菲利普·科特勒的营销学经典著作开篇区分了需求的3个概念：Need，Want和Demand。 需要（Needs） 是人类的基本需求，例如空气、食物、水、衣服和住所。人类也有强烈的休闲、教育和娱乐需求。
当这些需要指向能够满足该需要的具体对象时，就变成了 欲望（Wants） 。例如，美国消费者需要食物，但可能想要一份芝加哥风格的“深盘”披萨和一杯精酿啤酒。阿富汗的人也需要食物，但可能想要米饭、羊肉和胡萝卜。我们的欲望会受到社会环境的影响。
需求（Demands） 是指有支付能力支持的、对特定产品的欲望。很多人想要一辆奔驰，但只有少数人买得起。企业不仅要衡量有多少人想要他们的产品，还要衡量有多少人愿意并且有能力购买。
让Chatgpt完成了类比任务，把 AI 套用 needs / wants / demands 这个分类，可以这样理解：
Needs：基本需求 人们真正需要解决的问题。 比如：提高效率、降低成本、获得信息、学习知识、陪伴沟通、创造内容、做决策、减少重复劳动。
Wants：具体想要的 AI 产品或功能 用户把这些需求投射到某个具体形式上。 比如：我想要 ChatGPT 帮我写邮件；想要 AI 生成图片；想要 AI 做 PPT；想要 AI 陪练英语；想要 AI 自动剪视频；想要 AI 帮我分析股票。
Demands：有支付能力和购买意愿的 AI 需求 不只是“想要”，而是真的愿意付钱、公司也愿意采购。 比如：企业购买 AI 客服系统来降低人工成本；设计师付费使用 AI 设计工具；程序员订阅 AI 编程助手；学生购买 AI 口语陪练服务。
我觉得尤其不能混淆Wants和Demands。我想要雇佣一个秘书干活是一件事，花多少钱付不付得起秘书又是一回事。生成式AI自2023年以来，炒作的核心理由一直是需求还远远未满足，而供给却一直跟不上，AI应用仍处于早期。但是，大多数人理解的AI的需求是替代人，提升效率，AI可以做越来越多的事情，如上定义，这不是需求。另外，也有很多人把云计算和大模型公司的资本开支当作需求，因为算力一直供不应求所以认为AI应用需求短期内仍有巨大提升空间。但是，算力和AI应用是上下游的关系，算力供不应求真的可以推倒出下游应用很火吗。 AI真实的需求到底是多少？ 这并不是做数学题，有确定的数字。但我们可以多看看现状和一些事实，来尽量产生合理判断。1. 当前AI应用的终端市场规模集中在Open AI和Anthropic两家大模型公司，两者估计可以占到70～90%的市场。2025年，Open AI营收130亿美元左右，经营利润亏损209亿美元，Anthropic营收47亿美元。2026年，Q1 Open AI营收57亿美元，Anthropic Q1 收入48亿美元，Q2预计109亿美元（华尔街日报报道）。全年来看，两者的营收预计是6、700亿美元。 而我们还可以看到一个ARR的营销性质的数字，这个数字相对更不靠谱，不仅定义不明确，披露时间和信源也按心情来。但还是姑且一看： Open AI： 2023 年约 $2B、2023 年底 $2B、2024 全年 $3.7B、2025 年底 $21.4B、2026 年中约 $25B。Anthropic： $87M（2024 年 1 月）、$1B（2024 年 12 月）、$9B（2025 年底）、$14B（2026 年 2 月）、$19B（3 月）、$30B（4 月），5 月 28 日 Series H 官方披露约 $47B run-rate，日均新增约 $9600 万年化收入。Yipit 估计 7 月 ARR 已升至 $69B，且月环比增速较 5 月加快。最新的版本是ARR目前是个700亿出头的数字。注意，以上都是营收层面的数字，净利润是巨亏，没法看的。Anthropic据传Q2是个微利状态。 不管怎样，让我们总结一下，即使取年中两家的ARR之和作为全年营收，也就千亿美元左右，并且两家之和是亏损状态。我们把这个数字再和AI资本开支对比一下：2024年，5家北美大型云计算厂商资本开支合计2600亿美元左右，2025年则是4500亿美元。 2026年，北美大型云计算厂商的资本开支预计达到8000亿美元左右，2027年更是突破万亿。 从英伟达来看，仅仅最新的季度，其数据中心的收入就有752亿美元，2025和2026财年全年数据中心业务营收分别是1152亿和1937亿美元。 2023-2025年，AI的总开支应该有万亿美元，这一切的结果是什么，是Open AI和Anthropic 2026年千亿美金不到的营收（实际应该要低不少），也可以认为AI全行业的营收也可能就千亿美金不到的量级，并且还不盈利。 在众多的卖方甚至是买方论述中，资本开支常常被误用作为AI的需求规模。请注意区分这是两个概念。 既然AI应用市场规模不大，位于中游的算力开支扩张资金来源在可预见的未来几年都很难依靠行业内生增长提供。按照中金测算，26-30年的AI资本开支5.6万亿美元，经营现金流只能支持2.1万亿。所以，需要额外的融资。请注意看图中经营性现金流预测后续走平，即在这个模型中投行似乎假设了AI并没有给公司带来业务回报， 但是开支依旧要猛猛增加，背后的商业逻辑究竟为何？ 总之，按照投行的假设，融资缺口3.5万亿中，债券可提供1.5万亿，私募信贷1.1万亿。既然AI需求这么大，那我现在猛猛去建算力，大家应该会争着借给我钱吧。而如上所说，AI的真实需求市场现在并不大，且不赚钱。 2026年初至今，五家大型云厂商债券发行规模已达到约1900亿美元，创历史新高，发行币种也由美元进一步扩展至欧元、英镑和加元。 日经做了一个统计，5家厂商资产负债表上的实际债务总额目前约1.35万亿美元。但是5家企业的资产负债表上未记载的债务（表外债务）为1.65万亿美元。其中，Meta在资产负债表外的债务约为4200亿美元，达到实际债务的2.8倍，尤为突出。 债务随着累积，后续的融资利率和融资难度也会随之上升。大家可以去找找最近几个月这个云计算厂商债券利率的变化，近期已经有抬升。云计算厂商里Oracle的风险最大，其债券评级已经仅次于垃圾级。 另外，似乎市场还没有计入加息预期。而美国国债利率处于近期高点。 私募信贷是怎么回事请看之前发过的Michael Burry的免费文章，在其中对其形成有介绍。 私募信贷的运作简单理解就是：PE 公司控制的保险公司， 通过在百慕大设立的再保险公司， 买入了数据中心的私募贷款。而其中的杠杠有多少，引用Michael Burry的话： 注意那家离岸自保公司 Athene Annuity Re 高达 16.6 倍的杠杆——而这之后又被再次加杠杆，所以请按倍数去想。
我看到系统中的杠杆，远比上图所呈现的还要大得多。我见过中双位数（35 倍及以上）的杠杆。长期资本管理公司（LTCM）在 1998 年崩盘，正是因为看似稳赢的赌注在 30 倍杠杆下变坏。
高风险的贷款，对利率自然十分敏感。当对数据中心的信心崩塌，或者宏观利率上升，都是不可承受之重。 另外，数据中心建设的资本开支里有一个很大的问题是循环融资。以今天的华尔街日报报道为例， 英伟达正洽谈为OpenAI提供约2500亿美元的担保， 这笔担保将帮助ChatGPT的开发商租赁一个位于俄亥俄州南部的10吉瓦项目，该项目预计成本达5000亿美元。而Open AI自身 作为一家无利可图的私营公司没有投资级信用评级。 这2500亿美元的担保将涵盖数据中心租赁及建设所需的债务，但不包括将置于其中的英伟达芯片。据熟悉这些讨论的人士透露，英伟达已向OpenAI投资了300亿美元，目前还在讨论一项为OpenAI融资购买芯片的交易，这笔费用总计可能达到3500亿美元。 以上事件的负面评价是，英伟达在使用一切金融和资本手段，尽可能在这一泡沫周期里卖出GPU，使得季度财报数字继续打败指引和预期。英伟达扶持各种数据中心开发商，提供资金，这些数据中心开发商继而向英伟达购买GPU。如今，除了直接提供资金，英伟达在以上的新闻里报道的，进一步通过担保形式来继续向下游提供支持。如果AI数据中心像股价反映的那么美好，那么赚钱，为什么Open AI借不到钱，英伟达还需要费心去担保。很明显，借款人看到的风险比股票市场反映的要多得多。接着奏乐，接着舞。 一篇发表于6月28日的the Bank of International Settlements (BIS)的年度报告里有一幅重要图表： 最右侧的图C显示：数百亿乃至上千亿美元的循环融资（circular financing），将占据AI实验室、超大规模云厂商（hyperscalers）和芯片制造商——也就是整个"AI铁三角"——未来支出和未来收入的绝大部分。 说到底，本轮AI算力的建设，是由融资催生的人造繁荣。真实需求目前看似乎很难与投资额匹配。大量的资金用于购买昂贵的设施，从而催生了算力相关产业链的市梦率股票。
夜雨聆风
