AI泡沫原罪：英偉達是AI戒不掉的“毒丸”？

以2022年年末ChatGPT發布為標志，三年間AI狂熱從算力、存儲、網絡、制造、電力基建、軟件應用，甚至到邊緣設備，每個方向的細分賽道都被輪番反復炒作了一遍。

但到三周年末，當AI基建的頂梁柱們，在三季報前后一個個宣布前所未有的AI大基建時，市場反而跟突然喪魂了一樣，開始擔心AI投資要泡沫了。

產業有人賺得盆滿缽滿，有人虧到瘋狂融資，問題到底出在哪里？融資眼花繚亂，千奇百怪，為什么？

本篇，海豚君通過產業鏈核心公司的報表來仔細研究一下這些問題，并嘗試理解，到底AI投資是否已經真走到泡沫階段了？如果真有泡沫，那么泡沫的原罪在哪里？

一、融資眼花繚亂？產業鏈利潤分配重度扭曲

下面這張圖，對很多人來說恐怕已經很熟悉了。這張圖最大的問題，整個產業鏈的最終用戶，也就是OpenAI的用戶在整個資金循環鏈條里創收規模相比投入太小，沒有被畫到圖中。

但張圖的核心信息，其實也就是下游客戶用上游供應鏈的錢來為自己的業務融資，這么一個簡單而又古老的供應鏈融資方法。

同時，一級市場模型巨頭們供應鏈融資同步發生的，還是二級市場應用巨頭們已逐步普遍表內、表外債券融資（詳細分析見）

但這里的問題是，為何在芯片商如英偉達賺到盆滿缽滿、全市場都在說AI是新一場技術革命的時候，AI拓荒人OpenAI要用下一盤這么大的融資棋局？為什么本來富到流油的美股巨頭如谷歌、Meta等等，現在要用債務才能支撐未來的發展？

其實答案很簡單，AI產業初期，產業鏈利潤分配重度不均，上游把好處基本“吃干抹凈”了。

AI的主產業鏈主要是這么五類玩家：晶圓代工（臺積電）——算力商（英偉達）——云服務商（微軟）——模型商（OpenAI）——終端場景五層來分。

1.1）從云服務商的經濟賬說起：到底誰賺了紅利、誰賺了吆喝、誰擔了風險？

A. 云服務商們的經濟賬：100元收入分布——55元成本、10元運營開支，35元利潤；

以下，海豚君用一本產業鏈一本簡單的經濟賬來給大家仔細算下數，來直觀了感受一下這場三年的AI繁榮當中。我們知道，云服務是一個既重資金壁壘，又重基本壁壘的行業。它的前半部分跟蓋房子一樣，需要把廠房蓋起來、機柜、布線、冷卻等等都要做好，這部分算是機房的硬裝。

軟裝部分就是放入GPU、CPU，這中間GPU內部的連接、GPU與GPU，以及與其他設備的連接要做好，再加上網絡、寬帶，通上電，軟裝基本完成。這些要素放在一起，再通過技術人員完成“靈魂點睛”，就是一個 比肩 基礎的IaaS服務了。

從上面的要素其實可以看出，雖然它聽起來高大上，本質上沒有擺脫運營商生意的范疇——把各種重資產+技術組合在一起，形成云服務，通過租賃云服務賺錢。

這個生意的核心就是，成本要足夠低，比如說成本最高的GPU裝上去了之后可以用個十年八載的，不能像光伏電場那樣，隔三差五光伏板就要換掉。

來源：英偉達NDR材料

按海豚君的估算，云服務商假如用全新的AI產能來提供AI云服務，那么每賺100元，大約35元是前期買入設備（以GPU）的攤銷折舊，GPU折舊年限以目前云服務商普遍的五年期來算，資本開支投入其實是175元。

而如果英偉達的GPU，那么基本上125元（70%以上）是GPU（含網絡設備）提供生的收入，剩下是CPU、存儲、網絡設備等。

除了固定成本，還有能源電力、帶寬、運維等成本，而運營費用上，主要就是研發銷售和行政等費用了。100元的收入最終實現的賬面經營利潤是35元。

備注：數據取AWS和Azure中間值利潤率估算，結合GPU云租賃的ROI與傳統對比來做模擬

從這些數中，可以看到一個很明顯的問題是：

① AI基建早期，云服務商只有明面利潤，實際嚴重缺錢：在這個簡單的模型中，云服務商明面上是賺了35塊錢，但由于其實在拿到收入之前，其實已經提前預支自己的全部100元收入都不夠，需要花175元來先買GPU設備。也就是說CSP其實只賺了賬面利潤，實際投入是倒貼的。

② 數據中心瘋狂融資：云大廠由原本的現金牛業務來支撐，但現在新興的新云如CoreWeave、Nebius、Crusoe、Together、Lambda、Firmus 和 Nscale等因為沒有原本的現金流業務，現在普遍需要發行資產抵押支持證券融資來提供云服務。

B. 100元的云服務收入，如何流入英偉達、OpenAI賬本？

① 算力提供商(英偉達)——盆滿缽滿的設備股

云服務的成本，是英偉達的收入。每100元的云服務收入，因為有35元是設備折舊，按五年折舊期，提供這些服務需要提前采購大約175元的設備。

英偉達的GPU在采購中的價值大約占到了70%，相當于云服務這100元的收入，單獨向英偉達就已支付了125元的GPU設備采購費。

很顯然，作為云服務商生產資料要素采購中，單體價值最大的一環，英偉達在早期AI基建期賺得盆滿缽滿。

② 眼下的Open AI——8億WAU，但虧光褲子的應用股

整個產業鏈條中，云服務的需求側——OpenAI是需求的源頭，它的償付能力決定了這個鏈條循環的健康度。但目前 OAI的創收能力來看，砸了這么多的算力資源，結果上只能算是“金鏟子”挖“土”。

首先云服務商100元的GPU租賃收入，到OpenAI這里，其實就是它為自己的用戶提供服務的云服務成本。按媒體披露的OpenAI 25年上半年財務狀況，100元的云開支，只能對應公司96元的收入，同時算上公司的研發人員開支、營銷和管理支出（不含期權激勵）——100元支出，公司基本虧掉了100元。

C. 核心矛盾： 產業鏈利潤分配嚴重扭曲

把這三家公司簡單模擬的經濟賬放在一起，一幅對比鮮明的產業鏈利潤分配圖景就出現了：產業鏈核心鏈主的產業鏈利潤、風險收益分配極度不均衡。

上游鏟子股——以英偉達為代表的算力資產是輕資產業務，憑借壟斷地位，不僅收入增長快，而且應收款風險較低，盈利質量高，盈利賺得盆滿缽滿；

中游資源整合方——云服務商們承擔著大塊頭的產業鏈投入，和資源整合，前期投入巨大，明面賺錢但實際現金流吃緊，是事實上最大風險承擔方；

下游應用商——生產資料（云服務）太貴，收入太少，只能覆蓋一定點的云服務成本，是虧在明面上的應用股，最終應用股的健康程度，才是決定產業鏈健康度的生死劫。

這樣的產業鏈利益不斷往上游轉移，AI主產業鏈鏈主們的矛盾日益突出，行業競爭動態天平開始明顯變化：

① 算力——英偉達

英偉達憑借第三方GPU的壟斷地位，尤其是訓練階段的獨特優勢，享受了AI基建早期的最大紅利。但它的產品賣到客戶那里不是易耗品，而是一個能夠使用多年的資本品。

它的高成長，從行業Beta角度，主要集中在AI數據中心的產能投建期。公司的增長斜率會高度依賴云服務商的資本開支增長斜率，當云服務商的資本開支即使在新高的位置一旦穩定下來，不再告訴增長，那么對應的芯片商收入零增長，萬一錯估了周期，再來點存貨減值，利潤率就會直線下滑。

最新季度，英偉達前四大客戶貢獻了公司61%的收入，很顯然它的收入就是云服務商們的資本開支預算。

來源：英偉達2025年NDR材料

當下在4-5萬億的市值壓力之下，英偉達是持續交付芯片，撐起美股半邊天的壓力，因此，它的核心訴求就是繼續賣芯片，賣出更多芯片，方法上比如說：

a.芯片銷售擴散到海外市場，比如特朗普帶著GPU商家們去中東等地區簽單；同時痛失中國市場，讓黃仁勛說出了美國要輸掉AI戰爭的喪氣話。

b. 瘋狂迭代：創造云服務商們一直需要更新設備的需求。目前英偉達基本每2-3年就會有一次大的產品系列迭代，有些版本的迭代，甚至需要全新的數據中心建設標準來配置GPU。

② 云服務商——微軟：垂直一體化降本

云服務商目前是供不用求，似乎享受的行業紅利，但其實長期是承擔了產能錯配的風險，因為最大的資本開支都是由它來承擔的，一旦需求判斷失誤，數據中心閑置，云服務商就成了損失最為慘重的產業鏈環節。具體來看，

a. 短期：云服務毛利率更低

當下的短期問題是，由于GPU太貴，GPU云服務比傳統云服務毛利率更低。而按照微軟CEO納德拉的說法，目前AI云業務中產生利潤的不是GPU，而是除了GPU之外的其他設備部署（存儲、網絡、帶寬等）——換句話說，現在的AI數據中心，因為GPU太貴了，其實是用GPU引流，靠搭售附加產品來賺錢。

b: AI算力的攤銷折舊風險

運營商生意是重資產業務，最怕生產資料投入的攤銷折舊周期太短（風能發電廠和3G時代的電信運營商都有過類似問題）；英偉達推新太快（兩年一次），折舊年限至關重要；

c. 前置投資風險

長期承擔了資源整合和資金風險（資本開支）；如果客戶盈利能力不足、場景落地慢、技術迭代突然出現非線性迭代（比如模型變輕，小模型在端側能完成AI大任務，或者本身軟件迭代對算力需求大幅減少），可能后續產能利用不足，導致云服務商產能與需求誤判，那么它會成為最大下游客戶失敗的風險承擔方，體現不是應用賬款收不會，而是數據中心產能浪費。

很明顯，從云服務商的角度，可以做的是，降低數據中心的最大成本項——GPU成本，比如說繞過英偉達稅，自研1P算力芯片；雖然需要外包一部分設計工作給到博通、Marvell等ASIC設計商等等，但整體能夠大幅降本。結合資料信息，構建1GW算力中心，用英偉達GPU的成本是500億美金，而用TPU大約是200-300億美金。

③下游應用（含模型）主要風險——生產資料成本太高，收入不匹配，現金流斷裂風險。

這里選OpenAI作用終端的場景應用股（含了模型層）。

收入高速增長：根據媒體披露，按OpenAI目前的月收入推進速度， 2025年按月預計年底年化200億美金，25全年130億美金，同比增長250%；

支出飆升更快：這里的問題是，收入在高速增長過程中，并沒有正常商業模式下收入放大之后，虧損率逐步減少的情況，反而支出的增長斜率比收入的增長斜率更高，收入越做大，虧損反而約高。

按媒體披露信息，2025年收入130億，虧損應該估計至少150億上下；如按微軟財報信息（按40%股權），OpenAI虧損年化虧損應該已超300億。

OpenAI目前的訴求也很明顯，首先云服務成本太高了，導致收入不經濟，收入多了，反而虧得更兇猛；在與此同時；由于收入缺口太大，公司需要融資的同時，還需要進一步做大收入，而在做大收入過程中，云服務靠外部提供，供應商容量不夠，導致產品推新延遲（比如說Sora因此推遲，OpenAI Pulse高定價拖累滲透率）。

三、AI產業鏈：巨頭博弈產業鏈定價權

AI技術（模型）迭代足夠快，逐步成熟到可以落地的程度，但部署上成本太高——云服務成本太高，無法支撐技術在應用場景上的快速擴展。

而以上的經濟賬模擬，可以很清晰地看到，高成本是因為產業鏈加價太嚴重——英偉達芯片毛利率75%（加價率4倍）、CSP(云服務)毛利率50%上下（加價率2倍），到OpenAI使用的時候，鏟子的成本已經太高，即使是互聯網歷史上增速斜率比較高的應用，都無法覆蓋更快速度的成本上升。

于是產業鏈博弈開始了！

英偉達因在數據中心中的價值量和技術壁壘都較高，因此想掏空云服務商的價值，讓它淪為GPU的包工頭。而云服務商覺得英偉達稅收得離譜，想要通過自研芯片把英偉達超額利潤打掉。

而自從微軟解綁了它只能使用Azure作為云服務提供商的禁制之后，OpenAI已經明確表達的自己的意圖，要自建數據中心，OpenAI似乎想消除上游每一段的超額溢價，最好把算力的價格打到白菜價，推動應用的繁榮。

結果就出現了2025年年底最受寵的商業模式，也是目前最流行的投資賽道“全棧AI”，其實說白了，就是產業鏈的垂直一體化。三家雖然操作不同，但本質上都是在垂直一體化的方向上努力：

① 英偉達：英偉達+新云小弟們=削弱CSP大廠產業地位

依賴GPU的壟斷地位，通過優先供應最新Rack系統，產能回購協議等，扶持一堆IaaS仰仗英偉達的發貨排序的新興云平臺Coreweave、Nebius等，其中對Coreweave的回購兜底最為突出。

這些新云前期普遍大量融資，新云大多依賴于英偉達的供貨傾斜或者融資支持，最終新云的產能基本都是使用英偉達的芯片。通過這個操作，英偉達實際上等于除大型CSP之外，鎖死了其他小云服務商的GPU選擇權。

但對于這個操作，微軟CEO納德拉層在訪談中曾間接表達過，“一些人以為提供云服務，就是買一堆服務器，插上電就可以了”。言外之意，實際云服務是一個非常復雜的業務，門檻并不低，不然全球的云服務市場那么大，但只是被三四朵云所壟斷。

從這個角度出發，今年爆炒的新云服務商，其實背后一定程度上就是在GPU供給緊缺的情況下，英偉達通過優先分配權拉起來的下游代理商（二道販子），假如長期產業供需均衡，產業競爭邏輯走向正常的技術、資金、渠道、規模導向型商業模式，這些新云是不是還能存在，還很難說。

似乎AI新云玩家，看起來更像是一個AI基建上半場的產業鏈博弈中的過程產物，而非供需平衡下終局格局中可以和云服務巨頭分庭抗禮的競爭對手。

② 云服務商：云服務商+ASIC設計商+下游產品=削弱英偉達芯片壟斷溢價

a.目前GPU用量較大的公司基本都開啟了自研芯片的努力，這里除了云服務商，一些單體用量較大的下游客戶如Meta、字節、特斯拉等都在自研ASIC芯片。

在ASIC芯片自研子產業鏈中，ASIC設計外包商如博通、Marvell、AIchip、AUC、聯發科等等，都是高價值的資產。

b.討價還價的二供備胎價值

自研芯片，啟動最早，產品名聲最高的主要是谷歌聯合博通研發的TPU，直接供應了Gemini 3的研發；同時，其實亞馬遜也很早啟動了自研GPU的研發（訓練Trainium、推理Inferentia）。

按此次英偉達的財報（Anthropic首次開始使用英偉達合作），Anthropic模型的研發其實應該主要是基于亞馬遜的云和亞馬遜的Trainium芯片。

全球兩個性能靠前的模型Gemini和Anthropic，一個在完全不用英偉達，一個較少用量的情況下，都把模型訓練到了領先的位置，已經明顯開始影響到英偉達的在算力行業的定價權。

這樣的案例影響下，下游客戶通過威脅使用TPU（甚至都未必是真部署），就能迫使英偉達為鎖死下游客戶訂單，通過融資擔保、股權融資、剩余產能兜底等方式來間接降價，本質上就是客戶把部署GPU的成本給拉了下來。

這些已經是英偉達算力地位受到威脅的實際體現。

c. 下游產品滲透：產品線全系AI武裝，防守Chatgpt崛起

這些處于中間環節的云廠商，本身核心業務大多為再往下游的模型和軟件應用的場景，除了往上通過垂直一體化防止英偉達在云業務上偷家，往下還要讓自己的全系產品場景都武裝上AI，與ChatGPT展開競爭，防止被ChatGPT顛覆。

③ OpenAI：產業鏈自主=Stargate

而處在模型廠和應用場景上的新公司OpenAI，血虧之下，不想受制于巨頭，像以自己的影響力，通過融資來自建一個基本自主的產業鏈，OpenAI的大致圖景是——上游算力自研和外采對半分（AMD的6GW是備胎算力）、中游云服務完全聽命于自己，以幫助自己全力保持技術領先，和推廣AI應用。

a. 自建數據中心：OpenAI+融資+芯片商+Oracle=Stargate

從公司的股權架構設計來看，其實Stargate就是一個專門服務OpenAI算力需求的大塊頭新興云公司（10GW設計產能）。OpenAI通過最初的投資入股，在Stargate公司股權占比40%，強化對算力基礎設施的主導權。

b. 綁定訂單：作為一個深受高價算力和供給不足束縛的云服務終端客戶，最符合OpenAI利益的其實是過剩且便宜的算力，利用上游供應商FOMO心理，綁定一切能綁定的產能，用未來的收入預期作為償付能力，鎖定芯片供貨。

但這里OpenAI的收入年化200億要在三年內走到年化1000億美金，才有真正付得起這些付款承諾的可能性。而目前的巨頭中沒有人在幾年內把自己收入打到千億美金以上。這里海豚君合理推測，它的目的之一可能就是有意制造供給過剩，以便把算力成本打下來。

OpenAI CEO 奧特曼在問到是否會有算力的產能過剩的時候，他毫不隱藏他對算力過剩的渴望：“肯定會有很多輪的算力過剩，無論是2-3年內出現，還是5-6年內出現，可能是這個時間內多輪的產能過剩。（“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、總結：2026年投資主題——算力結構性過剩+產業鏈利潤下移？

從以上分析可以看到，目前整個AI產業鏈因為利潤過度集中于上游（一定程度上類似新能源車崛起過程中，利潤一度高度集中于贛鋒和天齊鋰業等鋰礦股），導致下游現在在做場景應用上，像是用金鏟子挖土一樣，場景落地的時候，生產資料成本太高，挖出來的東西完全無法匹配這個生產資料的成本。

因此，在當前這種產業鏈矛盾下，接下來的AI投資就是在產業鏈利潤下移+結構性供給過剩中找機會，只有算力打下來，才能帶動下游的繁榮。

所謂的結構性過剩，比如說傳統的電力和機房建設速度跟不上，導致算力吃灰；而產業利潤下移，則重點跟蹤就是模型在終端場景上的落地速度、對SaaS股的可能影響、端側產品的AI滲透、AI帶來的新硬件如機器人與AI眼鏡等等。

到目前為止，海豚君已經開始看到一些產業鏈利潤下移的跡象，比如現在英偉達的客戶可以拿著TPU來威脅英偉達給出更優惠的供貨條件（其實同樣售價下，需要連帶股權投資，就是一種間接的產品降價）。

以下，海豚君提供幾個可以持續跟蹤和驗證的判斷：

a. 后續的英偉達可能再享受戴維斯雙擊的機會可能非常小，股價只能靠業績增長，很難靠估值擴張；這會在不打壓臺積電邏輯的情況下，單獨打壓算力估值。

b. 谷歌開始賣裸芯而不是更高利潤的TPU云租賃的新聞說明了，一方面谷歌在自有芯片的排產上并不是問題（臺積電產能安排問題）。

另一方面行業真正緊缺的到2026年應該已經轉到了IDC數據中心的建設上（如數據中心建設的水污染、用電問題等等），而這部分的投資并不是生意壁壘投資，而是產能錯配投資。需要時刻關注新開工數據中心的建設節奏。

c. 創業企業：AI游戲的門檻太高，OpenAI等新興公司，想要顛覆巨頭并不容易，過度押注OpenAI鏈上的資產并不明智。

<此處結束>

//轉載開白

本文為海豚研究原創文章，如需轉載請添加微信：dolphinR124 獲得開白授權。

//免責聲明及一般披露提示

本報告僅作一般綜合數據之用，旨在海豚研究及其關聯機構之用戶作一般閱覽及數據參考，並未考慮接獲本報告之任何人士之特定投資目標、投資產品偏好、風險承受能力、財務狀況及特別需求投資者若基於此報告做出投資前，必須諮詢獨立專業顧問的意見。任何因使用或參考本報告提及內容或信息做出投資決策的人士，需自行承擔風險。海豚研究毋須承擔因使用本報告所載數據而可能直接或間接引致之任何責任或損失。本報告所載信息及數據基於已公開的資料，僅作參考用途，海豚研究力求但不保證相關信息及數據的可靠性、準確性和完整性。

本報告中所提及之信息或所表達之觀點，在任何司法管轄權下的地方均不可被作為或被視作證券出售邀約或證券買賣之邀請，也不構成對有關證券或相關金融工具的建議、詢價及推薦等。本報告所載資訊、工具及資料並非用作或擬作分派予在分派、刊發、提供或使用有關資訊、工具及資料抵觸適用法例或規例之司法權區或導致海豚研究及／或其附屬公司或聯屬公司須遵守該司法權區之任何註冊或申領牌照規定的有關司法權區的公民或居民。

本報告僅反映相關創作人員個人的觀點、見解及分析方法，並不代表海豚研究及/或其關聯機構的立場。

本報告由海豚研究製作，版權僅為海豚研究所有。任何機構或個人未經海豚研究事先書面同意的情況下，均不得(i)以任何方式製作、拷貝、複製、翻版、轉發等任何形式的複印件或複製品，及/或(ii)直接或間接再次分發或轉交予其他非授權人士，海豚研究將保留一切相關權利。

文章不易，點個“分享”，給我充點兒電吧~