# AI 最先耗尽的，也许不是算力，而是钱

**信源：**《What Happens When the AI Boom Runs Out of Money》访谈整理，2026 年 8 月。
过去两年，围绕 AI 基础设施最大的担忧一直在变化。最开始是 GPU 不够，随后是数据中心不够，再后来变成电力不够。但真正值得警惕的下一个瓶颈，也许更加传统：**资本。**
这并不是一个“AI 是泡沫”的判断。相反，AI 的长期需求完全可能继续高速增长。真正的问题在于，AI 基础设施的投资曲线和 AI 应用的现金流曲线并不同步。
建设数据中心、购买 GPU、扩充晶圆厂、电网和网络，都需要今天支付现金；但 Agent、企业 AI、机器人等应用真正形成足够大的利润池，可能还需要几年时间。于是整个行业必须跨越一个巨大的时间差：**CapEx 已经发生，Revenue 还没有完全到来。**
过去几年，大型科技公司的 AI 投资首先由自由现金流支持，随后开始进入债券市场，再逐渐出现股权融资、私募信贷、保险和养老金等更复杂的资本来源。这个变化本身就是一个重要信号：AI 不是没有需求，而是这场基础设施建设正在沿着“资本成本曲线”不断向下寻找新的资金。
这也是铁路史为什么成为一个有价值的类比。十九世纪的铁路最终深刻改变了美国经济，但铁路建设仍然制造过严重的金融危机。问题并不是铁路没有价值，而是修铁路需要今天花钱，铁路产生现金流却可能需要十年甚至几十年。
AI 很可能面临类似的 duration mismatch。
更值得注意的是，今天整个 AI 基础设施的回报率，很大程度上仍然建立在“短缺定价”之上。GPU 一上线就被租走，数据中心建成就能填满，云端算力价格维持高位，因此目前看到的回报周期非常漂亮。
但商品市场最危险的地方恰恰在这里：**不能用短缺时期的 ROI，外推供给充足时期的 ROI。**
数据中心与航运、内存其实存在相似的经济学。前期固定资产投入巨大，而资产建成之后的边际运行成本相对较低。一旦大量供给同时进入市场，即使设备仍然保持高利用率，价格也可能快速下降。因此未来真正需要观察的，并不是“GPU 有没有被用掉”，而是**每单位 Compute 能产生多少收入和利润。**
这也是为什么 AI 基础设施最终很可能经历一次价值链重新分配。
如果算力持续短缺，Nvidia、HBM、先进封装和数据中心仍然拥有极强的稀缺性溢价；但如果 2028—2029 年前后此前规划的大量基础设施集中上线，而 AI 应用变现没有同步追上，Compute 的经济租就可能开始下降。
这并不意味着 AI 革命结束。甚至可能恰恰相反。
互联网泡沫破裂以后留下了大量廉价光纤，最终帮助 Google、Amazon 和后来整个云计算产业成长起来。如果这一轮 AI 基础设施最终出现过度建设，留下来的也可能是廉价算力、数据中心和更充裕的电力。
届时真正受益的，反而可能是应用层。
因此，理解这一轮 AI 周期最重要的，不是简单判断“泡沫还是革命”，而是同时观察四条曲线：**Token 需求、基础设施供给、AI 变现和资本供给。**
AI 完全可能成为未来几十年最重要的技术，同时某一批 AI 基础设施资产仍然成为糟糕的投资。两者并不矛盾。
这一轮 AI Boom 最值得警惕的风险，也许不是世界突然不需要 Token 了，而是：
**Token 产生现金流的速度，一度赶不上资本产生 Compute 的速度。**
而如果这个时间差真的出现，AI 的第一次大调整，可能首先发生在资产负债表，而不是模型能力上。