉动美国 GDP 增长的核心，可以这样认为吗？这对美国经济来说会是一个潜在的风险信号吗？

Rob Li：

这个数据我们同意，美国今年基本上的GDP增速就是来自AI拉动。但这不一定是坏事，因为美国立国以来，尤其最近几十年，基本就是靠科技行业带动。传统行业没什么增速。AI带来的GDP增速，尤其是对劳动生产率的提升，如果最后能落地，是可持续的情况，那对美国和世界经济都是利好。真正的问题在于：目前对GDP的拉动，是一个“一次性的”、短期的，几年之后就没有了？还是一个“可持续的”东西？如果只是短期，我们这几年放了几万亿进去，最后发现对劳动生产率提升没帮助，那钱就白花了，反而会拖累整体经济。所以还有待观察，关键是看能否落地，提升全社会生产率。

Bruce Liu：

我没看他怎么算那个数，但我不太同意他的说法。我们自己算得非常清晰。今年上半年美国经济增长约2%，一季度、二季度合计，来自“消费者”对GDP的贡献是1%，“企业投资”（不限于AI）粗略看也是1%。美国消费者对GDP的贡献还在，没有AI美国GDP就完蛋的说法不成立。我想说，美国经济在Covid后这个周期特别有意思，出现明显分化：AI相关带起一波，NON-AI周期性行业如房地产、汽车业一直趴在底部三年起不来。大家期望的良性趋势是AI保持速度，同时“非AI”部分随地产、传统制造业起来。还有一个点，大家一直觉得AI投资过热。Dot-com bubble时，美国科技相关投资连续6、7年每年保持20%高速增长。今年二季度（2025年Q2），才是我们第一次看到同样指标year-over-year到20%增长。在我看来，这才刚刚开始，很难说狼来了喊得过早，后面潜力还大着呢。

05

AI基建的“页岩油”时刻，万亿投资从何而来？

陈茜：

最近Meta跟Blue Owl Capital的合作，Meta只需出资20%就能共同投资一个数据中心，其余80%资金来自外部投资者或国家资本。同时我们看到OpenAI提出了1.4万亿美元的Capex计划。这种量级的投入，可能实现吗？钱够吗？钱从哪里来？

Bruce Liu：

我觉得归根到底大家怎么理解“钱从哪里来”这个问题，其实有很多误解。我从宏观角度讲，发达国家债务周期已到顶点，能否花得起钱？走出债务周期两个方法：一是货币贬值，超发货币，所以黄金能涨；二是促增长，想尽办法促增长。AI在这个阶段刚好历史使命落在它身上，全球资金支持AI建设，让AI成为足够强的增长驱动力，这是宏观大势。所以“有没有钱”的前提是只要AI良性发展，monetization能滚起来，技术一直往前，钱绝对不缺。JPMorgan算了，接下来可能AI相关有5到7万亿美元CapEx要投。钱从哪来？首先是Hyperscaler自生钱（经营现金流），然后靠公开市场债券市场，还要靠新起的美国“影子银行”即private credit。这在美国历史上不是没出现过，上一次大基建周期就是“页岩油革命”。页岩油从08、09年开始，持续到14、15年（沙特打价格战）之前，一直处于长期高速投资状态，Capex不少，钱全是融资来的。那个行业更差，不像Tech有现金流，长达十年美国石油行业都是负自由现金流，就是靠不停融资。为什么？因为那时石油价格长期稳定在100美元左右，能挣到钱。AI就需要证明自己“能挣到钱”。只要你能挣钱，是全球增长驱动力，就不用特别担心钱的问题。

陈茜：

OpenAI说他到2027年会达到1000亿美元的营收目标，但算力他们已经准备投入万亿了，中间还是有很大的缺口。大家怎么看这个算力和基建投资的ROI呢？

Yang Ren：

我们自己对OpenAI的这个1.4万亿投资也是存疑的，这个数额确实是一个天文数字。局势是：infrastructure最底层芯片层，格局明确NVIDIA占大头。但上面几层是混战。Cloud Service Provider这层，有三大巨头，有Oracle，还有CoreWeave、Nebius这些NeoCloud，竞争激烈，都是price taker，没有pricing power。再往上，大模型层，Anthropic、Gemini、Grok等，互相追赶，没有谁“断层领先”。所以一定程度上，Sam Altman出来讲1.4万亿，意思是我就要搞这么多算力，你们其他人想跟我竞争，也必须这样加码。他赌的是用更多算力堆出来的模型就能比别人“断档领先”。因为模型层只有断档领先，才能有pricing power，在inference这边才能赚钱，不然就是price taker，API接口谁便宜用谁。所以我自己对他们能否实现这个投资目标存疑，包括我觉得市场现在也没有price-in他完全能落实。

Bruce Liu:

大家看市场是很有效的。英伟达还在190块钱，这明显就没有price-in那么宏大的故事。如果是的话，英伟达应该不在这个价钱上。所以我觉得市场还是相对理性的。

06

终局探讨：AI泡沫会破裂吗？

陈茜：

算力的需求和缺口还会继续扩大吗？

Ethan Xu：

在我看来，可见的将来，算力的缺口还会非常大。我们现在看到的美国每一年能落地的数据中心可能在8到12个吉瓦左右，之后几年还会更大，但这个规模显然不够。这个缺口可能每年就在十几、二十个吉瓦左右。也就是说，每年累积下来，到2030年，我们可能会看到50到100个吉瓦左右的数据中心“缺口”在美国出现。

陈茜：

那大家现在对于这样的缺口的解决方案是什么？我最近看到新闻说大家已经开始把目光放到太空上，把数据中心放到太空？

Ethan Xu：

这个确实是一个非常有意思、值得去探索的方向。只是目前来讲还远远没到成熟，也许是要5年甚至10年左右才可能成熟。这个还是远水解不了近渴的。短期来看，我们能看到的就是，至少在美国，越来越多的数据中心开始配备大量的“自发电”设备。在数据中心里面自己去购买大型的、中型的和小型的天然气发电机，自己给自己的供电。因为他们已经发现，经过过去一两年在电网上“抢电”，基本上电网的电已经被抢得差不多了。但是电网的建设就需要很长的时间。所以这也能体现出这个缺口之大。也许在明年或者后年，我们还会看到比如说像“储能”这样的行业的一个爆发。

陈茜：

那现在的AI是在泡沫中吗？这个泡沫什么时候会爆？怎么爆？对于普通投资人也好，专业投资人也好，大家应该怎么去应对这样一个潜在的风险？

Bruce Liu:

我觉得AI有它的历史使命，在这个全球大周期上面。我觉得现在还是一个相对健康的AI基建开始，我都不认为它是到中期，我觉得还是在早期的这个周期里面。我们在大搞基建，而且主要的参与者，我觉得大家都其实是非常理性的。我们那么缺电，但是我们真正建这个涡轮发电机的GEV也好，还是西门子也好，在扩产能上面还是非常克制的，没有说是因为有这个bubble，我要扩好多产能。然后还拿回到我们NVIDIA的这个例子，产品上一直在有创新，一直在减少这个单位成本，而且市场没有给他那么高的估值，还是一个相对理性的估值。所以我现在不觉得他是个bubble，我觉得我们是一个AI建设大周期，而且是处于一个相对比较早的阶段。就像我刚才讲的，页岩油经历了Bubble，他反倒让自己变得更有效率。AI一定要经历一个bubble，让这个体系变得更有效率。基本上我是这么来想这个问题的。那对普通人有没有什么实际意义？肯定有很大的实际意义。不仅是对你个人职业发展，你要找到赛道。另外就拿个人财富来讲，因为在这个宏观大背景下，钱是不值钱的。因为全世界都是要靠印钱，要靠货币贬值或者说通胀来支撑这个增长的，来解决债务问题。如果钱以现金的形式去存在，最后就是真正的“炮灰”。所以这种有增长、有潜力的资产，格外重要，这是我们来对冲那一个风险很重要的部分。

Ethan Xu:

我是比较偏乐观的。我相信AI是我们这个时代最伟大的技术，然后我相信我们今天花的万亿美元的基础设施建设，在后来回头看的话都是有必要的，都是能充分发挥其价值。现在的投入，我相信在未来回头看的话，不会被认为是bubble，还远远不够，也还远远没有到overbuilt的程度。当然我也相信，AI在发展过程中，可能会有一些时间错配的问题。比如说投资和这个收益之间，中间可能会差了一些时间段，当信心出现波动，就会在市场上体现出来，但是我觉得这些都是会过去的。