# AI正在从技术革命进入资本周期：当“算力军备竞赛”开始接受回报率审判

**信源：** Steve Eisman《The Real Eisman Playbook》最新一期访谈，嘉宾为 Strategas 创始人 Jason Trennert 与市场策略师 Chris Verrone。讨论涵盖美国经济、利率、AI CapEx、Hyperscaler 现金流与市场结构。
过去三年，市场讨论 AI 基础设施时，问题一直非常简单：GPU 够不够？数据中心够不够？电力够不够？
但到了今天，一个新的问题正在压过前面所有问题：
**花出去的这些钱，最终能不能赚回来？**
这可能意味着，AI 产业正在跨过一个重要分水岭——从技术革命进入资本周期。
### 从 GPU 稀缺，到资本回报率稀缺
2023 年的 AI 交易，本质上交易的是 GPU scarcity。只要 NVIDIA 能交付更多 GPU，云厂商就愿意买，因为算力远远供不应求。
随后瓶颈开始向外扩散。GPU 有了之后，数据中心没有电；电有了，变压器、液冷、光通信、土地和施工周期又成为约束。
于是市场开始交易另一件事情：
**Time to Compute。**
也就是一美元资本开支，需要多久才能真正变成可以运行模型的算力。
而现在，第三阶段正在到来。
Eisman 在访谈里反复追问的已经不是 AI 有没有需求。恰恰相反，几位嘉宾基本认同 AI 需求仍然很强，甚至仍处在供不应求状态。真正值得担心的是，Hyperscaler 为满足这些需求投入的资本越来越大，自由现金流却开始受到明显挤压。
因此问题变成：
**Time to Return。**
部署出来的 GPU，到底什么时候能够转化为足够高的收入、利润和现金流？
### 互联网公司的商业模式正在被改写
过去二十年，Google、Meta、Microsoft 之所以能够获得极高估值，一个重要原因是它们拥有极其优质的商业模式。
软件和互联网最大的魅力，是复制和分发的边际成本接近于零。
多一个搜索用户、多一次广告展示、多一个 Office 账号，并不需要同比例增加服务器、土地和电力投入。
AI 改变了这一点。
今天新增一笔 AI 收入之前，公司首先可能需要购买 GPU、交换机和光模块，建设数据中心、签订电力合同、部署冷却系统，然后承担未来数年的折旧。
访谈中一句话概括得很直接：
**AI business has become incredibly capital intensive。**
过去的互联网公司是现金流机器，现在却越来越像工业企业甚至半导体制造业——先投入巨额资本，再等待未来产出。
这会产生一个非常重要的结果：
**AI 产业景气，与 Hyperscaler 股东回报，开始成为两个不同的问题。**
### 卖铲子的人，可能比挖矿的人更早赚钱
这也是当前 AI 产业最值得关注的悖论。
Hyperscaler 的资本开支越大，对 GPU、HBM、光通信、网络设备、电力设备和数据中心供应链当然越有利。
但对于 Hyperscaler 自身而言，资本开支不断增加意味着自由现金流下降、折旧上升，甚至需要进入债券和股权市场融资。
因此完全可能出现一种过去并不常见的局面：
**AI 基础设施订单继续高速增长，而购买这些设备的互联网公司估值却开始承受压力。**
Jason Trennert 在访谈中的态度很有代表性：他担心 Hyperscaler 最终能否为股东创造足够好的回报，却反而对半导体更加乐观，因为无论云厂商最后赚多少钱，军备竞赛短期都很难停下来。
背后的逻辑并不复杂。
Microsoft 不能简单地问：“这个数据中心的 IRR 有没有 20%？”
它还必须问：
**如果 Google 和 Amazon 投，而我不投，我会不会失去下一代计算平台？**
这使 AI CapEx 带上了鲜明的博弈属性。
即使单个项目的资本回报率下降，所有参与者仍可能被迫继续投入。
### 真正需要警惕的是“折旧墙”
资本开支的问题还存在明显的时间滞后。
建设一座 AI 数据中心，今年已经支付现金，但其成本并不会全部进入今年利润表，而是通过未来数年的折旧逐渐体现。
与此同时，公司还要继续购买下一代 GPU。
于是未来几年可能逐渐形成一种叠加：
第一代 AI 集群正在折旧，第二代 AI 集群正在建设，第三代 AI 集群已经开始预付款。
Meta 的案例已经开始出现这种迹象。Eisman 在访谈中注意到，公司收入仍保持强劲增长，但费用增速更快，折旧也开始明显增加。
这就是未来值得重点观察的 **depreciation wall——折旧墙**。
它不会证明 AI 没有价值，却会逼迫资本市场第一次认真计算 AI 基础设施的真实经济回报。
### 下一阶段应该看“每一 GW 能赚多少钱”
因此，今后判断 AI CapEx，可能不能再只看“今年增加了多少亿美元”或者“新增多少 GW”。
产业链真正需要建立的是一条完整的转化链：
**GPU shipped→ rack deployed→ MW energized→ cluster utilized→ tokens generated→ paying workloads→ AI revenue→ free cash flow。**
前半段解决 Time to Power 和 Time to Compute。
后半段解决的才是 Time to Revenue 和 Time to Return。
这也是下一阶段 AI 基建研究最重要的变化。
过去我们问：“还能建设多少算力？”
以后更重要的问题可能是：
**每一 GW 已经通电的算力，究竟能够创造多少收入？**
### AI没有结束，只是进入更难的阶段
这份访谈并没有给出“AI 泡沫即将破裂”的结论。相反，几位嘉宾仍然认为美国经济强劲，AI CapEx 依然是美国资本投资和市场的重要驱动力。
真正发生变化的是评价标准。
2023 年，只要证明 GPU 缺货就够了。
2024—2025 年，只要证明数据中心还在建设就够了。
但从现在开始，资本市场会越来越追问：
**这些算力最终创造了多少收入？谁承担折旧？谁负责融资？产业链最后的利润到底落在谁手里？**
AI 技术革命并没有结束。
只是从这一刻开始，它正在变成一门关于资本回报率的生意。
而这往往才是一场真正产业革命最精彩、也最残酷的阶段。