AI Capex狂飙,但泡沫逻辑还未成立

重新听了25年10月，A16Z和Gavin Baker关于AI泡沫的访谈，感觉几个核心逻辑还是没变，最大变化是谷歌开始掉队。

1、判断AI泡沫不能光看资本开支绝对值，也要观在产能利用率和投资回报。2000年泡沫高峰期，美国约97%的光纤处于闲置状态；当前几乎不存在长期闲置的GPU，训练和推理需求仍受到算力、功耗和散热约束。主要科技公司扩大AI投入后，ROIC反而有所提升，说明资本开支暂时仍能转化为收入和效率。

2、AI基础设施具备比互联网早期更快的分发条件。互联网需要同时建设网络、网站和用户生态，AI产品可以直接依托云计算、互联网和现有终端，通过API或网页迅速触达用户。Token处理量持续增长，说明算力扩张背后存在真实使用需求。

3、NVIDIA与AI实验室之间的循环投资主要由生态竞争驱动。NVIDIA最大的潜在对手并非AMD，而是同时拥有TPU、Gemini、DeepMind和全球分发渠道的Google。Anthropic逐渐绑定Google和Amazon后，NVIDIA需要通过投资OpenAI、xAI等实验室保护自身生态和芯片需求。

4、前沿模型公司很难复制传统SaaS的高毛利结构。训练、推理、长链思考和Agent执行都需要持续消耗算力，模型能力越强，推理成本往往越高。AI公司需要接受毛利率下降，以更高收入规模、毛利额和用户使用深度换取长期价值。传统软件公司若过度保护现有毛利率，可能错过产品迁移和数据积累窗口。

5、应用层商业模式将从席位收费转向结果收费。客服、编程等任务目标清晰、结果可验证，适合按照问题解决量、代码交付量或节省成本收费。AI软件的收入边界也将从IT预算扩展到客服、财务、法务、营销和运营等人力支出。

6、芯片竞争的长期主线可能是NVIDIA全栈系统与Google TPU体系。NVIDIA已经从芯片公司演变为软件、网络、机架和数据中心架构平台；Google则拥有成熟TPU和完整应用生态。大量企业自研ASIC项目可能因芯片设计、软件适配和网络架构难度过高而失败，AMD更可能长期扮演二供角色。