SemiAnalysis創辦人Dylan Patel：AI基礎設施投入被嚴重低估，真正的回報不只來自Token

TradingKey - 當人工智慧公司的營收仍在快速成長時，圍繞著它們的資料中心、GPU、電力和晶片供應鏈投資，已經先一步進入「兆美元時代」。

問題也隨之變得直接：如此龐大的基礎建設投入，最終能否轉化為足夠的營收、利潤和經濟成長？

在《Big Technology Podcast》的一集訪談中，SemiAnalysis 創辦人 Dylan Patel 和分析師 Jordan Nanos 討論了 AI 基礎建設的規模、報酬、融資、新興雲端、安全風險以及 Anthropic 與 Google 的競爭格局。兩人的整體判斷偏向樂觀，但也承認，AI 產業正在接近資金、能源、建設能力與社會分配的多重約束。

AI基建規模可能達到2兆美元

Patel 認為，市場普遍低估了 AI 基礎設施建設的真實規模。根據他的估算，美國下一年的相關資本支出可能接近 2 兆美元，占美國 GDP 的 5% 至 6%。這個數字不僅包含資料中心和 GPU，也包含電力、冷卻系統、晶片、施工設備以及完整供應鏈的投入。

AI 基礎設施與傳統鐵路、公路建設還有一個重要區別：美國建設的算力並不只服務美國本土。歐洲和亞洲使用者使用的部分 AI 服務，實際上依賴美國的資料中心完成訓練和推理。因此，美國的資本支出在很大程度上承擔了全球 AI 需求，其經濟影響也可能超過過去單一國家內部的基礎設施週期。

這意味著，AI 基礎設施已經不再是一個單獨的科技產業，而是逐漸成為影響 GDP、資本市場和產業政策的總體經濟變數。

AI投資增速會放緩，但需求尚未見頂

AI 資本支出不可能永久維持高速成長。隨著投資基數擴大，企業很難在更高的規模上繼續實現翻倍成長。與此同時，電力、土地、施工能力、晶片供應和融資能力，都在形成越來越明顯的約束。

Jordan 指出，對大型雲端廠商和新興雲端廠商來說，在原有規劃之外再增加吉瓦級電力設施，難度已經明顯提高。即使投資報酬良好，企業也必須先籌集巨額資金，才能繼續推進建設。

但成長放緩並不等於需求崩潰。當前產業面臨的核心問題仍然是供給不足，而不是算力過剩。晶片產能、資料中心建設速度和電力接入能力，都還難以完全滿足客戶需求。

真正的風險觸發點，是企業對智慧和知識工作的需求出現明顯回落。只要需求仍然超過供給，產業就很難因為資本支出增速下降而立即進入下行週期。

AI收入滯後於投資，回報可能來自整個經濟體系

AI 產業的另一個特徵，是營收通常落後於資本支出。資料中心與 GPU 需要多年折舊，今天投入的資金，需要在未來數年透過模型調用、企業軟體、自動化服務與新產品逐步回收。

Patel 認為，市場對未來 AI 營收的預測可能仍然偏低。因為 AI 的價值不只是 API 調用、Token 計費與訂閱服務，更多營收可能來自 AI 進入其他產業之後創造的新產品與新效率。

Jordan 舉例表示，如果前沿模型能夠承擔大量知識工作，它們就可能進入機器人、自動駕駛、藥物研發、醫療與生命科學等領域。在這些產業，AI 創造的價值將透過新藥、汽車、晶片與服務體現，而不只是透過每次模型調用收費。

晶片設計產業就是一個典型例子。過去數十年，美國晶片設計研發人員數量沒有大幅成長，但產業創造的價值卻持續擴大，原因之一是工程工具提升了研發人員的生產力。AI 可能把這種效率提升擴展到更多產業，讓企業用相近的人員規模完成更多研發、設計與生產工作。

這也是 AI 基礎設施投資最核心的邏輯：投資人押注的不是今天的聊天機器人營收，而是未來智慧擴散到整個經濟體系之後帶來的新增價值。

新興雲成為AI擴張的關鍵基礎設施

隨著前沿實驗室與超大規模雲端廠商不斷擴大算力需求，新興雲端廠商成為 AI 基礎設施擴張的重要承載者。

SemiAnalysis 的 ClusterMax 報告主要評估 GPU 雲端的可靠性、安全性、網路、儲存、效能與維運能力。CoreWeave、Nebius 被列為頂級廠商，甲骨文與 Google 雲端的服務能力也受到肯定。

但技術品質與股票價值並不是同一個問題。甲骨文雖然在叢集服務方面表現出色，卻面臨資料中心延期、管線許可、債務規模與專案執行等風險。部分新興雲端廠商則把主要精力放在融資與擴建上，對底層安全與服務品質投入不足。

這反映出目前市場仍處於賣方市場。客戶迫切需要 GPU，供應商因此可以快速獲得訂單與融資，但這也降低了它們改善服務體驗的壓力。

輝達正在成為產業鏈的金融後盾

輝達在新興雲端生態系中扮演的角色，已經不只是晶片供應商。

SemiAnalysis 估計，輝達提供的表外擔保和支援規模可能達到 5880 億美元，涵蓋 GPU 採購之外的施工、儲存、供應鏈和資料中心建設。輝達的目的，一方面是降低對少數超大規模雲端廠商的依賴，另一方面是幫助更多客戶獲得算力和融資。

只要終端需求持續強勁，這種擔保、融資和 GPU 租賃機制就能形成正循環。但與此同時，產業鏈之間的相互依賴也在加深。一旦 AI 需求放緩，風險可能沿著長期合約、債務和資產負債表快速傳導。

因此，輝達的「兜底」既是產業擴張的推動力，也說明 AI 基礎設施已經形成了複雜的金融網路。

Anthropic與谷歌的競爭將轉向商業化

Patel 對 Anthropic 長期前景非常看好，但他也認為，達到極高估值需要公司將業務從模型呼叫擴展到更多領域。

Anthropic 的優勢不僅在於模型能力，也在於較高的毛利率、較低的獲客成本和較強的客戶黏著度。AI 實驗室如果能夠將模型用於軟體、藥物、醫療和企業服務，利潤空間可能超過傳統 SaaS 業務。

Google 則面臨另一種壓力。過去，Google 擁有顯著的算力優勢，但如今更多 TPU 和基礎設施被用於對外銷售以及支援 Anthropic，DeepMind 獲得的算力占比下降。

Google 正在嘗試從晶片、雲端平台和模型服務的各個環節獲取收入，但 Gemini 仍需要找到足夠清晰的產品優勢。否則，算力、模型和人才優勢都可能繼續被 OpenAI、Anthropic 和 Meta 削弱。