AI基建狂潮下的云服务商困境：历史轮回还是新挑战？

本文基于锦缎研究院《今天的AI基建狂潮，恰如150年前铁路狂潮的历史轮回》一文，分享读者评论与思考，旨在交流与探讨，不代表平台立场。

近期，市场热议一种观点：随着GPU成本降低、模型标准化及算力即服务（AIaaS）普及，价值将逐渐从芯片公司（如英伟达）转移至云服务商，如同铁路时代后期价值从钢铁制造商转向铁路运营商。

然而，笔者对此持谨慎态度。

原因不仅在于当前数据中心经济效益远低于预期，更在于中国厂商的激烈竞争正深刻影响云服务商的利润空间。

一、云利润的现实——远低于预期

Oracle数据中心毛利数据为市场泼了一盆冷水：

即便对GPU折旧进行了平均处理，数据中心的盈利能力依然较弱。考虑到GPU生命周期仅3–5年，而数据中心建设还需考虑土地、电力、制冷、网络及人力成本，这些均使得毛利率极为有限。

因此，“AI基建价值最终向云集中”的观点并不符合现实。英伟达仍掌握算力定价权与供需结构，而云服务商在高资本支出（CapEx）和高折旧成本下艰难求生。

从经济学角度看，这呈现典型的“垄断上游 + 分散下游”价值锁定模式：

上游（英伟达）凭借技术垄断获取主要利润；下游（云服务商）竞争激烈且成本高企，利润有限。

这与铁路时代早期钢铁厂和蒸汽机车制造商占据高利润的情况类似。

二、下游应用不及预期 + 中国厂商竞争加剧

笔者还认同另一个重要因素：下游利润可能不如市场预期乐观。

许多企业发现token需求未达预期，单个token的经济效益（如自动化节省成本、提升收入）并未即时显现，许多应用场景仍在试验阶段，高频使用尚未实现。

更关键的冲击来自中国厂商。阿里+Qwen：极低token价格正在重塑成本结构——阿里巴巴旗下的Qwen系列模型引发了一场实质性的价格冲击。

据公开报道，阿里将Qwen-VL的API价格定为：输入1000 token ≈ 0.003元人民币

这一价格比OpenAI、Anthropic等公司的token价格低了一个数量级。

阿里之所以能这么做，主要源于：

1. 中国厂商的价格战策略。AI市场争夺早期，“量大价低”是自然策略，中国市场普遍倾向于积极降价。

2. 成本结构优势。在中国部署基础设施、电力、土地、人力成本普遍更低；阿里本身拥有自有云基础设施，扩展边际成本低。

3. 生态捆绑。阿里不靠模型收费盈利，而靠云存储/数据平台/企业IT服务/SaaS。因此API可以作为“入口产品”低价出售。

4. 战略定位不同。西方LLM公司采用“高溢价+商用定价”；中国采用“普及率+使用量”模式。这使得阿里、腾讯、字节等厂商实际上构成了全球token定价的底部压力。

对于云服务商而言，这意味着：AI价格不像IaaS那样可以稳定抽取高毛利；token价格受到中国厂商冲击而下移；最终压缩了美系云的单位利润。

“价值会向云集中”的路径进一步变得不成立。

三、资本周期视角：

AI基建正重复铁路的历史为了理解当前局面，笔者认为可以将视角扩大到资本周期的历史规律

铁路时代：1865–1873年的铁路狂潮使产能投资占GDP的7–10%。竞争导致过度铺轨、运力闲置率超过30%。最终引发1873年的“恐慌”和长达65个月的大萧条。

AI时代：未来5–7年AI数据中心投资预计超过4万亿美元。OpenAI、微软、谷歌、Meta正陷入典型的“囚徒困境”：不投资会落后，投资又可能产能过剩。

关键指标正在出现与铁路时代相似的迹象：高资本支出、单位利润持续下降、多方重复建设、竞争者过多、下游盈利能力不稳等。

你提出的判断非常准确：利用率下降（产能闲置是关键信号）、价格战加剧（已在中国模型看到）、融资趋紧（部分云服务商债务压力上升），这些都是典型的周期转折点前兆。

四、总结：价值不会集中在云，而会像铁路一样向应用扩散。

从铁路、互联网、智能手机等周期中可得出结论：“基础设施建设的最大受益者并非建设者，而是使用者。”

铁路使制造业和物流成为最大赢家；互联网让电商、数字广告、媒体公司成为赢家；智能手机让应用开发者、平台生态成为赢家。

因此，笔者认为AI最终价值流动的路径是：阶段1：芯片厂商（现在）英伟达凭垄断地位抽取高额利润；阶段2：应用开发商（未来）当模型成本下降、硬件普及后，真正赚钱的是AI企业软件、垂直行业解决方案、自动化工具及AI-native公司。

而云服务商最终只是“过路费”提供者，利润难以提高。阿里与Qwen的低价策略则提前揭示了未来：token会变成廉价、可替代的基础资源，而非高利润产品。

本文基于公开资料撰写，仅供信息交流之用，不构成任何投资建议。