巨头喊“控节奏”，不等于给AI硬件判死刑。市场如果把它简单当成利空来砸，大概率会砸错方向。

资本开支根本没停，反而在加速

这是最直接的反驳。2026年九大云厂商的合计资本支出已经上调到8300亿美元，同比增幅从原来的61%直接拉到79%。微软一家就干到1900亿，同比涨130%；亚马逊突破2300亿，一半以上砸在AI云服务上；谷歌和Meta分别落在1800到1900亿、1250到1450亿的区间。

如果巨头真打算“减速”，这些数字第一个不答应。合同签了，地也圈了，设备订单也下了。喊两句安全口号和真金白银砍预算，完全两码事。

推理需求正在接棒训练，这个逻辑比“模型迭代快慢”更扛打

大家盯着“前沿模型迭代会不会拉长”，但忽略了另一件事：算力消耗的大头正在换人。

联想杨元庆在5月的业绩会上说得很直白——现在70%到80%的算力还在训练上，推理只占20%到30%，但未来会倒过来，推理吃掉70%以上。北美五大云厂商2026年的训练算力预计增长56%，推理算力直接暴增122%，是训练的两倍多。

推理需求跟模型迭代速度的关系，比训练弱得多。只要Agent数量在涨、用户调用频次在涨，推理的算力胃口就停不下来。2026年全球活跃智能体数量预计达到近8000万个，到2030年冲到22亿个。中国这边的Token年消耗量预计2026年达到10亿亿，2030年超过3500亿亿。

前沿模型迭代慢一点，推理侧的增量照样能把算力盘子撑住。

“囚徒困境”是真实的，没人敢真停

Amodei自己都说了，降速的前提是“不损害美国在AI领域的领先地位”。翻译过来就是：我可以慢，但中国不能比我快。

中国头部科技企业的AI资本支出预计从2025年的650亿美元跳到2026年的1400亿，2027年再上到1650亿。美国六家头部公司2026年的合计投入超过7850亿，账面看是中国的五倍多。但穆迪算过一笔账：中国每投一美元换来的实际算力，比美国高不少。截至2025年底美国数据中心装机容量约52吉瓦，中国约28吉瓦，到2030年预计变成100对67吉瓦，差距在缩。

英伟达在中国AI GPU市场的份额已经从90%掉到几乎为零，摩根士丹利预测未来中国76%的AI芯片供应将由本土企业填补。

这种局面下，任何单方面的“真减速”都等于把位置让出去。喊口号可以，踩刹车不行。

AI自我迭代这件事，比多数人想的走得更远

市场有一种误读，觉得巨头喊“控节奏”是因为缩放定律失效了、堆GPU没用了。恰恰相反。

OpenAI在2026年2月发布GPT-5.3-Codex时，第一次公开承认早期版本的模型参与了自己后继者的工程循环——帮忙调试训练流程、管理部署、诊断评估失败。到7月的GPT-5.6，已经进入真实生产环境分析线。9月6日，OpenAI披露内部递归自我改进的进展，说实现了“自动化研究实习生”，计划2028年3月前做出完整的“自动化AI研究员”。

模型开始参与造下一代模型，这才是巨头真正害怕的东西。害怕的根源是能力曲线还在陡峭上行，不是曲线走平了。

光模块的迭代节奏没有松动迹象

如果前沿训练真的明显放缓，最先感知到的应该是高速光模块的规格切换。但数据完全不是这么回事。

高盛9月刚把光模块预测大幅上调，800G及以上规格2026年出货量预计7822万只，同比增长166%，2027年继续增长84%。1.6T从2026年开始放量，3.2T预计2027年大规模出货。AI整机柜出货量2026年预计5.5万柜，同比增长190%。

光模块的驱动力已经不只是“训练集群堆卡”，更多来自推理集群的网络架构升级和ASIC芯片的铺开。谷歌、Meta的自研ASIC对光模块的用量甚至可能比GPU方案更高。

跟踪AI硬件，盯三个东西就够了：云厂商资本开支有没有实质下修、GPU集群规模有没有缩减、高速光模块迭代有没有慢下来。目前这三项，一个都没出现。

巨头喊控节奏，喊的是安全和合规的话术，花的却是扩张和竞赛的钱。两件事并行不悖。