前沿AI实验室的万亿美元算力支出竞赛

SemiAnalysis创始人Dylan Patel将AI基础设施建设描述为两步跃迁：实验室从每年支出数百亿美元跃升至数千亿美元，现在预计到本十年末将达到每年万亿美元级别^[1]。总体数据支持这一趋势。2026年，AI行业资本支出总额年化接近约1万亿美元，约占全球生产总值的1%，美国GDP的3%，Patel预测到2028年将突破2万亿美元^[4]。仅OpenAI一家就将其到2030年的计划算力支出上调至约7500亿美元，比今年早些时候设定的约6000亿美元增长了25%，因其正从租用Azure、Oracle和CoreWeave的云容量转向完全拥有数据中心^[5]。大型科技公司的超大规模企业也处于类似曲线上——今年AI基础设施资本支出总和有望接近7000亿美元，高于前一年的约410亿美元、2024年的约2000亿美元和2022年的1620亿美元^[6][7]。麦肯锡估计，到2030年全球累计AI资本支出需求将达到6.7万亿美元^[6]。Patel在与Dwarkesh Patel的一次播客对话中阐述了这一轨迹，该对话在X平台上引发评论，将支出直接与美国GDP增长挂钩。

这些支出预测伴随着另一个并行主张：AI正接近自动化其自身研究的临界点，从而为支出提供合理性。Jerry Tworek在2026年1月离职前，曾领导OpenAI的推理模型研究近七年，他表示，当前的编码代理已足够强大，正推动其进入能够自动化AI研究的时刻，进而让模型自行研究更优模型^[2]。他进一步提出，当前的前沿模型可能是人类在几乎没有辅助的情况下设计的最后一代——‘也许我们正处于人类还能理解的最后一个模型’^[2]。Tworek离开OpenAI时表示，此类基础研究在该公司已不再可能，随后创立了Core Automation，这是一家明确旨在打造全球最自动化AI实验室的初创公司^[3]。Tworek描述这一转变的片段在X平台上广泛传播，其中一段总结了他的观点：AI研究人员现在彼此告知，他们只剩下几天有意义的工作时间，他认为大约两年后，人类将不再在AI研究中扮演有意义的角色——这一说法在社交平台上被解读为警觉而非怀疑，与对支出数字本身的嘲讽态度形成鲜明对比。

Patel的数据暗示了更深远的后果：到2028年，OpenAI和Anthropic可能控制全球大部分可用算力^[1]。实现这一目标催生了不同竞争对手之间异常复杂的相互依赖关系。根据Patel的追踪，Anthropic的千兆瓦容量将在一年内从不足2GW增长至超过5GW^[1]，该公司每月向竞争对手xAI支付12.5亿美元租用Colossus算力至2029年5月，已与TeraWulf签署为期20年、总额190亿美元的租赁协议，并承诺向Fluidstack投入500亿美元用于定制化美国基础设施^[7]。算力供应商也在加速扩张：Oracle的资本支出从2025财年的212亿美元跃升至2026财年的557亿美元，并预计2027财年将达到约700亿美元^[7]。Dylan Patel与Dwarkesh Patel在播客中讨论这一动态——实验室竞相锁定来自直接竞争对手的算力——在X平台上引发广泛关注，反映出算力集中机制如今受到的关注已远超单纯的美元数字。

并非所有人都相信这一支出曲线是可持续的。一些分析师，包括高盛、摩根大通和韦德布什的分析师，认为当前AI投资水平可由预期的生产力提升来证明；而另一些人则指出，AI的收入运行率仍远低于约6500亿美元的年收入，而后者是按10%的保守回报率来证明当前资本支出所必需的^[8]。这一差距正是怀疑最集中的地方：在Reddit上，有帖子将供应商累积的多年算力承诺与当前年收入进行对比，对‘万亿美元’的说法公开嘲讽而非警觉；一个获得大量点赞的帖子在回应某前沿实验室自身的长期收入预测时指出，这些数字意味着该公司产品将占据全球GDP的份额，这是任何单一公司都无法合理实现的。这种怀疑的反复主题并非支出没有发生——上述美元数字并无争议——而是正常的投资回报率计算可能不适用于这场军备竞赛，其中落后于算力的风险被视为远大于过度支出的风险。