泡沫叙事掩盖了更危险的事实。a16z 的 David George 与 Gavin Baker 用硬数据反驳：Nvidia 数据中心回报周期已压缩到九到十个月，而全球 AI 重度付费用户不足一千万。风险不是算力过剩，而是严重短缺。

所有人都在担心AI泡沫，但如果泡沫根本不是问题，真正的风险是完全相反的方向呢？过去两年，我见过太多聪明人拿着一堆估值模型，反复论证AI基础设施投资已经严重过热。他们的逻辑听起来无懈可击：历史上每一次技术革命都伴随着过度建设，互联网泡沫、光纤泡沫、铁路泡沫，最后都以惨烈的供给过剩收场。AI凭什么是例外？

但最近我听了a16z（安德森·霍洛维茨基金）的David George和投资人Gavin Baker的一段深度对话，听完之后我的想法发生了根本性的动摇。他们用的不是宏观叙事，而是一组具体的数字——用户数量、token消耗增速、算力回报周期、供给建设速度——把一个完全相反的图景拼了出来：我们面临的不是算力过剩，而是算力极度稀缺。需求的增速远远超过任何人建设供给的能力，而那些阻止建设的力量，正在为一个极其糟糕的未来铺路。这篇文章我想把他们的核心论点梳理清楚，同时加上我自己的思考。

没人能给我一个悲观的数据点

Gavin Baker今年夏天见了大量创业者、投资人和企业高管，他给每个人问同一个问题：你的业务里，有没有哪怕一个量化的数据点是在变差的？就一个就行。从七月问到八月，他没有找到任何一个人能回答这个问题。OpenAI在加速，开源模型在加速，Grok在Grockbot发布之后经历了爆发式增长，整个AI行业在夏天都在提速。

与此同时，二级市场上的AI相关股票跌得很惨。Gavin用了一个比喻：你可能会淹死在一条平均水深只有两英尺的河里。指数层面没什么大动作，但很多AI个股已经从高点跌去了一大半。基本面在加速，股价在下跌，这种分裂说明了什么？

我的判断是，市场现在定价的是一个“泡沫叙事”，但它可能正在系统性地误读现实。这不是第一次发生。每一次真正重要的技术变革，市场都经历过同样的路径：先过度兴奋，然后矫枉过正地悲观，然后在悲观期里，真正有洞察力的资本完成了最关键的布局，然后才是真正的价值实现。问题不是AI会不会实现，而是你在哪个阶段开始认真对待它。现在这个时间点，可能比大多数人意识到的更关键。

这不是零和游戏，是一个”与”的问题

对话里有一段让我印象最深。David和Gavin都提到，现在AI行业里充斥着零和思维：frontier lab（前沿模型实验室）赢了开源就输，大模型公司做大了应用层就没机会，Nvidia赢了其他芯片就完了。Gavin说他跟LP（有限合伙人，即基金出资方）开会，每次一开口，对方第一个问题一定是：这一切会从哪里开始崩？

他的回答是：你问错问题了。这不是一个“或”的问题，是一个“与”的问题。Frontier model会跑通，次前沿模型也会跑通，开源会跑通，跑得快的应用公司会跑通，云厂商大概率没问题，Neo Cloud（新兴云服务商）会跑通，inference（推理服务）云会跑通，Nvidia稳坐中心。不是说所有参与者都赢，但这个行业的总量足够大，足以让多个完全不同的玩法同时成立。

这个判断背后有一个更深的逻辑我觉得很多人忽略了：AI现在的体量，相对于它最终会渗透的市场规模来说，仍然极其微小。当一个市场还在从0到1的早期阶段，多方并存是常态，不是反常。赢家通吃只会发生在市场饱和之后。但我们离市场饱和还非常遥远——遥远到Gavin和David在讨论的时候，他们反复在用的词是“nowhere”，我们现在根本连早期都还没走完。所有关于“谁会赢”的讨论，都建立在一个错误的前提上：好像这个市场已经接近天花板了。它根本没有。

算力回报周期快得让人不敢相信

Gavin分享了一组具体的数字，让我听了之后意识到为什么这么多顶级机构在疯狂建数据中心。他说现在建一个Nvidia数据中心，回报周期大概在九到十个月以内。Nebius和CoreWeave的公开披露数据都指向这个区间：建一个吉瓦（gigawatt，十亿瓦）的算力，成本大约500亿美元，其中50%到60%可以通过客户预付款提前回收，剩下放到现货市场，整体回报速度极快。现货市场的回报甚至更快。

更重要的一点是，这些Nvidia数据中心是可以低成本融资的。Blackstone、KKR、Apollo这些顶级另类资产管理机构都在给Nvidia数据中心提供债务融资，而且利率相对低廉。为什么？因为这些GPU的残值（residual value，设备使用期结束后的剩余价值）一直在被向上修正——随着模型越来越强，每单位算力能产生的商业价值也在上升，这让贷款方愿意接受更低的风险溢价。Gavin还提到，Nvidia甚至会为数据中心提供残值担保（RVG），只要担保金额低于他卖芯片的毛利，这笔交易对Nvidia来说是净正收益。

Gavin在自己的投资生涯里说，极少见到这种机会：能部署数百亿到数千亿美元，同时实现不到一年的回报周期。他把这种机会和互联网早期的云基础设施相比，但云的回报周期要长得多，资本效率远不如现在的算力投资。我听完这段的感受是，很多人还在用传统重资产行业的思维框架来评估数据中心——资本开支重、建设周期长、风险高。但如果回报周期真的在一年以内，这根本就不是传统意义上的重资产，而是一门现金流极其强劲的生意，只是穿了一件重资产的外衣。穿透这件外衣，里面的商业逻辑其实非常清晰。

真正的重度用户，全球可能不到一千万

这是整段对话里我觉得最容易被忽视、但含义最深的部分。Gavin问了一个问题：现在全球AI的重度付费用户，到底有多少人？有人估计大概三千万，他说他可能还要取更低的数——实际可能不到一千万。

他解释了为什么这个数字这么低。从a16z投资组合里的公司来看，即使是技术最激进的AI原生公司，token（生成内容的基本计量单位）开支占人力成本的比例也只有10%出头，而传统行业里做得比较好的公司大概只有1%。在每家公司内部，AI使用量遵循严格的幂律分布：用量最高的工程师，可能是中位数工程师的一百倍。换言之，这几百万到一千万人，是全球AI消费的真正引擎，而他们之外的十几亿知识工作者，基本还没有开始认真用AI。

Gavin还分享了一个自己公司的真实数据：从三月到八月，内部token消耗增长了一百倍。他们刚接入Grockbot Enterprise，仅仅两个人用了一个月，token开支可能又要增长十到二十倍。而全球知识工作者的总数是十五亿。

我自己做了一个简单的推算：如果重度用户只有几百万，而潜在市场是十五亿，我们现在大概处在扩散曲线的1%不到的位置。这意味着现有的所有供给，都是在服务这个微小的早期群体。当用户规模从几百万扩张到几亿，需求的绝对量会发生什么？不是翻倍，不是增长十倍，是一个指数级的跳变。而且这个跳变不需要什么技术突破来触发，它只需要时间，需要使用习惯的自然形成。Gavin说他五十岁，不管多努力，用AI的方式永远不可能像二十三岁的年轻人那样流畅自然。这句话听起来是个人感慨，但背后是一个关于未来需求曲线的精确预测：下一代人会把AI当成空气，他们的用量会比我们高出一个数量级，而他们现在还在读大学。

如果出现严重供给短缺，会发生什么

这是整段对话里让我最有紧迫感的部分。Gavin明确说，他现在不担心算力过剩，他担心的是算力严重不足。他的依据是：看所有预期中的建设计划，到2028年，已经确认的项目把可用容量全部锁定了，没有富余。而各种地方性的阻力正在拖慢新项目的落地速度。

如果需求继续按现在的轨迹增长，而供给被系统性压制，会发生什么？Gavin给出了一个和主流叙事完全相反的预测：token的价格可能会涨，而不是跌。大多数人的默认假设是AI成本会一路下降，就像芯片和存储的历史规律一样。但那个规律成立的前提是供需平衡或供给宽松。如果需求增速远超供给增速，价格就会上涨。Gavin甚至提到有人预测token价格可能涨十倍——这听起来荒诞，但在供需严重失衡的情况下，并非没有逻辑支撑。

更深的问题是，谁会受到冲击。如果算力变得稀缺且昂贵，最先被挤出去的是中小企业和个人用户，大公司和有钱人会优先抢占有限的算力。这就是Gavin说的“计算不平等”——一个AI能力只有少数人负担得起的未来。这个结果没有人想要。但讽刺的是，它恰恰可能是那些打着保护普通人旗号阻止数据中心建设的人推动出来的。他们以为自己在保护社区，实际上可能在制造一种新的资源垄断。

数据中心正在重新工业化美国

这段对话里有一个叙事我觉得非常值得被更多人听到，但目前说这个故事的人太少了。Gavin说，数据中心实际上是近几十年来对普通工人最好的事情之一，但这件事从来没有被认真讲清楚过。

他列了几个具体的点。数据中心进驻一个小镇，当地税收不是增长一倍，而是增长十倍。那些被制造业撤离拖垮的小镇，正在因为数据中心重新活过来。成为电工、管道工、HVAC（暖通空调）技术员，现在能赚的钱比读很多大学专业都要多，而且是真实的、本地的、无法被外包的工作。美国天然气价格是每百万英热单位两到三美元，而欧洲和亚洲是二十美元以上，这给美国制造业提供了一个巨大的结构性成本优势，而数据中心正在把这个优势具体变现。

Gavin提到弗吉尼亚州的Loudoun County（劳顿县），全美人均收入最高的县，同时也是全美数据中心密度最高的地方。这个事实本身就是对所有关于数据中心危害社区的叙事最有力的反驳。

但Gavin说，这个故事没有人在认真讲。AI行业的人大多在对着已经信服的技术圈子说话，而真正需要听到这个故事的人，接触不到这些内容。他拿Meta举例：Sheryl Sandberg在Meta早期每次财报电话会都会列举十到十五个因为Meta广告平台改变命运的具体小企业，Des Moines的蛋糕店，两个单身妈妈，从两个人做到十五家门店，雇了五十个员工。这种具体、真实、有名有姓的叙事方式，比任何抽象的政策论证都有力。AI行业需要同样的东西：不是宏大叙事，而是一个一个真实的人和真实的生意。

轨道数据中心不是科幻，是下一个基础设施赛道

我听这段的时候，几乎以为在听一部科幻小说的情节。SpaceX正在开发轨道数据中心，把算力部署到太空中。David和Gavin都提到，Jensen Huang和Elon Musk已经联合设计了一个叫Rubin rack的轨道计算模组，计划在2027年第四季度发射。

很多人的第一反应是不可行，成本太高，物理上有根本限制。Gavin的回应让我觉得很有说服力：你可能是物理学博士，智识水平远高于平均，但你为这件事认真思考了多少小时？一小时？十小时？SpaceX有一万名顶尖工程师，每个人为这件事思考了数百甚至数千小时。集体智识的总量在这里是完全不对称的。有一位投资人朋友，自己是物理学博士，在网上坚持说这在物理上不可能，后来去参加了SpaceX的开放日，和工程师们深谈之后，他说：我错了。

轨道数据中心的经济逻辑其实并不复杂。在地球上建数据中心，主要成本是电力、冷却和土地，这三项成本都在通货膨胀，因为对电工、建材、土地的需求随着数据中心热潮急剧上升。在轨道上，电力来自太阳能板，冷却依靠散热板背对太阳的阴影区，不需要大楼，不需要复杂的地面基础设施，不需要水冷系统。

关键变量是发射成本。目前把一吉瓦算力发射到轨道的成本里，大约350亿美元是硬件，这和地面差不多，甚至因为太空环境不需要某些组件而更低。另外150亿美元是发射成本，这部分在地面是电力、冷却、劳动力，这些都在通货膨胀。而Starship（星舰）如果实现完全可复用，单次发射成本会降到十亿美元以下，轨道算力的整体经济性就瞬间翻转了。Gavin的判断是，轨道算力至少会成为“swing capacity”（调峰容量），在地面供给紧张时补缺，而长远来看规模可能超出大多数人的想象。他说这个机会现在几乎没有人在认真讨论，但它正在眼皮底下发生。

谁会成为智能的抽象层

这是对话里商业含义最深的部分，也是我个人认为未来五到十年AI行业最重要的战略博弈所在。Gavin和David讨论的核心问题是：在AI时代，谁会成为企业和用户获取“智能”这种新型生产要素的默认入口？

现在的格局是这样的：有frontier model公司做最强的基础模型，有开源模型让算力门槛降低，有各种垂直领域的应用公司，有云厂商，有像Fireworks这样的inference（推理）基础设施公司。谁最终坐在中间那个位置，成为企业获取AI能力的入口，谁就拿到了一张历史级别的船票。

Gavin认为未来大概率是“多模型架构”：企业用自己数据微调的开源模型处理日常任务，用一两个frontier model做复杂推理，中间有一个路由器透明地分配任务。Fireworks的Nexus产品在朝这个方向走，微软Satya Nadella提出的“specialized intelligence”（专属智能）论文也是类似逻辑。但Gavin说得很直接：听起来简单，做起来极其复杂。你要说服全球最大的企业把核心业务数据交给你训练模型，还要让路由器在他们察觉不到的情况下无缝切换模型，还要持续升级底层开源模型，同时还在跟frontier lab、Databricks、Snowflake、Salesforce、Harvey、Cursor所有人竞争同一个入口位置。

我自己的看法是，这个“abstraction layer”（抽象层）的竞争比模型本身的竞争更重要，但也更不透明。模型的强弱有benchmark（评测基准）可以量化，但谁最终成为企业AI的默认入口，取决于太多非技术因素：信任、数据安全承诺、生态系统整合度、价格、以及最重要的——谁能在客户说“我不想管这些技术细节”的时候，让他们真的不用管。这不只是产品竞争，是一场关于信任和习惯的长期战争。垂直领域里，Harvey在法律方向已经跑出来了，Cursor在编程领域做到了，这两个都是高度文档化、相对可验证的领域。而更广泛的企业场景，这场战争才刚刚开始。

Nvidia是AI的中央银行，不要招惹它

Gavin用了一个我觉得极其精准的比喻：Nvidia是AI行业的美联储（Federal Reserve），是整个行业的中央银行。Jensen Huang早在十五年前每两年投入几十亿美元押注下一代芯片，现在他在押的是数千亿美元，同时把整个供应链、融资体系拉着一起走。他锁定了全球大部分的晶圆产能、DRAM产能、NAND产能、激光产能、电容产能，连机架需要的零部件都提前锁定了。

Gavin的建议非常直接：如果你是半导体公司的CEO，你唯一应该说的话就是“谢谢Jensen，你创造了这个机会，我们想和你合作”。他拿迈克尔·乔丹打比方——当Jordan带队以八场优势领跑分区的时候，没有哪个新秀应该去正面挑衅他。那些尝试正面竞争的人，结局都不太好看。他说每1%的市场份额今天大概值一千亿美元，所以没有任何理由要跟Nvidia正面硬碰，找一个细分领域，确保你能插进他的生态系统，这才是正确的姿势。

更深的逻辑是：Nvidia数据中心的可融资性，是一个巨大的竞争壁垒，而且这个壁垒很难被复制。你建一个Nvidia数据中心，可以从Blackstone、KKR、Apollo拿到低成本债务融资，因为这些机构相信Nvidia GPU的残值。用其他芯片建数据中心，需要投入更多的自有资本，融资成本更高，能撬动的杠杆更小。这不只是技术竞争，是一个经过几十年积累的金融生态系统优势，而这个优势会随着时间进一步自我强化。

还有一点很多人忽视：Nvidia积极支持开源，不是因为理想主义，而是因为开源对他的生意极其有利。开源让token的边际成本降低，更多token被消耗，需要更多算力，需要更多Nvidia GPU。在供给受限的世界里，token价格可能因为边际成本降低而小幅下降，但消耗量会大幅上升，净效果是Nvidia卖出更多芯片。他的激励结构和算力普惠化的社会目标完美对齐——这种激励一致性在商业历史上都非常罕见，也是他能把这么多参与方拉进同一个生态系统的根本原因。

我听完之后最大的感受

我自己做AI赛道的观察和研究，听完这段对话之后，我觉得有一件事需要被认真想清楚：我们现在大多数关于AI的讨论，还停留在“谁的模型更强、谁的产品更好、谁的商业模式更健康”这个层面。这些问题当然重要，但Gavin和David在聊的是一个更底层的结构性问题：这整件事的规模，比现在任何人的想象都要大得多，而我们对这个规模的估算，系统性地偏低了。

把这些拼在一起，你会看到一幅和主流叙事完全相反的图景：不是AI泡沫即将破裂，而是AI供给远远跑不上需求。不是赢家通吃，而是整个行业一起变大。不是算力过剩，而是算力极度稀缺。不是token会越来越便宜，而是在某个时间窗口里，价格可能反向涨上去。

我觉得最值得每个人认真回答一次的，还是Gavin那个问题：你能给我一个量化的数据点，告诉我这件事正在变差吗？就一个。如果你找不到，那你对这件事的悲观，可能值得重新审视。悲观有时候是清醒，但有时候也是一种认知懒惰——它让你不需要真正面对一个可能彻底改变你判断框架的新现实。