AI扩张会减速吗

2026年9月14日(周一)，全球半导体和AI算力产业链总市值蒸发了超过5000亿美元。导火索不是财报暴雷，不是芯片断供，而是三位AI巨头掌舵者几乎同时喊了一声“慢一点”。Anthropic首席执行官达里奥·阿莫代伊(Dario Amodei)发文呼吁行业主动放缓前沿模型的开发速度，OpenAI的萨姆·奥尔特曼(Sam Altman)随即表态支持，马斯克也跟了一句“达里奥说得对”。市场用一场集体踩踏回应了这场“口头刹车”。

但问题远比一条新闻复杂。这到底是AI扩张周期的拐点，还是产业从青春期进入成年期的一次深呼吸？

口头刹车与油门到底

如果只看巨头的表态，AI似乎确实要减速了。可如果看他们的钱包，故事完全是另一个版本。2026年，微软、谷歌、亚马逊、Meta四家公司的资本开支合计预计达到7250亿至7600亿美元，较2025年增长超过77%，这个规模已经接近四家企业全年的运营现金流总和。Meta甚至在4月和7月两次上调资本支出指引，上限锁定在1450亿美元。微软把2026自然年的资本支出定在1900亿美元，远超分析师此前平均预期的1520亿美元。嘴上说放缓，手上的订单一张没少签。

那市场为什么还是被吓到了？因为投资人担心的是另一件事：巨额投入什么时候能挣回来。全球五大超大规模云计算企业预计2025年至2026年底的资本支出合计将超过1万亿美元，而据IDC预测，2027年全球生成式AI市场规模仅接近1500亿美元。两者统计口径与期间并不相同，但投入与产出之间的量级落差仍在不断拉大。更值得关注的是融资结构的变化：2025年全球数据中心相关债券发行额达到1820亿美元，较前一年翻了一倍。超大规模厂商增量债务占资本开支的比例，已从2024财年的9%升至2026年中的32%。钱从“自己兜里掏”变成了“借来花”，这才是让资本市场真正不安的信号。

撞上墙的，不只是算力

过去几年，整个AI行业建立在一个近乎宗教般的信仰上——Scaling Law。参数量越大，数据越多，算力越猛，模型就越聪明。沿着这条路径，GPT-3的1750亿参数一路飙到GPT-5.6 Sol的约3万亿总参数量；据市场流传、尚未获Anthropic官方确认的数据，其未公开发布的下一代模型Mythos参数规模达10万亿量级，训练成本估算约100亿美元。但进入2026年，这条曲线开始变得不那么听话了。耗费数十亿美元训练下一代超级大模型，带来的性能提升却并未有太大飞跃。李开复早前的反思正在被行业验证：“赌上巨量资源去训练超大参数规模的模型，超低的性价比，对初创公司来说，肯定不是一个务实的选择”。

当然，说Scaling Law死了并不准确。真正在发生的，是单一维度的参数堆叠遇到了边际收益递减，而多模态、Multi-Agent、递归自改进等新维度的空间正在被打开。问题在于，这些新方向的商业回报周期可能比预想的更长。

比技术瓶颈更“硬”的约束来自物理世界。AI数据中心正在从“有钱就能建”的时代，进入电力、并网、变压器、许可共同约束的交付竞争。据Data Center Watch统计，仅2026年一季度，美国遭封锁或延期的数据中心项目价值就达到约1300亿美元，接近2025年全年水平。摩根大通基于卫星图像的报告显示，计划2027年完工的项目中超过60%尚未开工。在中国，头豹研究院数据指出，2027年芯片侧可支撑14.4万柜算力，而电力侧仅能交付7.2万柜，交付缺口达到50%。芯片可以加班造，但电网不会。

交付瓶颈带来的一个直接后果是，行业的投资逻辑正在从“扩张”转向“效率”。绿地项目——从零新建的数据中心园区——扩张开始放缓，但已经获得电力指标的存量机房，反而迎来了更高密度、更低能耗的改造需求。传统机架功率通常只有数千瓦至十余千瓦，高端AI机柜则迈向数十千瓦甚至更高，旧有风冷和配电架构根本无法直接承载。这意味着钱不是不花了，而是花的方向变了——从“铺摊子”变成“练内功”。

这种转变在算力租赁市场表现得尤为明显。Meta宣布计划向外部客户出售过剩AI算力和模型访问权限，消息一出，算力租赁新贵CoreWeave和Nebius的股价重挫超过13%。市场的第一反应是恐慌：连Meta都消化不了自己的GPU了。但实际上，Meta的核心目的是将庞大的AI基础设施资本开支部分转化为收入，对冲成本。摩根士丹利测算，按每瓦每年40美元的租赁价格，Meta出租250MW算力一年可带来约100亿美元收入。与此同时，SpaceX(原xAI)旗下的Colossus集群已经将算力出租给Anthropic，后者每月支付高达12.5亿美元，合同总价值约400亿美元。

这不是需求见顶的信号，而是商业模式从纯烧钱基建向可收费平台资产的演进。Synergy Research数据显示，2025年新型算力云市场收入已超过250亿美元，同比增长超过200%。

赚钱的故事，才刚刚开始

在所有讨论“减速”的声音中，有一个容易被忽略的事实：AI商业模式正在从“烧钱竞赛”走向“利润兑现”。摩根士丹利7月发布的研究报告给出了一个颠覆性结论：AI基础设施虽然资本密集，但掌握算力的企业有机会获得非常可观的回报。他们自下而上测算的三种模式——GPU云租赁、自建基础设施的模型API、第三方算力API——增量EBIT利润率分别达到60%至70%、超过70%和约30%，对应的ROIC最高超过46%。这个盈利能力，已经可以媲美软件行业。

但另一面同样真实。作为行业标杆的OpenAI，2025年全年营收约130.7亿美元，总成本和支出却高达340亿美元，经营亏损达209.2亿美元。进入2026年，Q2营收环比增速从一季度的35.7%骤降至18%，营业亏损进一步扩大至123亿美元。OpenAI自身预测今年全年现金消耗将达250亿美元，明年进一步攀升至570亿美元。头部企业的盈利能力分化，正在成为这个行业最值得关注的变量。

减速还是换挡？

回到最初的问题：AI扩张会减速吗？Gartner预测全球AI基础设施支出的增长率将从今年的61%降至2028年的19%。Bloomberg Intelligence预计中美大型科技公司的资本支出增速将从95%降至13%。减速几乎是确定的。但减速和失速是两回事。

韩国央行在9月10日发布的报告中警告，AI投资增速“可能比预期更快放缓”，并将英伟达等公司为资金紧张的客户提供GPU采购融资的做法，比作1990年代互联网泡沫时期的“卖方融资”。更早时候，国际清算银行在6月底发布的年度经济报告中，将当前AI热潮与19世纪30年代的运河热、19世纪40年代英国铁路热以及20世纪90年代末的互联网泡沫相提并论，指出“一项真正的技术突破，吸引了远超商业回报所能支撑的资本投入”。赛富投资基金合伙人蒋驰华评估的AI泡沫风险指数约为60%——“条件正在积聚，但尚未失控”。

但历史同样告诉我们，铁路泡沫破灭之后，铁路本身改变了世界。AI也一样。高盛分析师在研报中给出的判断或许最为中肯：下一阶段的行业赢家未必是基建规模最大的企业，而是那些拥有稳定电力保障、算力利用率高、商业化路径清晰的企业。科技股估值将从“硬件产能规模”向“商业化落地收入”切换。

AI扩张的曲线不会断，但斜率会变。从“不计成本抢算力”到“精打细算用算力”，从“堆参数”到“算账本”，这个行业正在经历的与其说是减速，不如说是一次必要的换挡。踩油门的人还是那批人，只是他们开始看后视镜了。