——谁在同一艘船上，船靠什么航行，又可能在哪里进水

一、从“买卖关系”到“命运共同体”

过去的科技周期里，产业链各环节之间主要是买卖关系：芯片厂卖芯片，云厂商买芯片、卖算力，软件公司买算力、卖服务，投资人按各自的判断下注。环节之间有依赖，但风险基本可以切割，一家公司的失败通常不会把上下游一起拖下水。

这一轮AI周期的显著不同在于，资金不再沿着产业链单向流动，而是在各环节之间反复回流。供应商投资客户，客户用这笔钱采购供应商的产品；云厂商以股权加云额度的方式投资模型公司，模型公司再以长期合同把算力订单交还给云厂商；数据中心由私募信贷和债券市场出资建设，再以租约形式表外租给科技巨头。资本、订单和股权三条线交织在一起，形成了一个事实上的“共同体”。需要说明的是，本文所说的“共同体”，主要指以美国科技巨头和资本市场为中心的体系；中国的情况差异较大，将在第五部分单独讨论。

最典型的是英伟达。2026年前四个月，英伟达公开披露的AI股权投资已超过400亿美元，其中约300亿美元投向OpenAI，另有约100亿美元投向Anthropic，其余分布在CoreWeave、Nebius、IREN、康宁等十余家上市公司和约二十多个私募轮次。英伟达的非上市股权投资余额由一年前的约30亿美元升至4月底的约420亿美元。这些投资多数附带算力部署承诺：英伟达拿到订单和收入，同时持有客户的股权。

云厂商与模型公司之间的绑定同样紧密。微软仍是OpenAI的主要股东之一；2026年2月，亚马逊同意向OpenAI投资最高500亿美元；4月，微软与OpenAI修订合作协议，OpenAI可以在所有云平台上提供产品，微软的知识产权授权改为非排他，但OpenAI向微软的收入分成延续至2030年（设总额上限）。谷歌和亚马逊则长期是Anthropic的主要投资方与算力供应方。股东、供应商、渠道和竞争对手，往往是同一批公司。

图1AI共同体的四层结构与资金回流路径

把这些关系放在一张图里，可以看出共同体由四层构成：模型层是需求的源头，算力供给层和云与基础设施层负责把需求变成芯片订单和数据中心，金融与资本层为整个链条提供资金并从估值中获得回报。四层之间的每一条连线，都建立在同一个前提之上——AI收入的增长速度，足以覆盖今天的全部投入。

二、共同体的规模：一场以万亿美元计的提前下注

投入端的数字仍在不断上修。根据英国《金融时报》对一季度业绩会的汇总，亚马逊、微软、谷歌、Meta四家2026年合计资本开支指引约7250亿美元，比2025年的约4100亿美元增长约77%。其中亚马逊约2000亿美元，微软约1900亿美元，谷歌上调至1800–1900亿美元，Meta上调至1250–1450亿美元。Evercore和美银预计2027年合计将突破1万亿美元。若把甲骨文、新型云厂商和中国大厂计入，九大云厂商2026年资本开支的市场预估已达约8300亿美元。

图2　美国四大云厂商资本开支：两年内由4100亿美元迈向1万亿美元

值得注意的是，投入的增长并不全是实物产能的增长。微软在业绩会上表示，其1900亿美元资本开支中约250亿美元来自元器件涨价——HBM、DRAM等存储价格大幅上行，本身就是共同体内部利益再分配的一种形式：上游供应商的利润，来自下游客户更高的资本开支。另一方面，微软当季约三分之二的资本开支投向GPU、CPU等短寿命资产，这意味着折旧压力会比传统数据中心建设来得更快。

宏观层面，AI投资已经成为美国经济的重要支柱。高盛估算，2026年全球AI相关投资约1万亿美元，约占全球GDP的0.9%；美国AI投资占GDP比重约1.8%，并可能在2028年升至2.8%。ING的测算认为，扣除进口因素后，AI相关投资约贡献了2026年美国GDP增速的三分之一。与此同时，ING也指出，目前只有约2%–3%的美国家庭为AI订阅付费，增长主要来自资本开支和财富效应，而非终端消费。

三、“不能失败”的三重逻辑

第一重是金融逻辑。共同体已经深度嵌入资本市场。截至2026年7月，标普500前十大公司市值占比约39%，而1985年和1995年分别只有21%和18%；广义的AI相关股票约占指数市值的45%。英伟达一家的指数权重就在7%以上。对于持有指数基金的普通投资人和养老金而言，他们在不知不觉中已经成为共同体的股东。一旦AI预期逆转，冲击将不再局限于科技板块，而会通过财富效应、养老金资产和信用市场传导至整个经济。

图3　标普500前十大公司权重已超过互联网泡沫时期

第二重是产业逻辑。资本开支一旦启动，就会沿着产业链层层放大：云厂商的资本开支指引，本质上是对整个半导体供应链的远期采购订单。台积电的先进制程与CoWoS封装、三大存储厂的HBM扩产、光模块与电力设备的产能规划，都以这些指引为锚。任何一家龙头收缩投入，都可能引发上游订单的连锁调整。共同体中没有人愿意第一个踩刹车，因为谁先退出，谁就可能在下一轮竞争中失去位置。

第三重是战略逻辑。美国将AI视为长期竞争的核心领域，出口管制、产业回流与基础设施审批都在向AI倾斜。这在客观上为头部企业提供了一层隐性的“政策背书”：市场普遍相信，关键时刻政府不会坐视核心AI企业陷入困境。这种预期本身也会被资本市场定价，进一步降低了头部企业的融资成本。

四、裂缝在哪里：收入与承诺之间的剪刀差

共同体能否持续，归根到底取决于收入能否追上投入。贝恩2026年9月发布的第七份全球科技报告给出了一个清晰的门槛：要为AI的算力需求持续融资，到2031年需要约6万亿美元的年收入。消费级AI的订阅与广告，加上企业在软件开发、销售、营销、客服、IT运维等环节的应用，合计可贡献1.2–1.8万亿美元；剩余约4.2万亿美元，需要依靠模型替代搜索并接入广告、汽车与工业的自主化、仿真与机器人等物理AI，以及药物发现、能源等尚不存在的新市场来填补。贝恩估计，这相当于每年额外为全球GDP增速贡献约1个百分点。

图42031年AI收入门槛与现有应用可贡献收入之间的缺口

模型层的收入增长本身是真实而迅猛的。Anthropic的年化收入从2025年底的约90亿美元升至2026年7月底的约650亿美元，二季度收入约115亿美元，同比增长约14倍；OpenAI的年化收入在2026年8月约为400亿美元，大致是2025年底的两倍。按年化收入口径，头部两家合计已超过1000亿美元。

图5　头部模型公司年化收入走势

但与承诺相比，差距依然显著。OpenAI在2025年全年收入约131亿美元，此前宣布的算力相关承诺一度高达约1.4万亿美元；2026年2月，公司向投资人将2030年前的算力支出目标调整为约6000亿美元，并预计2030年收入超过2800亿美元。换言之，即使按其自身的乐观预测，未来几年仍需持续依靠外部融资来弥合支出与收入之间的差额。Anthropic方面，公司预计2028年收入约1900–2000亿美元，最新一轮融资估值约9650亿美元，估值同样建立在高速增长能够延续的假设之上。

压力也开始体现在现金流和资产负债表上。2026年一季度，谷歌自由现金流同比下降约38%，微软下降约22%，亚马逊过去十二个月自由现金流仅约10亿美元，同比下降约95%；四家中只有Meta的自由现金流仍在增长。资金缺口越来越多地由债务填补：Meta通过与Blue Owl合作的约270亿美元表外融资建设Hyperion数据中心；甲骨文计划2026年通过股债结合融资最多500亿美元，其负债权益比被分析机构估算在500%左右；摩根士丹利预计，到2028年数据中心建设所需的约1.5万亿美元中，私募信贷可能提供一半以上。资本开支的财务属性，正在从“用利润投资”转向“用信用投资”。

五、中国：没有“共同体”，仍处于探索阶段

如果把美国的框架直接套用到中国，容易得出“中国也在形成AI共同体”的结论，但这与实际情况并不相符。中国AI产业目前仍处于探索阶段：组织方式更接近“多个主体、各自下注、在约束中摸索”，而不是“相互持股、相互担保、共同托底”；同时还面临算力供给不足和外部限制，发展路径与美国存在明显差异。

首先，产业链各环节相对分散，缺乏美国式的资本闭环。模型层既有DeepSeek、月之暗面（Kimi）、智谱（GLM）、MiniMax、阶跃星辰等独立公司，也有阿里通义千问（Qwen）、字节豆包、腾讯混元、百度文心等大厂自研模型，开源路线占据重要位置；云服务由阿里云、火山引擎、腾讯云、百度智能云、华为云及运营商云分别提供；国产算力则有华为昇腾、寒武纪、海光、燧原、沐曦、壁仞、平头哥等多家并存；上游的晶圆制造、先进封装、HBM和设备材料又各自处在不同的追赶阶段。各环节之间以采购关系为主，很少出现“供应商大额投资客户、客户再以长期合同回采”的结构，也没有一家像英伟达那样同时扮演供应商、股东和融资方的核心企业。

其次，国内算力供给不足，能力仍有明显差距。在先进制程设备和HBM受限的情况下，国产AI芯片的产能和单卡性能都难以满足需求。据报道，华为计划2026年出货约75万颗昇腾950PR，但产量仍将低于需求；DeepSeek V4针对昇腾950进行优化后，字节、腾讯、阿里纷纷向华为追加订单，进一步加剧了紧张。短缺并不限于芯片本身，光模块、服务器CPU、功率器件和高端被动元件的交期也普遍拉长，有投资人判断这些瓶颈在2026年内难以缓解。与英伟达相比，国产芯片在单卡算力、互联带宽、显存和软件生态上仍有差距，模型公司往往需要投入额外的工程力量做适配，训练效率和迭代速度因此受到影响。

第三，资本开支是各家对自身业务的独立下注，风险留在各自的资产负债表上。2026年二季度，阿里巴巴资本开支约677亿元，同比增长75%，自由现金流净流出约447亿元；腾讯资本开支约528亿元，同比增长176%，自由现金流为-138亿元，为2005年以来首次转负；百度单季资本开支约114亿元，同比增长近两倍。字节跳动据报道已将2026年资本开支规划上调至约2000亿元。这些投入主要依靠企业自有现金流和股权融资——阿里近期完成约800亿港元配售，主权基金合计认购比例超过四成——而非大规模举债或表外融资。投入强度在上升，但彼此之间并不形成相互担保。

图6　中国互联网大厂2026年二季度资本开支与自由现金流：各自下注，风险分散

第四，采购选择受到政策引导，行政手段能解决部分问题，但不会取代市场选择。出于供应链安全考虑，主管部门通过窗口指导等方式，引导企业减少采购英伟达芯片、优先选用华为昇腾、寒武纪等国产产品；据媒体报道，部分国资背景的新建数据中心也被要求采用国产算力。这类安排在保障供应链安全、为国产芯片创造初始需求方面发挥了作用，但也意味着企业的算力选择并非完全由性能和成本决定，在一定程度上牺牲了效率。实践中，企业往往采取“国产与进口并用、训练与推理分开”的策略来平衡——据行业调研口径，腾讯后续国产芯片采购比例预计将提升至65%以上，训练卡与推理卡分别选择不同供应商。但最终决定胜负的仍是市场：模型由用户和开发者用脚投票，开源和价格竞争使任何一家都难以依靠行政资源维持优势；国产芯片能否长期立足，取决于性能、软件生态和总拥有成本能否真正追上。部分地区智算中心一度出现上架率、利用率不高的情况，也说明算力建设最终要由真实需求来消化，规划与补贴无法替代。

由此看，中国AI产业的风险结构与美国明显不同。美国的风险是“集中而相互缠绕”，一处出问题可能沿资本链条传导；中国的风险是“分散而各自承担”，不存在“大而不能倒”的系统性绑定，调整时更可能以企业层面的出清和并购完成。但中国面临的约束也更多：算力供给不足、外部限制与政策引导叠加，资源相对分散，单个主体的规模和议价能力有限。对中国企业而言，现阶段更现实的问题不是“共同体能否托底”，而是在算力、资金和人才的约束下，如何通过算法效率、开源生态和应用落地走出一条可持续的路径——这仍是一个探索中的过程。

六、历史的镜鉴：赛道成功，不等于每个参与者都能上岸

把AI共同体放在技术与金融周期的长河中观察，会发现“技术成功”与“投资成功”往往并不同步。19世纪的英美铁路狂热彻底改变了经济地理，但大量铁路公司破产，早期投资者损失惨重，铁路网最终以低价被整合者接手。2000年前后的互联网泡沫同样如此：互联网完全兑现了承诺，但过度铺设的光纤闲置多年，思科的市值花了二十多年才回到高点，而真正的赢家——如谷歌——当时尚未上市。

当前的“回流型”融资也有其历史先例。上世纪90年代末，朗讯、北电等通信设备商大量向客户提供卖方融资，帮助运营商采购自家设备，周期逆转后，客户违约与设备商收入下滑同时发生，形成双重打击。英伟达方面强调，其客户通常在约53天内付款，与当年多年期的卖方融资有本质区别；但《金融时报》的评论也指出，卖方融资一旦出问题，供应商既失去客户，又承担投资损失。两种观点都有道理，区别在于AI需求能否持续兑现。

与互联网泡沫时期相比，今天的共同体也有几处明显不同：主要投资者是盈利能力极强的科技巨头，而非纯粹依靠融资的初创公司；模型层的收入增长速度远高于当年的互联网公司；推理需求随着智能体（Agent）应用而快速增长，算力利用率目前处于高位。这些因素意味着，即便出现调整，其形态也更可能是“重定价”而非“崩塌”。

七、推演与观察指标

综合来看，AI共同体大致有三种演化路径。乐观情形：智能体、物理AI等新业态快速放量，收入在2028–2030年追上投入曲线，共同体整体获得回报。基准情形：技术持续进步、收入稳步增长，但增速低于资本开支，市场在某个时点重新定价——资本开支增速放缓、估值回调、高杠杆环节出清或被整合，头部模型公司依靠股东支持和自身收入度过调整期。悲观情形：收入增长明显放缓，叠加信用市场收紧，表外项目和新型云厂商出现违约，并通过股市与信用市场向实体经济扩散。

在这三种情形下，头部模型公司的处境都相对特殊：它们既是共同体中“最不能失败”的一环，也是风险最集中的一环。但它们背后站着资金实力最强的股东和供应商，后者救助的动力远大于任其倒下。相比之下，自身现金流薄弱、依赖债务扩张、客户高度集中的环节——例如以GPU为抵押发债的新型云厂商、以单一租户租约为基础的数据中心项目——才是调整到来时最先承压的部分。

对于产业链上的企业和投资者，可以持续跟踪以下几组指标，判断共同体是在稳步前行还是开始“进水”：

结语

“AI赛道不能失败”，在系统层面有其道理：资本、产业与国家战略已经深度绑定，没有人能承受全面退潮的代价。但共同体的稳固，最终不取决于各方绑定得有多紧，而取决于共同体之外的真实用户愿意为AI支付多少。今天，模型公司的收入增长给了这个共同体信心；未来几年，能否把4万亿美元级别的收入缺口变成真实的新产业，将决定这一轮投入最终是成为新的基础设施，还是成为又一次昂贵的提前下注。中国则走在另一条路上：没有共同体托底，仍在算力不足和外部约束下探索，政策提供引导与助力，但回报最终要由市场检验。对身处其中的半导体企业而言，更现实的策略或许是：分享扩张红利的同时，降低对单一客户和单一叙事的依赖，为周期调整预留余地。