Ed Zitron：AI 算力繁荣 可能是一场由两家公司撑起的幻象

海外科技评论作者 Ed Zitron 近日提出一个尖锐判断：当前 AI 算力经济可能并不是由广泛而健康的市场需求支撑，而是高度依赖 OpenAI 与 Anthropic 两家公司。云服务商投资 AI 公司，AI 公司再把资金用于购买云服务和算力，形成一种循环式增长叙事。

这个观点未必代表全部事实，却提醒我们：判断 AI 热潮是否可持续，不能只看融资额和数据中心建设规模，更要看真实客户、现金流质量和最终需求。

导语

过去两年，AI 行业最显眼的增长故事，不只是大模型能力的跃迁，还有围绕 GPU、云服务和数据中心展开的资本开支狂潮。Microsoft、Amazon、Google、Oracle 等巨头持续加码 AI 基础设施，NVIDIA 则成为这轮周期中最耀眼的受益者。

但一个更尖锐的问题正在浮现：这些新建的数据中心，最终到底由谁来使用？如果真正的大客户主要只有 OpenAI 和 Anthropic，那么所谓 AI 算力繁荣，是否只是被少数公司、少数云厂商和少数资本交易共同撑起来的循环叙事？

美国科技评论作者 Ed Zitron 在文章《Premium: AI’s Circular Psychosis》中给出了一个非常激进但值得讨论的判断：AI 经济正在形成一种“循环性妄想”。在这个循环里，云巨头投资 AI 公司，AI 公司再把钱支付给云巨头购买算力；云巨头由此确认未来收入，又继续扩建数据中心和购买 GPU。看起来每一环都在增长，但如果最终需求并不充分，这套机制就可能变得异常脆弱。

一、所谓 AI 算力繁荣，可能高度依赖两家公司

Zitron 的核心判断并不复杂：整个 AI 经济的相当大一部分，实际上压在 OpenAI 和 Anthropic 身上。按照他的梳理，这两家公司不仅占用了 Amazon、Google 和 Microsoft 的大量 AI 算力容量，也贡献了这些公司相当比例的 AI 收入；更关键的是，它们还可能占到这些云服务商未来收入积压订单的很大部分。

这意味着，市场看到的并不只是“云计算需求增长”，而可能是一种高度集中的客户结构：云厂商的 AI 订单来自 AI 公司，AI 公司的支付能力又来自融资与云厂商投资。换句话说，资金并不是简单地从终端客户流向模型公司，再流向云厂商；它在相当程度上是在投资者、云服务商和 AI 公司之间循环。

这种结构并非一定不可持续。早期科技产业经常依靠融资换增长，云计算、电动车、共享出行都曾经历类似阶段。问题在于，AI 基础设施的投入规模过于庞大，而目前真正能够持续消耗大规模 GPU 算力的公司，似乎并没有市场想象中那么多。

图中显示，OpenAI 与 Anthropic 对 Microsoft、Oracle、Google 和 Amazon 的支出承诺，在这些云服务商收入积压订单中占据相当高比例。粉色代表 OpenAI 支出承诺，橙色代表 Anthropic 支出承诺，灰色代表其他收入积压订单。图源：The Information，经 Where’s Your Ed At 引用；

如果上述测算成立，那么一个值得警惕的结论是：云巨头所谓未来收入的一大部分，不只是依赖 AI 需求，而是依赖 OpenAI 和 Anthropic 能够持续融资、持续扩张、持续支付巨额云账单。

二、Anthropic 与云巨头之间的“循环账单”

Zitron 对 Anthropic 的批评尤其尖锐。他认为，Anthropic 的问题并不只是亏损，而是它与 Amazon、Google 之间形成了类似循环的资金关系：云巨头投资 Anthropic，Anthropic 再把钱用于购买云服务和算力，云巨头由此获得收入预期，并继续扩大基础设施投入。

从财务叙事上看，这似乎是双赢。AI 公司获得了训练和推理所需的算力，云厂商获得了大客户，资本市场获得了增长故事。但如果 Anthropic 自身没有足够强的收入和利润能力，那么它支付云账单的能力，就很大程度上依赖外部融资。

这正是文章所说“循环性”的关键：一家云厂商的未来收入，可能取决于它所投资的 AI 公司是否能继续融资；而 AI 公司之所以能继续讲增长故事，又依赖云厂商不断提供算力、投资和折扣。账面上看，这是一条高速增长链条；换个角度看，它也是一条相互依赖的风险链条。

对于中国读者而言，这一点并不陌生。任何高投入产业在快速扩张期，都容易出现“先建基础设施，再等待需求兑现”的逻辑。区别在于，AI 算力建设的单位成本极高，技术折旧极快，一旦真实需求不及预期，沉没成本会非常沉重。

三、xAI 转让 Colossus-1：一个被忽视的需求信号

文章中另一个值得关注的案例，是 Anthropic 接手 SpaceX、xAI 和 Elon Musk 旗下 Colossus-1 数据中心的 300MW 容量。Musk 曾将 Colossus-1 称为“世界上最强大的 AI 训练系统”，并表示其建设目的在于训练 Grok。但现在，这部分容量却被转给 Anthropic 使用。

Zitron 认为，这件事释放了一个非常不寻常的信号：如果 xAI 这样的大模型公司都不需要全部自建容量，那么除 OpenAI 和 Anthropic 之外，市场上到底还有多少真正的大规模 GPU 买家？

这个问题很关键。过去一年，市场叙事往往默认“AI 算力永远不够用”。但“算力不够用”需要有具体客户支撑。谁在长期购买？谁有能力支付？谁的业务收入足以覆盖推理和训练成本？这些问题不能只用“未来需求”来回答。

Zitron 提到，Sightline Climate 统计显示，目前有 15.2GW 容量正在建设中，并预计在 2027 年底前完工。1 如果这些容量最终需要数千家公司以大规模租用 GPU 的方式消化，那么市场需要证明：这些公司在哪里，它们的商业模式是什么，它们是否有足够收入支付算力成本。

四、AI 初创公司的钱，最终流向哪里？

这篇文章的另一个重要判断是，AI 软件收入与算力收入之间存在高度传导关系。大量 AI 初创公司看似在获得收入，但为了提供服务，它们需要调用 OpenAI 或 Anthropic 的模型，或者租用由云服务商提供的 GPU 算力。结果是，初创公司的融资和收入，最终又流向少数基础模型公司和云基础设施公司。

这种格局会造成两个结果。第一，产业链收入越来越向头部集中。第二，中下游应用公司即便收入增长，也可能很难形成健康利润，因为模型调用和算力成本会持续吞噬现金流。

这也是为什么，AI 应用层的繁荣不能简单等同于产业整体繁荣。如果大量应用公司只是把融资转化为 API 调用费，而自身缺乏定价权和利润空间，那么它们更像是基础模型公司的渠道，而不是独立、稳健的商业主体。

从媒体编辑视角看，这一点尤其值得国内 AI 创业者关注。国内大模型行业同样面临类似问题：应用层公司能否摆脱对底层模型和云资源的高成本依赖，能否形成自己的数据、场景和客户黏性，将决定它们是否只是“模型能力展示层”，还是能成为真正可持续的公司。

五、云巨头、GPU 厂商与新云公司都被卷入同一个叙事

Zitron 进一步指出，OpenAI 和 Anthropic 的影响并不止于云服务商。它们的算力需求还通过 NVIDIA、服务器 ODM 厂商、新云公司和数据中心开发商继续向外扩散。只要市场相信 AI 算力需求会无限增长，GPU 销售、服务器订单、数据中心建设和云公司估值都能获得支撑。

但这里的核心仍然是需求质量。一个行业可以在短期内依靠资本开支制造繁荣，却不能长期依靠资本开支替代真实需求。如果新云公司的大客户仍然主要来自 OpenAI、Anthropic、Meta，或者来自为这些公司提供间接服务的云巨头，那么整个生态的客户集中度就会非常高。

这并不意味着 AI 没有价值，也不意味着大模型没有长期需求。相反，AI 正在改变软件、内容、搜索、编程和企业服务。但资本市场定价的，往往不是“AI 有用”这个事实，而是“AI 是否足以支撑数千亿美元级别的基础设施扩张”。这两者之间有巨大差别。

六、这篇文章激进，但它提出的问题不能回避

需要说明的是，Zitron 的文章立场非常鲜明，甚至带有强烈批判色彩。他把当前 AI 算力经济称为“巨大的骗局、幻象和错误”。这样的判断显然并非行业共识，也不应被直接当作定论。

但它提出的几个问题，确实值得严肃讨论。

对中国市场来说，更有价值的不是简单判断“AI 泡沫是否会破”，而是换一种方式观察 AI 投资热潮：不要只看模型参数、融资额、GPU 数量和数据中心规模，还要看最终客户是谁、收入从哪里来、成本由谁承担、利润能否闭环。

如果 AI 真正创造了足够大的生产力提升，算力建设当然会被消化。但如果大部分增长来自几家公司之间的资本、云账单和未来订单循环，那么这场繁荣的脆弱性就会比表面看起来更高。

结语：AI 的关键问题，从“有没有需求”变成“需求质量如何”

AI 的长期价值并不必然等于当下所有 AI 基础设施投资都合理。大模型可能继续进步，AI 应用可能继续扩散，企业也可能继续提高自动化水平。但与此同时，资本开支、云收入和 GPU 需求之间形成的循环关系，仍需要被更透明地审视。

这篇文章最有价值的地方，不在于它是否完全准确，而在于它提醒我们：AI 行业的真正风险，可能不是“没有人使用 AI”，而是“使用 AI 的收入不足以覆盖建设 AI 的成本”。

当一个产业越来越依赖少数超级客户、少数云巨头和持续融资来维持增长叙事时，投资者、创业者和观察者都应该问同一个问题：这到底是新一轮技术基础设施建设，还是一场由未来收入和循环支付撑起来的资本幻象？