沒有數據參與的AI內循環，美國巨頭們堆起一個可怕“金融堰塞湖”

“在美國，AI已經不是個技術問題，而是金融問題了。

硅谷這是要把自己玩成了華爾街了。

最近，美國幾大科技巨頭開啟了“大撒幣”模式，但凡出手不是千億美金，都得坐小孩那桌。

10月13日，OpenAI宣布將與博通合作建設10GW定制AI加速器項目。消息一發出，博通的股價當即大漲9.88%。

這只是美國AI圈重磅合作的其中一項。

今年年初，OpenAI與甲骨文和軟銀聯合成立了“星際之門”計劃，承諾投資5,000億美元建設10GW算力。今年7月，OpenAI與甲骨文達成協議，將為“星際之門”新增4.5GW算力，雙方未來五年合作規模將突破3,000億美元。這還不算完。Open AI今年還與芯片廠商AMD達成一項6吉瓦算力協議。

不過最受矚目的，還是OpenAI與英偉達的合作。

今年9月22日，OpenAI宣布與英偉達達成戰略合作伙伴關系，英偉達將向其投資千億美元，而OpenAI則通過英偉達構建并部署10GW的AI數據中心。

僅僅這幾項合作，粗略一算就是30GW算力，涉及的金額達到驚人的1萬3千多億美金。

這錢的數字讓人看著都眼暈。相信很多人都會好奇，Open AI哪來這么多錢去支撐這么大的攤子？畢竟現在這家公司每年還要虧損百億美元。

但似乎Open AI并沒有被這區區“一萬億”搞得連滾帶爬，反而是游刃有余——因為它根本不需要出錢。

看看高端局是怎么玩的。英偉達向OpenAI承諾千億美元投資，OpenAI轉身將訂單給到甲骨文建設數據中心，而甲骨文又向英偉達采購芯片，英偉達承諾花出去的錢直接轉化成自己的訂單。資金轉了一圈，左手倒右手，左腳蹬右腳直接上天了這是。消息發出后，英偉達、甲骨文的股市應聲大漲，甲骨文更是單日大漲36%。

更絕的是，像Open AI與AMD的合作甚至都不需要錢的流轉過程。AMD向OpenAI發行至多1.6億股（價值高達300多億美金）普通股認股權證，獲得AMD相當于10%股份的認股權證，后者股價隨之飆升40%。而整個過程一分錢都沒見到。

前高盛銀行家Matt Levine形象地指出，OpenAI的融資策略是“世界級的金融工程”。如果你欠銀行100美元，那是你的問題。如果你欠博通5000億美元，那是博通的問題。如果你欠每家大型科技公司數千億美元，那是他們的問題。他們肯定會找到解決辦法的！

是的，只要你欠的錢越大，欠的人越多，錢的問題就不再是你的問題，而是大家的問題了。如果錢的數字大到一定程度，甚至是整個社會的問題了。

這不是危言聳聽，很多專業人士開始嚴肅地指出，在美國AI資本化問題已經到了尾大不掉的程度了。

AI金融“綁架”了美國經濟

哈佛大學研究發現，今年上半年，信息處理設備和軟件的投資僅占到美國GDP的4%，但它們占到GDP增長的92%。上半年美國GDP平均增長1.6%，但如果剔除數據中心和信息處理技術等領域，美國GDP增長率僅為0.1%。

這種完全依賴AI需求持續性的增長模式，隱藏著巨大風險。美國社會已開始擔憂“數據中心泡沫”。有人形容，Open AI和英偉達就像先知一樣，向世人指著遠方說道，看，這就是AI的未來。這場建立在預期之上的繁榮，沒有人知道盛宴何時結束，但所有人都在這場越來越危險的游戲中，越陷越深。

巨頭們之間的聯姻，是如此的揮斥方遒。好像《教父》中的黑手黨家族，開個內部會議，就制定了紐約地下世界的規則。

但是你有沒有發現，在幾大“AI家族”構建的AI內循環中，有資金、有算力、有AI，但唯獨沒有產出。

用經濟學的概念來形容，就是整個AI內循環中，只有投資，沒有消費。

在傳統的經濟模式下，人們購買商品，企業獲得收入，企業支付工人工資，支持工人再消費。消費帶來社會需求、就業和生活改善，從而進一步拉動企業的投資和再生產。這是一個經典的“投資-銷售-消費”循環過程。

對比之下，這個AI大循環似乎缺了點什么。可以看到，資金不管是從英偉達還是從Open AI出發，在幾家企業走了一圈以后，并沒有進入到商品或者服務的實際流通中。這些投資越來越像純粹的資本項目，項目估值上升，資本獲得賬面收益，再繼續投資下一個資本故事。這些投資帶來的收益往往是賬面或者預期收益，沒有經過“生產-銷售-消費”的實體轉化路徑。

所以我們會看到整個美國呈現出這樣冰火兩重天的景象，一方面資產價格（股市、房市、AI股權）暴漲，另一方面實體消費停滯不前，當前汽車消費甚至不及2017年。

而且即便是回到AI技術本身，也并沒有因為大規模的算力投資而帶來明顯的技術進步。AI進化的速度肉眼可見的在放緩。比如說最近發布的GPT-5、馬斯克的xAI發布的最新一代大模型Grok 4，都讓人失望大于期待，市場上也沒有出現讓人眼前一亮的新的AI應用。

一切都在說明這么一個現實，美國目前的玩法，正在讓AI脫實向虛。而之所以美國AI產業發展越來越“虛”，其根源就在于由于場景應用端的缺失，巨頭們精心打造的AI內循環，天然就存在巨大的漏洞。

中國做對了一點

打造國家級的數據基礎設施

而反觀中國，盡管在AI產業的起步階段要比美國慢半拍，在一些關鍵技術的創新上也略遜于美國。但是在產業布局和戰略部署這方面，極有章法。

當然，中國在過去幾年間，也在大量囤積算力，甚至有很多超出市場邏輯的行為。但總體而言，中國有一個優勢讓AI產業的發展，非常腳踏實地。

這個優勢就是數據。

中國在頂層設計上不僅有“人工智能+”行動計劃，還有“數據要素×”行動計劃，從一開始就沒有用單一的視角推進AI產業的發展。中國是世界上首個將數據定義為生產要素的國家，更是在2023年成立了副部級單位國家數據局，正式將以數據要素驅動的千行百業數字化轉型提上了日程。

數據要素承載著人們生產生活中產生的大量信息，構成了物理世界的數字鏡像。在美國的AI大循環中，數據這一環是缺位的，這千億美金、萬億美金的投資幾乎都拿去買卡了。數據的背后代表著應用，不管噱頭多大，金融外殼的包裝多么精美，故事講的多么動人，AI沒有數據就一定不會產生實質的應用。

美國是沒有看到這個問題嗎？我倒覺得不是。非不愿也，實不能也。

中國的風格，美國那邊學不來。中國正走出一條獨具特色的AI發展道路——這不僅是一場企業主導的市場行為，更得益于國家層面的戰略統籌。

在數據基礎層面，我們堅持“全國一盤棋”思路，積極構建統一大市場，比如通過組建數據集團、設立數據交易所等舉措，系統性打通數據確權、流通的關鍵節點。

在算力布局上，我們將高耗能算力中心精準布局西部，通過“西數東算”實現資源最優配置。各地政府以及國央企主導的算力中心也是算力布局重要一環，其初衷就是為了更廣范圍服務當地的企業，尤其是中小企業。中小企業有什么特點，就是比較“實在”。因為中小企業不會像巨頭們一樣，把算力當成資本游戲玩。他用算力，就一定是用在了刀刃上。

與此同時，國家數據局大力統籌推進高質量數據集建設，取得顯著成效。截至2025年6月，全國已建成高質量數據集3.5萬余個，數據總量突破400PB，覆蓋自動駕駛、低空經濟、工業互聯網等重點領域。更值得關注的是，數據要素市場活力持續釋放：交易機構掛牌數據集超過3300個，累計交易額近40億元。數據標注產業快速發展，帶動相關產值超過83億元。

在制度建設層面，創新正在各個領域同步推進：建立完善數據產權登記和收益分配機制，探索可信數據空間等數據流通機制，探索數據語料作價入股等創新模式……

這些舉措共同構建了“資源-價值-資產”的完整轉化路徑。跟美國的玩法相比，數據不再是被隔離的靜態資源，而是能夠與各行各業深度融合的關鍵生產要素。如果說我們也在構建一個AI產業大循環，數據即便不敢說站了C位，那也是給足了畫面。

AI已然不是技術問題，而是金融問題

聯想到之前黃仁勛脫下標志性皮衣，換上西裝，誠意十足的跑來中國推銷芯片，中國最終選擇拒買，還是很有道理的。

美國正在搞的AI大循環，我們只需圍觀祝好就可以了，一定不要參與。當然了，人家也不愿意帶我們玩。

當前美國的AI熱潮中存在著一個奇特現象：真正推動行業沸騰的并非AI應用帶來的實際收益，而是囤積算力制造的虛假繁榮。在這場狂歡中，最耀眼的明星不是創造出顛覆性應用的AI創新者，而是那位穿著皮衣賣顯卡的人。這不禁讓人聯想到智能手機時代：如果當年最受追捧的不是喬布斯，而是富士康的郭臺銘，這會是一副什么景象？

更具諷刺意味的是，盡管美國花了天量的資金打造算力中心，但兩國AI產業的發展并沒有等比例拉開。這充分證明，這場算力競賽，已經脫離了AI技術進步的軌道了。

AI對美國而言，已然從技術問題演變成了金融問題。華爾街的操盤手們利用AI概念大做文章，將杠桿不斷放大，使得AI泡沫與美國股市深度捆綁。

在這個關鍵時刻，中國企業的明智之舉或許是：不要陷入算力陷阱，用系統化的思維看待AI產業，將資源合理分配到每一個環節，探索場景應用端的無限可能。與其盲目囤積“鏟子”，不如靜下心來思考如何更高效地“掘金”。

“君子不立于危墻之下”。美國AI產業正在積聚的金融“堰塞湖”風險顯而易見。當這場以AI為名的資本游戲終局來臨之時，保持安全距離，或許是最智慧的選擇。