透支未來，科技巨頭吹大AI泡沫

不到一個月時間內，OpenAI、英偉達、AMD、甲骨文與xAI幾家科技巨頭相繼進行巨額投資與交叉合作，掀起了一場聲勢浩大的AI資本風暴。投資換芯片、股權換算力、服務綁硬件，一場“投資—采購—估值飆升”的自循環游戲，襯得行業一派欣欣向榮。然而，以投換購的空轉邏輯下，資本狂歡催生出的泡沫，正逐步蠶食市場理性，將越來越多的頭部企業卷入算力軍備競賽的齒輪。

01

巨頭間的閉環合作

我們先來詳細梳理一下頭部企業之間的復雜的合作脈絡。

9月22日，英偉達向OpenAI投資最多1000億美元，用于共同部署10吉瓦（GW）算力的超大規模數據中心，包含數百萬塊英偉達GPU。投資將隨著數據中心建設逐步到位，首筆 100億美元在首個GW級集群建成時支付，首個階段預計在2026年下半年開啟。

英偉達的這一舉措最終將投資轉化為OpenAI對其芯片的采購，二者的綁定，不僅幫助英偉達順利鎖定未來訂單，也使OpenAI得以獲得穩定的算力供應以支撐GPT系列大模型的研發。

次日，甲骨文成為OpenAI的算力新盟友，二者簽署五年期價值高達3000億美元的協議，這筆訂單不僅遠超OpenAI當前的收入規模，也被認為是有史以來最大規模的云計算合同之一。合同執行需4.5GW電力容量，計劃將于2027年正式啟動。

甲骨文通過此次合作從傳統數據庫廠商轉型為AI基礎設施供應商，OpenAI也能夠因此緩解算力短缺的燃眉之急，但這筆訂單對雙方而言均是一場高風險高回報的賭博。核心原因在于過于龐大的合同體量加劇了雙方的資金壓力，盡管OpenAI增速可觀，但其目前的盈利能力遠不足以覆蓋在人才、算力等資源爭奪中的開支。甲骨文同樣如此，資本開支已超出其現金流能力，為完成接下來的數據中心擴建計劃，或需進一步舉債，而它未來收入的很大一部分都將集中于OpenAI這個單一客戶。

兩周后的10月初，OpenAI與AMD（超威半導體）簽署協議，未來數年內部署6GW的AMD Instinct系列GPU，首批1GW MI450芯片于2026 年下半年交付。作為激勵，AMD已向OpenAI授予了最多1.6億股的認股權證，OpenAI可以象征性的每股0.01美元收購AMD約10% 的股份。

OpenAI通過低價購股條款與AMD深度綁定，降低了對英偉達的依賴，又通過定制芯片開發，以及服務器機架、網絡設備等配套組件的共同設計的技術合作提升推理效率。AMD則借此打開高端 AI芯片市場，預計未來四年新增數百億美元營收。

富有戲劇性的是，一周后博通加入自研芯片戰局，與OpenAI合作開發10GW定制AI芯片（ASIC），由OpenAI主導設計，博通負責聯合開發與制造，計劃2026年下半年開始量產，2029年全部部署完畢。ASIC芯片專為OpenAI 模型優化，可提升性能并降低成本，這一步是OpenAI從算力買家轉型為芯片定義者的標志，彰顯其試圖通過垂直整合構建技術壁壘的野心。

至此，OpenAI的合作網絡已覆蓋三家芯片巨頭（博通、英偉達和AMD）。

緊接著兩天后，xAI完成200億美元融資，其中英偉達投資金額高達20億美元，并通過特殊目的實體（SPV）將籌集的資金采購GPU租賃給xAI，主要用于孟菲斯“Colossus 2”大型數據中心建設，xAI將通過為期五年的租賃合同獲得這些芯片的使用權。

英偉達通過“投資+租賃”的模式鎖定xAI的GPU需求，同時押注其未來可能超越OpenAI 的技術潛力。另一邊，xAI不僅借此獲得了算力支持，還得以避免將巨額債務計入資產負債表。

02

AI泡沫：豪擲下的算力軍備競賽

概括而言，OpenAI的算力布局已從被動采購轉向主動控制，通過資本杠桿和技術合作構建了覆蓋芯片設計、制造、云計算的完整生態。

英偉達和AMD在這場競賽中既是供應商，也是投資者，躬身入局的核心目的還是在于對主營業務的維護，利用投資換芯片，順利完成“左手倒右手”的資本閉環。甲骨文和博通主要是憑借細分領域的技術優勢分得一杯羹。而xAI的加入進一步加劇了AI算力的競爭，也為芯片廠商們提供押注的新選項，并通過創新融資模式為行業帶來新變量。

科技巨頭的合作網絡示意圖（圖源彭博新聞報道)

巨頭們各懷心思，既希望通過合作實現行業領跑，又想風險均攤多手押注，如何平衡合作關系就成了考驗智慧的關鍵。在投資、租賃、綁定采購等多樣手段的操作下，逐漸形成彼此交融的閉環生態。

然而，當巨額投資成為常態，產業泡沫緩沖下，市場的反饋機制也變得愈發鈍感，泡沫破裂后引發的危機可能更具突發性與破壞性。

03

泡沫是如何不斷被催生變大的？

首先，資本涌入會迅速推高市場估值和預期，巨頭間的這些合作與協議會引發市場對AI算力需求的過度樂觀，市場估值遠遠脫離實際盈利情況。

隨之而來的是產能過剩與價格戰，當過于樂觀的預期推動產能迅速擴張后，為爭奪相對稀少的需求訂單，廠商們會選擇降價奪單，以便迅速回籠資金。但利潤率下滑往往加劇財務壓力，使企業進一步訴諸擴產攤薄成本。

此外，資金過度流向算力基建，還會導致AI算法、應用層創新投入不足，進而造成資源錯配與創新停滯。近兩年全球AI投資中，七成用于算力，僅三成用于模型研發和行業落地。這使AI技術陷入算力軍備競賽的怪圈，而醫療、教育等垂直領域的AI應用又因缺乏算力支持難以規模化推廣。

咨詢公司貝恩在其最新發布的年度《全球技術報告》中指出，到2030年，人工智能公司每年的總收入需達到2萬億美元，才能滿足預計的需求并提供所需的計算能力。然而，這些公司實際的收入可能會比這一投入目標低8000億美元，原因在于AI服務與產品的商業化，遠未匹配數據中心及相關基礎設施的建設所需的資金投入水平。

一邊是投入無底洞，一邊是商業化慢半拍的錯位，若不能快速彌合2萬億美元目標與實際收入間的8000億美元缺口、控制遠超閾值的債務杠桿，一旦ChatGPT等應用盈利預期落空，OpenAI、xAI等企業將面臨算力租金違約潮，甚至可能使前期千億級算力基建淪為沉沒成本，最終拖垮的不是個別企業，而是整個AI產業從高速擴張向價值落地轉型的節奏。