AI 越成功，买 GPU 的人越危险

AI 可能真的改变世界，但最早买 GPU 的人，可能最先替行业付账。

这不是在说 AI 不成立。

恰恰相反，我真正担心的情况是：AI 真的成功了，需求真的暴涨了，整个行业真的变大了。

但最早掏钱买 GPU、建数据中心、签电力合同的人，最后未必赚到钱。

这才是 AI 资本开支里最反直觉的风险。

如果是因为需求不够，导致 AI 最后失败，局面反而容易分析：需求不够，资本开支过剩，股价回落。

更难处理的是另一种情况：

最麻烦的不是 AI 失败，而是 AI 成功以后，钱没有留给买 GPU 的人。

这听起来很矛盾，但不是第一次发生。很多基础设施都是这样：方向判断对了，社会也受益了，最早掏钱的人却没拿到钱。

光纤、页岩气、太阳能，都是同一个坑的不同版本。

光纤赢了，股东输了

2000 年前后，全球都相信互联网会改变世界。这个判断后来完全正确。视频、云计算、流媒体、移动互联网，几乎都建立在便宜带宽之上。

但当年铺光纤的人，并没有因为判断正确而赚钱。

Global Crossing 是那个时代最典型的公司之一。它曾经被市场追捧，核心故事很清楚：互联网流量会暴涨，全球需要更多通信网络。

这个判断没有错，错的是账。

Global Crossing 1997 年成立，当年就宣布建设第一条跨大西洋海底光缆 AC-1，1999 年投入服务。随后它一路并购、发债、铺网，把网络扩到全球。

这家公司前后花了上百亿美元建设通信网络，却在 2002 年申请破产保护。到了 2003 年，Singapore Technologies Telemedia 只用 2.5 亿美元，就捡漏到了它的核心资产。

它的问题不是“没人用互联网”，而是通信网络有一个很残酷的经济结构：建设网络的固定成本极高，但多卖一份带宽的边际成本很低。竞争一旦打起来，价格就会被压到很多公司无法承受的水平。

所以光纤泡沫留下的教训不是“互联网不成立”。

恰恰相反：

互联网是真的，红利也是真的，只是红利没有留给最早铺光纤的人。

社会得到了基础设施。
后来的创业者得到了便宜带宽。
消费者得到了更低价格。
但创始公司的早期股东和债权人付了账。

光纤的问题是价格被打下来。页岩气的问题更折磨：需求不是不来，而是来得太慢。

需求会来，但可能来晚了

美国页岩气也是类似的故事。天然气产量快速增加以后，价格长期便宜。

便宜天然气后来确实创造了新需求：

燃煤电厂改烧气，化工产能回流，LNG 出口终端建起来。到 2025 年，EIA 数据里，美国天然气发电占总发电量已经约 40%。

可是这些需求不是立刻出现的。

供给可以三年爆出来，需求可能要五年、十年才跟上。建电厂、建液化终端、建化工厂，都不是几个季度的事。

中间那个时间差，就是股东的坟场。

代表公司就是 Chesapeake Energy。它曾经是美国页岩气革命的明星，囤地速度比同行快一个数量级，一度成为美国天然气产量最大的公司之一。行业方向没错，天然气需求后来也确实起来了；但 Chesapeake 自己先把供给打爆，把价格压垮，最后在 2020 年申请破产保护，没撑到需求完全追上供给的那一天。

所以问题不只是“需求有没有弹性”。

更关键的是：

需求到来的速度，能不能跑赢供给扩张的速度。

太阳能换了一个行业，坑还是一样。光伏发电成本从 2010 年以来下降约 90%，全球装机暴涨。

这当然是能源转型的胜利。但组件制造商长期面对价格战，很多早期明星公司最后并没有把行业增长变成股东回报。

代表公司可以看 Q-Cells、无锡尚德和 SolarWorld。Q-Cells 曾经是全球领先的太阳能电池厂商，2012 年申请破产；无锡尚德一度是全球最大组件厂，2013 年被债权银行申请破产重整；SolarWorld 是德国太阳能制造的旗帜之一，2017 年也进入破产程序。

这不是巧合。很多基础设施都是这样：建设期最缺钱，也最容易打价格战；真正吃到红利的，常常是后来站在便宜基础设施上做应用的人。

这就是我现在看 AI 时最警惕的地方。

GPU 最怕的不是没人用，而是太快过时

很多人拿 Jevons 悖论解释 AI：效率提升以后，单位成本下降，使用量反而会上升。

蒸汽机效率提高以后，煤炭消耗没有下降，反而上升。计算成本过去几十年不断下降，全球对计算的需求也越来越大。

我认为这个方向大概率是对的。

模型推理越来越便宜以后，很多原本不划算的任务会变得划算。以前不会用 AI 的客服、编程、设计、数据分析、流程自动化，未来可能都变成默认选项。

所以我并不认为 AI 最大的风险是“没人用”。

对买 GPU 的人来说，真正危险的组合是：

AI 使用量继续暴涨，但单位任务需要的算力下降得更快。

这两件事可以同时发生。

一个云厂商今天买 GPU，建数据中心，签电力合同，指望未来几年慢慢回本。结果两年以后，模型架构进步，蒸馏更成熟，推理成本下降，新一代芯片性能又大幅提高。

整个 AI 行业可能还在增长。
用户可能还在增加。
调用量可能还在创新高。

但那批旧 GPU 可能会面临淘汰，租金收入也可能已经塌了。

这就是 GPU 和光纤最大的不同。

光纤可以扛得住时间，玻璃埋在那里，十年后还能继续使用。早期股东虽然亏了，但资产本身还有长期价值。

GPU 却等不起。它不是 20 年资产。它会被新芯片替代，会被算法进步稀释价值，也会被单位推理成本下降压低租金。

对买卡的人来说，AI 越快进步，旧卡的经济寿命越短。

所以我看 AI 资本开支，不会只问“未来需求大不大”。

这个问题太粗了。

真正要问的是：

等需求真的起来时，谁手里握着稀缺资源，谁只是买了一堆快速贬值的机器？

最后要看谁有供给约束

回到 AI 数据中心，GPU 不是唯一资产。有些东西更像光纤：土地、电力接入、机房、冷却、电网连接。这些东西寿命更长，也更难快速扩张。

国际能源署预计，全球数据中心用电量会从 2024 年的约 460 TWh，增长到 2030 年超过 1000 TWh，接近今天日本全国用电量。

电力、变压器、输电线路、机房位置，这些才像真正的瓶颈。

GPU 则不一样。它是竞争中消耗最快的那部分资本。

所以 AI 产业链里，最值得看的不是谁喊得最响，也不是谁买卡最多，而是谁手里真的有别人短期拿不到的东西。

如果供给约束在 GPU，买 GPU 的人赚钱。
如果供给约束在电力，卖电和拿到电网接入的人赚钱。
如果供给约束在模型和产品，能把 AI 变成高留存软件的人赚钱。
如果没有供给约束，最后赚钱最多的可能是用户。

这也是为什么我说：

AI 越成功，买 GPU 的人越危险。

不是因为 AI 会失败，而是因为它可能对社会很好，对早期资本很坏。

真正危险的，是资产负债表上持有 GPU、指望靠旧算力长期回本的那一层。

行业变大，只说明社会需要它。
股东赚钱，需要另一件事：供给约束。

没有供给约束，需求再大，也可能只是把价格打下来，把红利送给消费者和下一层创业者。

这对投资的含义很直接。

投资不是押行业变大

所以我现在不会只看 AI 收入增速，也不会只看模型能力。我更想看五个问题：

第一，资本开支增速什么时候放慢。
如果每家公司都被迫继续加速投入，说明竞争还没结束，买卡压力还在上升。

第二，GPU 的真实经济寿命到底有多长。
会计折旧是一回事，市场愿意为旧卡付多少钱，是另一回事。

第三，自由现金流有没有改善。
收入增长很好看，但如果现金流持续被资本开支吃掉，股东拿到的东西就很少。

第四，信用市场有没有开始变脸。
当 AI 基础设施越来越依赖发债，债券投资人比股票投资人更早感到疼。

第五，电力和机房这些硬约束，最后能不能变成利润。
有瓶颈不等于有利润。公用事业受监管，数据中心有周期，电力合同也有成本。还要看具体公司能不能把稀缺性留下来。

所以这篇文章不是在说“AI 要崩”。

我真正想说的是：

AI 有没有未来，和这批买 GPU 的人能不能赚钱，是两个问题。

互联网有未来，铺光纤的人破产了。
天然气需求增长，很多页岩气股东先死了。
太阳能改变能源结构，组件厂长期价格战。
航空需求极有弹性，但行业长期很难赚到超额利润。

AI 也可能走出类似路径。

它可能真的改变世界。
它可能真的创造巨大需求。
它可能真的让生产率上升。

但如果效率提升太快，供给扩张太猛，旧资产贬值太快，那么最早买 GPU 的人，未必等得到回本那一天。

这才是 AI 资本开支里最反直觉的风险：

死因不是 AI 失败，而是 AI 迭代得太快：快到旧资产还没回本，就先过时了。

投资不是押行业变大，而是押利润留在哪一层。