以2022年年末ChatGPT发布为标志，三年间AI狂热从算力、存储、网络、制造、电力基建、软件应用，甚至到边缘设备，每个方向的细分赛道都被轮番反复炒作了一遍。
但到三周年末，当AI基建的顶梁柱们，在三季报前后一个个宣布前所未有的AI大基建时，市场反而跟突然丧魂了一样，开始担心AI投资要泡沫了。
产业有人赚得盆满钵满，有人亏到疯狂融资，问题到底出在哪里？融资眼花缭乱，千奇百怪，为什么？
本篇，海豚君通过产业链核心公司的报表来仔细研究一下这些问题，并尝试理解，到底AI投资是否已经真走到泡沫阶段了？如果真有泡沫，那么泡沫的原罪在哪里？
一、融资眼花缭乱？产业链利润分配重度扭曲
下面这张图，对很多人来说恐怕已经很熟悉了。这张图*的问题，整个产业链的最终用户，也就是OpenAI的用户在整个资金循环链条里创收规模相比投入太小，没有被画到图中。
但张图的核心信息，其实也就是下游客户用上游供应链的钱来为自己的业务融资，这么一个简单而又古老的供应链融资方法。
同时，一级市场模型巨头们供应链融资同步发生的，还是二级市场应用巨头们已逐步普遍表内、表外债券融资（详细分析见此处）
但这里的问题是，为何在芯片商如英伟达赚到盆满钵满、全市场都在说AI是新一场技术革命的时候，AI拓荒人OpenAI要用下一盘这么大的融资棋局？为什么本来富到流油的美股巨头如谷歌、Meta等等，现在要用债务才能支撑未来的发展？
其实答案很简单，AI产业初期，产业链利润分配重度不均，上游把好处基本“吃干抹净”了。
AI的主产业链主要是这么五类玩家：晶圆代工（台积电）——算力商（英伟达）——云服务商（微软）——模型商（OpenAI）——终端场景五层来分。
1.1）从云服务商的经济账说起：到底谁赚了红利、谁赚了吆喝、谁担了风险？
A. 云服务商们的经济账：100元收入分布——55元成本、10元运营开支，35元利润；
以下，海豚君用一本产业链一本简单的经济账来给大家仔细算下数，来直观了感受一下这场三年的AI繁荣当中。我们知道，云服务是一个既重资金壁垒，又重基本壁垒的行业。它的前半部分跟盖房子一样，需要把厂房盖起来、机柜、布线、冷却等等都要做好，这部分算是机房的硬装。
软装部分就是放入GPU、CPU，这中间GPU内部的连接、GPU与GPU，以及与其他设备的连接要做好，再加上网络、宽带，通上电，软装基本完成。这些要素放在一起，再通过技术人员完成“灵魂点睛”，就是一个比肩基础的IaaS服务了。
从上面的要素其实可以看出，虽然它听起来高大上，本质上没有摆脱运营商生意的范畴——把各种重资产+技术组合在一起，形成云服务，通过租赁云服务赚钱。
这个生意的核心就是，成本要足够低，比如说成本最高的GPU装上去了之后可以用个十年八载的，不能像光伏电场那样，隔三差五光伏板就要换掉。
来源：英伟达NDR材料
按海豚君的估算，云服务商假如用全新的AI产能来提供AI云服务，那么每赚100元，大约35元是前期买入设备（以GPU）的摊销折旧，GPU折旧年限以目前云服务商普遍的五年期来算，资本开支投入其实是175元。
而如果英伟达的GPU，那么基本上125元（70%以上）是GPU（含网络设备）提供生的收入，剩下是CPU、存储、网络设备等。
除了固定成本，还有能源电力、带宽、运维等成本，而运营费用上，主要就是研发销售和行政等费用了。100元的收入最终实现的账面经营利润是35元。
备注：数据取AWS和Azure中间值利润率估算，结合GPU云租赁的ROI与传统对比来做模拟
从这些数中，可以看到一个很明显的问题是：
① AI基建早期，云服务商只有明面利润，实际严重缺钱：在这个简单的模型中，云服务商明面上是赚了35块钱，但由于其实在拿到收入之前，其实已经提前预支自己的全部100元收入都不够，需要花175元来先买GPU设备。也就是说CSP其实只赚了账面利润，实际投入是倒贴的。
② 数据中心疯狂融资：云大厂由原本的现金牛业务来支撑，但现在新兴的新云如CoreWeave、Nebius、Crusoe、Together、Lambda、Firmus 和 Nscale等因为没有原本的现金流业务，现在普遍需要发行资产抵押支持证券融资来提供云服务。
B. 100元的云服务收入，如何流入英伟达、OpenAI账本？
① 算力提供商(英伟达)——盆满钵满的设备股
云服务的成本，是英伟达的收入。每100元的云服务收入，因为有35元是设备折旧，按五年折旧期，提供这些服务需要提前采购大约175元的设备。
英伟达的GPU在采购中的价值大约占到了70%，相当于云服务这100元的收入，单独向英伟达就已支付了125元的GPU设备采购费。
很显然，作为云服务商生产资料要素采购中，单体价值*的一环，英伟达在早期AI基建期赚得盆满钵满。
② 眼下的Open AI——8亿WAU，但亏光裤子的应用股
整个产业链条中，云服务的需求侧——OpenAI是需求的源头，它的偿付能力决定了这个链条循环的健康度。但目前 OAI的创收能力来看，砸了这么多的算力资源，结果上只能算是“金铲子”挖“土”。
首先云服务商100元的GPU租赁收入，到OpenAI这里，其实就是它为自己的用户提供服务的云服务成本。按媒体披露的OpenAI 25年上半年财务状况，100元的云开支，只能对应公司96元的收入，同时算上公司的研发人员开支、营销和管理支出（不含期权激励）——100元支出，公司基本亏掉了100元。
C. 核心矛盾： 产业链利润分配严重扭曲
把这三家公司简单模拟的经济账放在一起，一幅对比鲜明的产业链利润分配图景就出现了：产业链核心链主的产业链利润、风险收益分配极度不均衡。
上游铲子股——以英伟达为代表的算力资产是轻资产业务，凭借垄断地位，不仅收入增长快，而且应收款风险较低，盈利质量高，盈利赚得盆满钵满；
中游资源整合方——云服务商们承担着大块头的产业链投入，和资源整合，前期投入巨大，明面赚钱但实际现金流吃紧，是事实上*风险承担方；
下游应用商——生产资料（云服务）太贵，收入太少，只能覆盖一定点的云服务成本，是亏在明面上的应用股，最终应用股的健康程度，才是决定产业链健康度的生死劫。
这样的产业链利益不断往上游转移，AI主产业链链主们的矛盾日益突出，行业竞争动态天平开始明显变化：
① 算力——英伟达
英伟达凭借第三方GPU的垄断地位，尤其是训练阶段的独特优势，享受了AI基建早期的*红利。但它的产品卖到客户那里不是易耗品，而是一个能够使用多年的资本品。
它的高成长，从行业Beta角度，主要集中在AI数据中心的产能投建期。公司的增长斜率会高度依赖云服务商的资本开支增长斜率，当云服务商的资本开支即使在新高的位置一旦稳定下来，不再告诉增长，那么对应的芯片商收入零增长，万一错估了周期，再来点存货减值，利润率就会直线下滑。
最新季度，英伟达前四大客户贡献了公司61%的收入，很显然它的收入就是云服务商们的资本开支预算。
来源：英伟达2025年NDR材料
当下在4-5万亿的市值压力之下，英伟达是持续交付芯片，撑起美股半边天的压力，因此，它的核心诉求就是继续卖芯片，卖出更多芯片，方法上比如说：
a.芯片销售扩散到海外市场，比如特朗普带着GPU商家们去中东等地区签单；同时痛失中国市场，让黄仁勋说出了美国要输掉AI战争的丧气话。
b. 疯狂迭代：创造云服务商们一直需要更新设备的需求。目前英伟达基本每2-3年就会有一次大的产品系列迭代，有些版本的迭代，甚至需要全新的数据中心建设标准来配置GPU。
② 云服务商——微软：垂直一体化降本
云服务商目前是供不用求，似乎享受的行业红利，但其实长期是承担了产能错配的风险，因为*的资本开支都是由它来承担的，一旦需求判断失误，数据中心闲置，云服务商就成了损失最为惨重的产业链环节。具体来看，
a. 短期：云服务毛利率更低
当下的短期问题是，由于GPU太贵，GPU云服务比传统云服务毛利率更低。而按照微软CEO纳德拉的说法，目前AI云业务中产生利润的不是GPU，而是除了GPU之外的其他设备部署（存储、网络、带宽等）——换句话说，现在的AI数据中心，因为GPU太贵了，其实是用GPU引流，靠搭售附加产品来赚钱。
b: AI算力的摊销折旧风险
运营商生意是重资产业务，最怕生产资料投入的摊销折旧周期太短（风能发电厂和3G时代的电信运营商都有过类似问题）；英伟达推新太快（两年一次），折旧年限至关重要；
c. 前置投资风险
长期承担了资源整合和资金风险（资本开支）；如果客户盈利能力不足、场景落地慢、技术迭代突然出现非线性迭代（比如模型变轻，小模型在端侧能完成AI大任务，或者本身软件迭代对算力需求大幅减少），可能后续产能利用不足，导致云服务商产能与需求误判，那么它会成为*下游客户失败的风险承担方，体现不是应用账款收不会，而是数据中心产能浪费。
很明显，从云服务商的角度，可以做的是，降低数据中心的*成本项——GPU成本，比如说绕过英伟达税，自研1P算力芯片；虽然需要外包一部分设计工作给到博通、Marvell等ASIC设计商等等，但整体能够大幅降本。结合资料信息，构建1GW算力中心，用英伟达GPU的成本是500亿美金，而用TPU大约是200-300亿美金。
③下游应用（含模型）主要风险——生产资料成本太高，收入不匹配，现金流断裂风险。
这里选OpenAI作用终端的场景应用股（含了模型层）。
收入高速增长：根据媒体披露，按OpenAI目前的月收入推进速度， 2025年按月预计年底年化200亿美金，25全年130亿美金，同比增长250%；
支出飙升更快：这里的问题是，收入在高速增长过程中，并没有正常商业模式下收入放大之后，亏损率逐步减少的情况，反而支出的增长斜率比收入的增长斜率更高，收入越做大，亏损反而约高。
按媒体披露信息，2025年收入130亿，亏损应该估计至少150亿上下；如按微软财报信息（按40%股权），OpenAI亏损年化亏损应该已超300亿。
OpenAI目前的诉求也很明显，首先云服务成本太高了，导致收入不经济，收入多了，反而亏得更凶猛；在与此同时；由于收入缺口太大，公司需要融资的同时，还需要进一步做大收入，而在做大收入过程中，云服务靠外部提供，供应商容量不够，导致产品推新延迟（比如说Sora因此推迟，OpenAI Pulse高定价拖累渗透率）。
三、AI产业链：巨头博弈产业链定价权
AI技术（模型）迭代足够快，逐步成熟到可以落地的程度，但部署上成本太高——云服务成本太高，无法支撑技术在应用场景上的快速扩展。
而以上的经济账模拟，可以很清晰地看到，高成本是因为产业链加价太严重——英伟达芯片毛利率75%（加价率4倍）、CSP(云服务)毛利率50%上下（加价率2倍），到OpenAI使用的时候，铲子的成本已经太高，即使是互联网历史上增速斜率比较高的应用，都无法覆盖更快速度的成本上升。
于是产业链博弈开始了！
英伟达因在数据中心中的价值量和技术壁垒都较高，因此想掏空云服务商的价值，让它沦为GPU的包工头。而云服务商觉得英伟达税收得离谱，想要通过自研芯片把英伟达超额利润打掉。
而自从微软解绑了它只能使用Azure作为云服务提供商的禁制之后，OpenAI已经明确表达的自己的意图，要自建数据中心，OpenAI似乎想消除上游每一段的超额溢价，*把算力的价格打到白菜价，推动应用的繁荣。
结果就出现了2025年年底最受宠的商业模式，也是目前*的投资赛道“全栈AI”，其实说白了，就是产业链的垂直一体化。三家虽然操作不同，但本质上都是在垂直一体化的方向上努力：
① 英伟达：英伟达+新云小弟们=削弱CSP大厂产业地位
依赖GPU的垄断地位，通过优先供应最新Rack系统，产能回购协议等，扶持一堆IaaS仰仗英伟达的发货排序的新兴云平台Coreweave、Nebius等，其中对Coreweave的回购兜底最为突出。
这些新云前期普遍大量融资，新云大多依赖于英伟达的供货倾斜或者融资支持，最终新云的产能基本都是使用英伟达的芯片。通过这个操作，英伟达实际上等于除大型CSP之外，锁死了其他小云服务商的GPU选择权。
但对于这个操作，微软CEO纳德拉层在访谈中曾间接表达过，“一些人以为提供云服务，就是买一堆服务器，插上电就可以了”。言外之意，实际云服务是一个非常复杂的业务，门槛并不低，不然全球的云服务市场那么大，但只是被三四朵云所垄断。
从这个角度出发，今年爆炒的新云服务商，其实背后一定程度上就是在GPU供给紧缺的情况下，英伟达通过优先分配权拉起来的下游代理商（二道贩子），假如长期产业供需均衡，产业竞争逻辑走向正常的技术、资金、渠道、规模导向型商业模式，这些新云是不是还能存在，还很难说。
似乎AI新云玩家，看起来更像是一个AI基建上半场的产业链博弈中的过程产物，而非供需平衡下终局格局中可以和云服务巨头分庭抗礼的竞争对手。
② 云服务商：云服务商+ASIC设计商+下游产品=削弱英伟达芯片垄断溢价
a. 目前GPU用量较大的公司基本都开启了自研芯片的努力，这里除了云服务商，一些单体用量较大的下游客户如Meta、字节、特斯拉等都在自研ASIC芯片。
在ASIC芯片自研子产业链中，ASIC设计外包商如博通、Marvell、AIchip、AUC、联发科等等，都是高价值的资产。
b.讨价还价的二供备胎价值
自研芯片，启动最早，产品名声最高的主要是谷歌联合博通研发的TPU，直接供应了Gemini 3的研发；同时，其实亚马逊也很早启动了自研GPU的研发（训练Trainium、推理Inferentia）。
按此次英伟达的财报（Anthropic首次开始使用英伟达合作），Anthropic模型的研发其实应该主要是基于亚马逊的云和亚马逊的Trainium芯片。
全球两个性能靠前的模型Gemini和Anthropic，一个在完全不用英伟达，一个较少用量的情况下，都把模型训练到了*的位置，已经明显开始影响到英伟达的在算力行业的定价权。
这样的案例影响下，下游客户通过威胁使用TPU（甚至都未必是真部署），就能迫使英伟达为锁死下游客户订单，通过融资担保、股权融资、剩余产能兜底等方式来间接降价，本质上就是客户把部署GPU的成本给拉了下来。
这些已经是英伟达算力地位受到威胁的实际体现。
c. 下游产品渗透：产品线全系AI武装，防守Chatgpt崛起
这些处于中间环节的云厂商，本身核心业务大多为再往下游的模型和软件应用的场景，除了往上通过垂直一体化防止英伟达在云业务上偷家，往下还要让自己的全系产品场景都武装上AI，与ChatGPT展开竞争，防止被ChatGPT颠覆。
③ OpenAI：产业链自主=Stargate
而处在模型厂和应用场景上的新公司OpenAI，血亏之下，不想受制于巨头，像以自己的影响力，通过融资来自建一个基本自主的产业链，OpenAI的大致图景是——上游算力自研和外采对半分（AMD的6GW是备胎算力）、中游云服务完全听命于自己，以帮助自己全力保持技术*，和推广AI应用。
a. 自建数据中心：OpenAI+融资+芯片商+Oracle=Stargate
从公司的股权架构设计来看，其实Stargate就是一个专门服务OpenAI算力需求的大块头新兴云公司（10GW设计产能）。OpenAI通过最初的投资入股，在Stargate公司股权占比40%，强化对算力基础设施的主导权。
b. 绑定订单：作为一个深受高价算力和供给不足束缚的云服务终端客户，*OpenAI利益的其实是过剩且便宜的算力，利用上游供应商FOMO心理，绑定一切能绑定的产能，用未来的收入预期作为偿付能力，锁定芯片供货。
但这里OpenAI的收入年化200亿要在三年内走到年化1000亿美金，才有真正付得起这些付款承诺的可能性。而目前的巨头中没有人在几年内把自己收入打到千亿美金以上。这里海豚君合理推测，它的目的之一可能就是有意制造供给过剩，以便把算力成本打下来。
OpenAI CEO 奥特曼在问到是否会有算力的产能过剩的时候，他毫不隐藏他对算力过剩的渴望：“肯定会有很多轮的算力过剩，无论是2-3年内出现，还是5-6年内出现，可能是这个时间内多轮的产能过剩。（“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、总结：2026年投资主题——算力结构性过剩+产业链利润下移？
从以上分析可以看到，目前整个AI产业链因为利润过度集中于上游（一定程度上类似新能源车崛起过程中，利润一度高度集中于赣锋和天齐锂业等锂矿股），导致下游现在在做场景应用上，像是用金铲子挖土一样，场景落地的时候，生产资料成本太高，挖出来的东西完全无法匹配这个生产资料的成本。
因此，在当前这种产业链矛盾下，接下来的AI投资就是在产业链利润下移+结构性供给过剩中找机会，只有算力打下来，才能带动下游的繁荣。
所谓的结构性过剩，比如说传统的电力和机房建设速度跟不上，导致算力吃灰；而产业利润下移，则重点跟踪就是模型在终端场景上的落地速度、对SaaS股的可能影响、端侧产品的AI渗透、AI带来的新硬件如机器人与AI眼镜等等。
到目前为止，海豚君已经开始看到一些产业链利润下移的迹象，比如现在英伟达的客户可以拿着TPU来威胁英伟达给出更优惠的供货条件（其实同样售价下，需要连带股权投资，就是一种间接的产品降价）。
以下，海豚君提供几个可以持续跟踪和验证的判断：
a. 后续的英伟达可能再享受戴维斯双击的机会可能非常小，股价只能靠业绩增长，很难靠估值扩张；这会在不打压台积电逻辑的情况下，单独打压算力估值。
b. 谷歌开始卖裸芯而不是更高利润的TPU云租赁的新闻说明了，一方面谷歌在自有芯片的排产上并不是问题（台积电产能安排问题）。
另一方面行业真正紧缺的到2026年应该已经转到了IDC数据中心的建设上（如数据中心建设的水污染、用电问题等等），而这部分的投资并不是生意壁垒投资，而是产能错配投资。需要时刻关注新开工数据中心的建设节奏。
c. 创业企业：AI游戏的门槛太高，OpenAI等新兴公司，想要颠覆巨头并不容易，过度押注OpenAI链上的资产并不明智。
