AI 泡沫 “原罪”：英伟达是 AI 戒不掉的 “金毒丸”？

以 2022 年年末 ChatGPT 发布为标志，三年间 AI 狂热从算力、存储、网络、制造、电力基建、软件应用，甚至到边缘设备，每个方向的细分赛道都被轮番反复炒作了一遍。

但到三周年末，当 AI 基建的顶梁柱们，在三季报前后一个个宣布前所未有的 AI 大基建时，市场反而跟突然丧魂了一样，开始担心 AI 投资要泡沫了。

产业有人赚得盆满钵满，有人亏到疯狂融资，问题到底出在哪里？融资眼花缭乱，千奇百怪，为什么？

本篇，海豚君通过产业链核心公司的报表来仔细研究一下这些问题，并尝试理解，到底 AI 投资是否已经真走到泡沫阶段了？如果真有泡沫，那么泡沫的原罪在哪里？

一、融资眼花缭乱？产业链利润分配重度扭曲

下面这张图，对很多人来说恐怕已经很熟悉了。这张图最大的问题，整个产业链的最终用户，也就是 OpenAI 的用户在整个资金循环链条里创收规模相比投入太小，没有被画到图中。

但张图的核心信息，其实也就是下游客户用上游供应链的钱来为自己的业务融资，这么一个简单而又古老的供应链融资方法。

同时，一级市场模型巨头们供应链融资同步发生的，还是二级市场应用巨头们已逐步普遍表内、表外债券融资（详细分析见此处）

但这里的问题是，为何在芯片商如英伟达赚到盆满钵满、全市场都在说 AI 是新一场技术革命的时候，AI 拓荒人 OpenAI 要用下一盘这么大的融资棋局？为什么本来富到流油的美股巨头如$谷歌-A(GOOGL.US) 、Meta 等等，现在要用债务才能支撑未来的发展？

其实答案很简单，AI 产业初期，产业链利润分配重度不均，上游把好处基本“吃干抹净”了。

AI 的主产业链主要是这么五类玩家：晶圆代工（$台积电(TSM.US) ）——算力商（$英伟达(NVDA.US) ）——云服务商（$微软(MSFT.US) ）——模型商（OpenAI）——终端场景五层来分。

1.1）从云服务商的经济账说起：到底谁赚了红利、谁赚了吆喝、谁担了风险？

A. 云服务商们的经济账：100 元收入分布——55 元成本、10 元运营开支，35 元利润；

以下，海豚君用一本产业链一本简单的经济账来给大家仔细算下数，来直观了感受一下这场三年的 AI 繁荣当中。我们知道，云服务是一个既重资金壁垒，又重基本壁垒的行业。它的前半部分跟盖房子一样，需要把厂房盖起来、机柜、布线、冷却等等都要做好，这部分算是机房的硬装。

软装部分就是放入 GPU、CPU，这中间 GPU 内部的连接、GPU 与 GPU，以及与其他设备的连接要做好，再加上网络、宽带，通上电，软装基本完成。这些要素放在一起，再通过技术人员完成 “灵魂点睛”，就是一个比肩基础的 IaaS 服务了。

从上面的要素其实可以看出，虽然它听起来高大上，本质上没有摆脱运营商生意的范畴——把各种重资产 + 技术组合在一起，形成云服务，通过租赁云服务赚钱。

这个生意的核心就是，成本要足够低，比如说成本最高的 GPU 装上去了之后可以用个十年八载的，不能像光伏电场那样，隔三差五光伏板就要换掉。

来源：英伟达 NDR 材料

按海豚君的估算，云服务商假如用全新的 AI 产能来提供 AI 云服务，那么每赚 100 元，大约 35 元是前期买入设备（以 GPU）的摊销折旧，GPU 折旧年限以目前云服务商普遍的五年期来算，资本开支投入其实是 175 元。

而如果英伟达的 GPU，那么基本上 125 元（70% 以上）是 GPU（含网络设备）提供生的收入，剩下是 CPU、存储、网络设备等。

除了固定成本，还有能源电力、带宽、运维等成本，而运营费用上，主要就是研发销售和行政等费用了。100 元的收入最终实现的账面经营利润是 35 元。

备注：数据取 AWS 和 Azure 中间值利润率估算，结合 GPU 云租赁的 ROI 与传统对比来做模拟

从这些数中，可以看到一个很明显的问题是：

① AI 基建早期，云服务商只有明面利润，实际严重缺钱：在这个简单的模型中，云服务商明面上是赚了 35 块钱，但由于其实在拿到收入之前，其实已经提前预支自己的全部 100 元收入都不够，需要花 175 元来先买 GPU 设备。也就是说 CSP 其实只赚了账面利润，实际投入是倒贴的。

② 数据中心疯狂融资：云大厂由原本的现金牛业务来支撑，但现在新兴的新云如 CoreWeave、Nebius、Crusoe、Together、Lambda、Firmus 和 Nscale 等因为没有原本的现金流业务，现在普遍需要发行资产抵押支持证券融资来提供云服务。

B. 100 元的云服务收入，如何流入英伟达、OpenAI 账本？

① 算力提供商 (英伟达)——盆满钵满的设备股

云服务的成本，是英伟达的收入。每 100 元的云服务收入，因为有 35 元是设备折旧，按五年折旧期，提供这些服务需要提前采购大约 175 元的设备。

英伟达的 GPU 在采购中的价值大约占到了 70%，相当于云服务这 100 元的收入，单独向英伟达就已支付了 125 元的 GPU 设备采购费。

很显然，作为云服务商生产资料要素采购中，单体价值最大的一环，英伟达在早期 AI 基建期赚得盆满钵满。

② 眼下的 Open AI——8 亿 WAU，但亏光裤子的应用股

整个产业链条中，云服务的需求侧——OpenAI 是需求的源头，它的偿付能力决定了这个链条循环的健康度。但目前 OAI 的创收能力来看，砸了这么多的算力资源，结果上只能算是“金铲子” 挖 “土”。

首先云服务商 100 元的 GPU 租赁收入，到 OpenAI 这里，其实就是它为自己的用户提供服务的云服务成本。按媒体披露的 OpenAI 25 年上半年财务状况，100 元的云开支，只能对应公司 96 元的收入，同时算上公司的研发人员开支、营销和管理支出（不含期权激励）——100 元支出，公司基本亏掉了 100 元。

C. 核心矛盾： 产业链利润分配严重扭曲

把这三家公司简单模拟的经济账放在一起，一幅对比鲜明的产业链利润分配图景就出现了：产业链核心链主的产业链利润、风险收益分配极度不均衡。

上游铲子股——以英伟达为代表的算力资产是轻资产业务，凭借垄断地位，不仅收入增长快，而且应收款风险较低，盈利质量高，盈利赚得盆满钵满；

中游资源整合方——云服务商们承担着大块头的产业链投入，和资源整合，前期投入巨大，明面赚钱但实际现金流吃紧，是事实上最大风险承担方；

下游应用商——生产资料（云服务）太贵，收入太少，只能覆盖一定点的云服务成本，是亏在明面上的应用股，最终应用股的健康程度，才是决定产业链健康度的生死劫。

这样的产业链利益不断往上游转移，AI 主产业链链主们的矛盾日益突出，行业竞争动态天平开始明显变化：

① 算力——英伟达

英伟达凭借第三方 GPU 的垄断地位，尤其是训练阶段的独特优势，享受了 AI 基建早期的最大红利。但它的产品卖到客户那里不是易耗品，而是一个能够使用多年的资本品。

它的高成长，从行业 Beta 角度，主要集中在 AI 数据中心的产能投建期。公司的增长斜率会高度依赖云服务商的资本开支增长斜率，当云服务商的资本开支即使在新高的位置一旦稳定下来，不再告诉增长，那么对应的芯片商收入零增长，万一错估了周期，再来点存货减值，利润率就会直线下滑。

最新季度，英伟达前四大客户贡献了公司 61% 的收入，很显然它的收入就是云服务商们的资本开支预算。

来源：英伟达 2025 年 NDR 材料

当下在 4-5 万亿的市值压力之下，英伟达是持续交付芯片，撑起美股半边天的压力，因此，它的核心诉求就是继续卖芯片，卖出更多芯片，方法上比如说：

a.芯片销售扩散到海外市场，比如特朗普带着 GPU 商家们去中东等地区签单；同时痛失中国市场，让黄仁勋说出了美国要输掉 AI 战争的丧气话。

b. 疯狂迭代：创造云服务商们一直需要更新设备的需求。目前英伟达基本每 2-3 年就会有一次大的产品系列迭代，有些版本的迭代，甚至需要全新的数据中心建设标准来配置 GPU。

② 云服务商——微软：垂直一体化降本

云服务商目前是供不用求，似乎享受的行业红利，但其实长期是承担了产能错配的风险，因为最大的资本开支都是由它来承担的，一旦需求判断失误，数据中心闲置，云服务商就成了损失最为惨重的产业链环节。具体来看，

a. 短期：云服务毛利率更低

当下的短期问题是，由于 GPU 太贵，GPU 云服务比传统云服务毛利率更低。而按照微软 CEO 纳德拉的说法，目前 AI 云业务中产生利润的不是 GPU，而是除了 GPU 之外的其他设备部署（存储、网络、带宽等）——换句话说，现在的 AI 数据中心，因为 GPU 太贵了，其实是用 GPU 引流，靠搭售附加产品来赚钱。

b: AI 算力的摊销折旧风险

运营商生意是重资产业务，最怕生产资料投入的摊销折旧周期太短（风能发电厂和 3G 时代的电信运营商都有过类似问题）；英伟达推新太快（两年一次），折旧年限至关重要；

c. 前置投资风险

长期承担了资源整合和资金风险（资本开支）；如果客户盈利能力不足、场景落地慢、技术迭代突然出现非线性迭代（比如模型变轻，小模型在端侧能完成 AI 大任务，或者本身软件迭代对算力需求大幅减少），可能后续产能利用不足，导致云服务商产能与需求误判，那么它会成为最大下游客户失败的风险承担方，体现不是应用账款收不会，而是数据中心产能浪费。

很明显，从云服务商的角度，可以做的是，降低数据中心的最大成本项——GPU 成本，比如说绕过英伟达税，自研 1P 算力芯片；虽然需要外包一部分设计工作给到博通、Marvell 等 ASIC 设计商等等，但整体能够大幅降本。结合资料信息，构建 1GW 算力中心，用英伟达 GPU 的成本是 500 亿美金，而用 TPU 大约是 200-300 亿美金。

③下游应用（含模型）主要风险——生产资料成本太高，收入不匹配，现金流断裂风险。

这里选 OpenAI 作用终端的场景应用股（含了模型层）。

收入高速增长：根据媒体披露，按 OpenAI 目前的月收入推进速度， 2025 年按月预计年底年化200 亿美金，25 全年 130 亿美金，同比增长 250%；

支出飙升更快：这里的问题是，收入在高速增长过程中，并没有正常商业模式下收入放大之后，亏损率逐步减少的情况，反而支出的增长斜率比收入的增长斜率更高，收入越做大，亏损反而约高。

按媒体披露信息，2025 年收入 130 亿，亏损应该估计至少 150 亿上下；如按微软财报信息（按 40% 股权），OpenAI 亏损年化亏损应该已超 300 亿。

OpenAI 目前的诉求也很明显，首先云服务成本太高了，导致收入不经济，收入多了，反而亏得更凶猛；在与此同时；由于收入缺口太大，公司需要融资的同时，还需要进一步做大收入，而在做大收入过程中，云服务靠外部提供，供应商容量不够，导致产品推新延迟（比如说 Sora 因此推迟，OpenAI Pulse 高定价拖累渗透率）。

三、AI 产业链：巨头博弈产业链定价权

AI 技术（模型）迭代足够快，逐步成熟到可以落地的程度，但部署上成本太高——云服务成本太高，无法支撑技术在应用场景上的快速扩展。

而以上的经济账模拟，可以很清晰地看到，高成本是因为产业链加价太严重——英伟达芯片毛利率 75%（加价率 4 倍）、CSP(云服务) 毛利率 50% 上下（加价率 2 倍），到 OpenAI 使用的时候，铲子的成本已经太高，即使是互联网历史上增速斜率比较高的应用，都无法覆盖更快速度的成本上升。

于是产业链博弈开始了！

英伟达因在数据中心中的价值量和技术壁垒都较高，因此想掏空云服务商的价值，让它沦为 GPU 的包工头。而云服务商觉得英伟达税收得离谱，想要通过自研芯片把英伟达超额利润打掉。

而自从微软解绑了它只能使用 Azure 作为云服务提供商的禁制之后，OpenAI 已经明确表达的自己的意图，要自建数据中心，OpenAI 似乎想消除上游每一段的超额溢价，最好把算力的价格打到白菜价，推动应用的繁荣。

结果就出现了 2025 年年底最受宠的商业模式，也是目前最流行的投资赛道 “全栈 AI”，其实说白了，就是产业链的垂直一体化。三家虽然操作不同，但本质上都是在垂直一体化的方向上努力：

① 英伟达：英伟达 + 新云小弟们=削弱 CSP 大厂产业地位

依赖 GPU 的垄断地位，通过优先供应最新 Rack 系统，产能回购协议等，扶持一堆 IaaS 仰仗英伟达的发货排序的新兴云平台 Coreweave、Nebius 等，其中对 Coreweave 的回购兜底最为突出。

这些新云前期普遍大量融资，新云大多依赖于英伟达的供货倾斜或者融资支持，最终新云的产能基本都是使用英伟达的芯片。通过这个操作，英伟达实际上等于除大型 CSP 之外，锁死了其他小云服务商的 GPU 选择权。

但对于这个操作，微软 CEO 纳德拉层在访谈中曾间接表达过，“一些人以为提供云服务，就是买一堆服务器，插上电就可以了”。言外之意，实际云服务是一个非常复杂的业务，门槛并不低，不然全球的云服务市场那么大，但只是被三四朵云所垄断。

从这个角度出发，今年爆炒的新云服务商，其实背后一定程度上就是在 GPU 供给紧缺的情况下，英伟达通过优先分配权拉起来的下游代理商（二道贩子），假如长期产业供需均衡，产业竞争逻辑走向正常的技术、资金、渠道、规模导向型商业模式，这些新云是不是还能存在，还很难说。

似乎 AI 新云玩家，看起来更像是一个 AI 基建上半场的产业链博弈中的过程产物，而非供需平衡下终局格局中可以和云服务巨头分庭抗礼的竞争对手。

② 云服务商：云服务商 +ASIC 设计商 + 下游产品=削弱英伟达芯片垄断溢价

a. 目前 GPU 用量较大的公司基本都开启了自研芯片的努力，这里除了云服务商$谷歌-C(GOOG.US) 、微软和亚马逊$亚马逊(AMZN.US) ，一些单体用量较大的下游客户如 Meta、字节、特斯拉等都在自研 ASIC 芯片。

在 ASIC 芯片自研子产业链中，ASIC 设计外包商如$博通(AVGO.US) 、$迈威尔科技(MRVL.US) 、、AUC、联发科等等，都是高价值的资产。

b.讨价还价的二供备胎价值

自研芯片，启动最早，产品名声最高的主要是谷歌联合博通研发的 TPU，直接供应了 Gemini 3 的研发；同时，其实亚马逊也很早启动了自研 GPU 的研发（训练 Trainium、推理 Inferentia）。

按此次英伟达的财报（Anthropic 首次开始使用英伟达合作），Anthropic 模型的研发其实应该主要是基于亚马逊的云和亚马逊的 Trainium 芯片。

全球两个性能靠前的模型 Gemini 和 Anthropic，一个在完全不用英伟达，一个较少用量的情况下，都把模型训练到了领先的位置，已经明显开始影响到英伟达的在算力行业的定价权。

这样的案例影响下，下游客户通过威胁使用 TPU（甚至都未必是真部署），就能迫使英伟达为锁死下游客户订单，通过融资担保、股权融资、剩余产能兜底等方式来间接降价，本质上就是客户把部署 GPU 的成本给拉了下来。

这些已经是英伟达算力地位受到威胁的实际体现。

c. 下游产品渗透：产品线全系 AI 武装，防守 Chatgpt 崛起

这些处于中间环节的云厂商，本身核心业务大多为再往下游的模型和软件应用的场景，除了往上通过垂直一体化防止英伟达在云业务上偷家，往下还要让自己的全系产品场景都武装上 AI，与 ChatGPT 展开竞争，防止被 ChatGPT 颠覆。

③ OpenAI：产业链自主=Stargate

而处在模型厂和应用场景上的新公司 OpenAI，血亏之下，不想受制于巨头，像以自己的影响力，通过融资来自建一个基本自主的产业链，OpenAI 的大致图景是——上游算力自研和外采对半分（AMD 的 6GW 是备胎算力）、中游云服务完全听命于自己，以帮助自己全力保持技术领先，和推广 AI 应用。

a. 自建数据中心：OpenAI+ 融资 + 芯片商 +Oracle=Stargate

从公司的股权架构设计来看，其实 Stargate 就是一个专门服务 OpenAI 算力需求的大块头新兴云公司（10GW 设计产能）。只是 OpenAI 通过最初的投资入股，在 Stargate 公司股权占比 40%，强化对算力基础设施的主导权。

b. 绑定订单：作为一个深受高价算力和供给不足束缚的云服务终端客户，最符合 OpenAI 利益的其实是过剩且便宜的算力，利用上游供应商 FOMO 心理，绑定一切能绑定的产能，用未来的收入预期作为偿付能力，锁定芯片供货。

但这里 OpenAI 的收入年化 200 亿要在三年内走到年化 1000 亿美金，才有真正付得起这些付款承诺的可能性。而目前的巨头中没有人在几年内把自己收入打到千亿美金以上。这里海豚君合理推测，它的目的之一可能就是有意制造供给过剩，以便把算力成本打下来。

OpenAI CEO 奥特曼在问到是否会有算力的产能过剩的时候，他毫不隐藏他对算力过剩的渴望：“肯定会有很多轮的算力过剩，无论是 2-3 年内出现，还是 5-6 年内出现，可能是这个时间内多轮的产能过剩。（“there will be come to a glut (of compute) for sure, whether it’s 2-3 or 5-6 years at some point, probably several points along the way.”）

四、总结：2026 年投资主题——算力结构性过剩 + 产业链利润下移？

从以上分析可以看到，目前整个 AI 产业链因为利润过度集中于上游（一定程度上类似新能源车崛起过程中，利润一度高度集中于赣锋和天齐锂业等锂矿股），导致下游现在在做场景应用上，像是用金铲子挖土一样，场景落地的时候，生产资料成本太高，挖出来的东西完全无法匹配这个生产资料的成本。

因此，在当前这种产业链矛盾下，接下来的 AI 投资就是在产业链利润下移 + 结构性供给过剩中找机会，只有算力打下来，才能带动下游的繁荣。

所谓的结构性过剩，比如说传统的电力和机房建设速度跟不上，导致算力吃灰；而产业利润下移，则重点跟踪就是模型在终端场景上的落地速度、对 SaaS 股的可能影响、端侧产品的 AI 渗透、AI 带来的新硬件如机器人与 AI 眼镜等等。

到目前为止，海豚君已经开始看到一些产业链利润下移的迹象，比如现在英伟达的客户可以拿着 TPU 来威胁英伟达给出更优惠的供货条件（其实同样售价下，需要连带股权投资，就是一种间接的产品降价）。

以下，海豚君提供几个可以持续跟踪和验证的判断：

a. 后续的英伟达可能再享受戴维斯双击的机会可能非常小，股价只能靠业绩增长，很难靠估值扩张；这会在不打压台积电逻辑的情况下，单独打压算力估值。

b. 谷歌开始卖裸芯而不是更高利润的 TPU 云租赁的新闻说明了，一方面谷歌在自有芯片的排产上并不是问题（台积电产能安排问题）。

另一方面行业真正紧缺的到 2026 年应该已经转到了 IDC 数据中心的建设上（如数据中心建设的水污染、用电问题等等），而这部分的投资并不是生意壁垒投资，而是产能错配投资。需要时刻关注新开工数据中心的建设节奏。

c. 创业企业：AI 游戏的门槛太高，OpenAI 等新兴公司，想要颠覆巨头并不容易，过度押注 OpenAI 链上的资产并不明智。

因为垂直一体化逻辑的长线条竞争中，还是掌握了资金、算力、模型、云服务和场景的全要素巨头才更容易胜出。