当AI基础设施开始提供像水电一样的token |「天知道」Big Ideas 2026 Part 2

免责声明：本文只对ARK Invest公开发布的研究报告进行分析和质疑，不代表对任何资产的买入或卖出建议。

Part.01

如果你只有一分钟，阅读这里

AI推理成本（也是我们俗称的token价格）在一年内暴跌超过99%。ARK Invest预测，数据中心资本投资到2030年将累计突破1.4万亿美元，五大超大规模云计算厂商在2026年单年的资本开支，就会超过5000亿美元。

推理成本越便宜，需求越大，一分钱省不了，这就是杰文斯悖论 (Jevons' Paradox) 的陷阱。

Part.02

如果你有三分钟，请继续阅读

本篇是这个系列第2篇，讲的是AI的基础设施层，即"智能工厂"本身，芯片、数据中心、算力竞赛，还有一个让大多数分析师没有定价的太空概念。

Part.03

大创意，第2篇：智能工厂

大局观

ARK的AI基础设施报告开篇,就是上面这组图表，报告里虽然没有直接提到Jevons，但是数据的含义就是这条悖论的核心思想。推理成本在过去一年内暴跌超过99%，然而随着AI原生应用的快速扩张，成本下降正在驱动开发者、企业和消费者的token使用量爆炸式增长。ARK把这个现象跟这位经济学家的发现联系起来，然后得出一个结论——基础设施需求不会因为效率提升而收缩，反而会爆炸式增长。俗称，越便宜，越需要。

等等，杰文斯悖论，到底是说什么？19世纪英国，那时候正是发明蒸汽机的时代，经济学家威廉·斯坦利·杰文斯 (William Stanley Jevons) 观察到，蒸汽机效率提高了，但煤炭消耗并没有减少。反而是因为蒸汽机变便宜了，更多场景都用得起，总消耗量反而爆发。把同样的逻辑套在AI上，每单位智能越便宜，消耗的单位就越多。这个结果是，省不了token，人类只会越来越有创意地把它花在之前根本不敢想的问题上。

数据中心

ARK说，数据中心资本投资正以每年29%的速度增长，到2030年累计投入将超过1.4万亿美元。五大超大规模厂商（亚马逊、Alphabet、微软、Meta、甲骨文）在2026年的资本开支，ARK预测将超过5000亿美元，IEEE ComSoc的第三方估算更高，直接给到6000亿。

这1.4万亿美元预测背后的结构性判断是，token不会变贵，它会便宜到变成基础设施，就像当年的电力和宽带，然后总需求淹没掉所有的单位效率收益。可是这个逻辑到底在token这里成不成立？

不过也不是ARK一家之言，高盛估计，数据中心电力需求到2030年将比2023年增长165%。国际能源署 (IEA) 报告称，AI驱动的数据中心已经贡献了全球电力增长的约十分之一（在发达经济体里接近五分之一）。

我们常说三人成虎，谣言被重复多了就成了"事实"，警告我们不要被虚假共识带跑。可是，当高盛、IEA和ARK都独立研究后得出相似结论，就值得认真看待。

GPU市场（好了，到我最爱的部分了）

虽然GPU市场已经不是Nvidia一枝独秀了，但我们来仔细看看细节。

大模型推理（这是支撑GPT-4级别前沿模型的核心工作负载，也是超大规模厂商砸最多预算的地方），英伟达的GB200相比AMD的MI355X，在每TCO美元能跑的token数上领先5到12倍。TCO是总拥有成本 (Total Cost of Ownership)，也就是买一块GPU加上整个使用周期里运营成本的总和。这个领先幅度，足够让英伟达在最大合同竞争中高枕无忧。

而小模型推理的数据又截然不同。AMD的MI355X每TCO美元能跑3800万token，英伟达的B200只有3200万。AMD的小时TCO成本也更有优势：每小时1.49美元，英伟达GB200是2.21美元。对于大规模跑小型专用模型的企业来说（这是大多数企业真实的部署场景），AMD现在单凭经济性就已经是更理性的选择。

与此同时，四大超大规模厂商都在搞自研芯片。谷歌的TPU、亚马逊的Trainium和Inferentia、微软的Maia、Meta的MTIA。每一块自研芯片，就是少买一块英伟达GPU。随着推理工作负载逐渐标准化（这个趋势有利于商品化），英伟达在通用灵活性上的优势开始变得不那么决定性。

回过头，还有一个重要问题是——英伟达的CUDA，以及围绕它而存在的软件生态是它最耐久的护城河。大部分AI框架、训练流水线、部署工具都是为英伟达硬件优化的。如果企业要从英伟达换成别家，切换的代价巨大，还不只是钱，还有工程师的时间，实施改变的成本。AMD用自家的ROCm软件栈追了好几年，差距在缩小，但还没追上。

接下来这里才有趣。ARK的报告里提了一句把AI芯片送上轨道、作为"下一代云" (Next Gen Cloud) 的概念，但没深挖经济逻辑。外部分析补上了这部分。据《科学美国人》报道，在轨道上运行的太阳能驱动数据中心，能效可能大幅优于地面数据中心，因为轨道上太阳辐照度更高，没有云层、没有坏天气，日照几乎持续不断。SpaceX的发射成本持续下降，让轨道基础设施在经济上第一次变得可以认真讨论。谷歌已经宣布了"Project Suncatcher"，太阳能卫星星座，搭载TPU芯片，2027年有演示任务计划。Starcloud这样的初创公司已经把搭载英伟达H100 GPU的卫星送上了轨道。

说真的，第一次听到这个概念的时候，我脑子里面首先想到的是，好了你们这些科技公司又来编科幻故事骗我们买股票了是吗？数据中心在太空里，那数据传输的速度是多少？我们数据隐私如何保证？容灾策略是什么？你们都想清楚了吗？可是，这不是科幻，它距离成为大规模工作负载的真实选项，大概只有2到5年。

多头与空头

多头论点：杰文斯悖论是有历史依据的真实现象。推理成本下降正在催生全新的需求类别，AI智能体、永续在线的应用、过去因为买不起而没有AI的设备里嵌入的智能。市场的扩张速度，快过任何单一供应商的供给能力。哪怕英伟达的市场份额从85%滑到60%，整个饼从2000亿美元长到潜在的1.4万亿，更小的份额乘以更大的基数，绝对营收依然巨大。轨道数据中心的论点如果成立，将为垂直整合的玩家提供结构性能源优势，受益期可能长达数十年。

空头论点： ARK的预测需要所有好事同时顺利发生。推理成本持续下降；新应用场景的冒出速度足以消化过剩供应；能源瓶颈被解决；地缘政治风险（出口管制、中美AI竞争）没有打乱供应链。每一个单独来看都有可能，全部同时成真就是另一回事了。

ARK的报告基本上把英伟达的增长故事讲成了一个绝对营收的问题，而不是相对估值的问题。这个框架回避了最重要的投资问题，英伟达的股价已经包含了市场对其持续高速营收增长的预期（很多分析师模型里是年增30-40%）。第1篇里说的电信行业前车之鉴在这里同样适用：光纤基础设施真的铺好了，互联网使用量真的爆炸了，但大量基础设施建设者破产或者回报惨淡，价值流向了终端用户手里。

最后，中美动态带来了一个ARK报告承认但没有完全整合进去的不对称风险。中国正在大力投入自己的AI技术栈，开源了有竞争力的模型（DeepSeek、Qwen），能源电力的建设速度是美国没法比的。如果应用层才是竞争最终决胜的地方（ARK的判断如此），那么美国的基础设施建设是必要条件，但不是充分条件。

跟我有什么关系？

如果你是投资者：基础设施的需求论点是真实的，但估值问题和需求问题是两回事。我们在把任何AI基础设施公司当成买入标的之前，先问一句：它当前的股价是否已经预设了最优情景？对英伟达来说，营收增长和股价回报在当前市盈率水平下不是一回事。如果格局没有太大变化的情况下，我应该不会在当前价格买入Nvidia啦。诶这可不是投资建议啊！！

如果你在科技行业或者在考虑职业转型：能源是结构性瓶颈，它将决定未来十年AI发展在哪里发生。如果你站在电力工程、数据中心运营和AI工作负载优化交叉点上的岗位，将会既稀缺又值钱。

如果你只是好奇：推理成本一年内下降99%，这个数字值得记住。它是这个系列里其他所有AI故事成为可能的底层机制。我非常非常鼓励你，立刻去用AI工具，从现在开始熟悉它掌握它，用它来为你做事。然后对所有想问，要如何学习AI工具的朋友们说，不要买课，关注点应该是“你想解决什么问题”，再问AI能帮你做什么。就像当初用电脑一样用AI吧，打开它，然后立刻开始用。去用Gemini，Claude 或者ChapGPT。

本文是「ARK Invest 2026大创意」系列第 2 篇，共 13 篇。第1篇讲了五大技术汇聚的总论点。

来源

[ARK Invest Big Ideas 2026](https://ark-invest.com/big-ideas-2026/)：原始报告，包含ARK引用的所有GPU基准测试表格、推理成本数据及资本开支预测

[LLM推理价格的快速但不均匀下降 (Epoch AI)](https://epoch.ai/data-insights/llm-inference-price-trends)：独立追踪大语言模型推理价格趋势，显示同等性能下每年约10倍成本下降

[AMD vs NVIDIA推理基准测试：谁赢了？(SemiAnalysis)](https://newsletter.semianalysis.com/p/amd-vs-nvidia-inference-benchmark-who-wins-performance-cost-per-million-tokens)：AMD与英伟达GPU架构每百万token成本的详细对比分析

[AI将推动数据中心电力需求到2030年增长165% (Goldman Sachs)](https://www.goldmansachs.com/insights/articles/ai-to-drive-165-increase-in-data-center-power-demand-by-2030)：高盛研究量化AI数据中心能源需求走势

[太空数据中心可用太阳能为AI供电 (Scientific American)](https://www.scientificamerican.com/article/data-centers-in-space/)：轨道数据中心能效分析及相关技术挑战

[为什么AI世界突然着迷于杰文斯悖论 (NPR Planet Money)](https://www.npr.org/sections/planet-money/2025/02/04/g-s1-46018/ai-deepseek-economics-jevons-paradox)：通俗解读杰文斯悖论如何适用于AI效率与需求动态

[超大规模厂商资本开支2026年超6000亿美元 (IEEE ComSoc Technology Blog)](https://techblog.comsoc.org/2025/12/22/hyperscaler-capex-600-bn-in-2026-a-36-increase-over-2025-while-global-spending-on-cloud-infrastructure-services-skyrockets/)：2025年和2026年超大规模厂商资本开支预测数据

加入「天知道」讨论群，

获取 Big Ideas 2026 原报告