买芯片的钱转了一圈回到英伟达：账面上的营收：谁在买单

买芯片的钱转了一圈回到英伟达：账面上的营收，谁在买单

2026 年，四大科技巨头加上其他玩家，资本开支约 7500 亿美元，约四分之三投向 AI。这笔钱是花出去的，不是赚进来的。

可在上游的财报里，它变成了一笔笔漂亮的营收，其中一部分，还是卖芯片的公司自己投出去、又转回来的钱。我们跟着这笔钱走一圈，一共六站：巨头的钱包、芯片、机房、电、应用层，最后绕回英伟达。每一站我们只问一个问题：钱在这里，会不会断？

7500 亿是支出，不是营收

英伟达的掌门人在 2026 年的财报会上表达过一个意思：算力就是收入。谁手里算力多，谁就握着印钞机。一家卖芯片的公司，市值一度冲上 5 万亿美元，比世界上大多数国家一年的 GDP 还高。

这台印钞机的燃料，来自巨头的资本开支。资本开支，就是公司为了长期经营花在楼、设备、机器上的钱。2026 年，亚马逊计划花约 2000 亿美元，谷歌母公司约 1800 到 1900 亿美元，微软约 1900 亿美元，Meta 约 1250 到 1450 亿美元。

四家合计 7000 亿美元级，加上其他玩家约 7500 亿美元。据估算，约四分之三直接投向 AI。

巨头买芯片盖机房，买芯片的钱就是英伟达的营收。所以我们的判断是：上游的繁荣，是中游的巨头一口一口喂出来的。一旦喂食的手放慢，上游的数字也会跟着变。

钱永远流向最稀缺、最不可替代的环节。

这句话是读懂整条链的钥匙。卡住别人的一方，可以坐着收钱；被卡住的一方，就丢了议价权。

先把全文的主线摆出来。这一圈里，每一站都是钱付得快、回得慢。芯片三四年就过时，机房却要按多年折旧。楼两年能建好，电网要等 4 到 10 年。模型公司一年收入只有百亿美元级，背着的多年期承诺却大一个数量级以上。

所以检验标准只有一个：应用层有没有从按人头收费转到按用量收费，有没有赚到真钱。需求是真的，这个圈就是协同；需求是假的，它就是加速崩溃的杠杆。下面每一站，我们都看两件事：钱有没有卡在这里，以及钱会不会在这里断掉。

芯片这站，钱在排队

在芯片这一站，钱不会断，钱在排队。

很多人以为卡脖子的是芯片设计。其实，造芯片的设备需要几十年的技术积累。举个例子：光刻机里的一面镜子，如果放大到德国国土那么大，表面最高的凸起也不超过 1 毫米。这样的精度，有钱也买不来第二家。

设备之后是制造。英伟达、AMD 和各大厂自研的芯片，绝大多数要送到台积电的产线上生产。单颗芯片的制程已经逼近物理极限，行业只能换一条路提升性能。

真正的卡点在封装和内存。先进封装，就是把几颗芯片和内存像搭积木一样紧紧拼在一起，让数据少跑路。高带宽内存，就是给芯片配的高速粮仓，粮仓跟不上，芯片再强也只能空转。2026 年，这两样产能一直绷得很紧：先进封装紧到限制客户的增长，存储厂 2027 年的产量大半已被提前锁定。全球 AI 算力一年能增加多少，就被这两道工序卡死了。

英伟达想卖多少芯片，不由它说了算。

需求仍然很猛。英伟达的数据中心业务，最近单季收入已近 900 亿美元，同比增速超过 100%。它的护城河不只是芯片快，更是全球工程师十几年攒在它软件生态上的代码和习惯。别家就算做出更强或更便宜的芯片，客户换生态的成本也极高。

但客户也在找退路。第一条退路是 AMD。哪怕它弱一点，只要它存在，客户在谈判桌上就更有底气。第二条退路是定制芯片：巨头请博通替自己设计专用芯片，博通把这块业务的目标定在千亿美元规模。

我们的判断是，芯片这站最大的变数，藏在大厂自研芯片这条线上。这是大厂对英伟达的一次集体越狱。钱还在排队，但排队的人已经开始另找出口。

机房这站，钱在变旧

7500 亿美元不是一次性花完就结束的费用。在会计上，它会变成要逐年折旧的资产。

折旧，就是把一次买设备的钱，摊到之后几年的成本里。花 2000 亿美元买的设备，接下来几年会一点一点吃掉利润。

今天砸得越猛，未来几年的折旧越重。

更麻烦的是速度。AI 芯片换代极快，三四年前的旗舰芯片，今天已经没人要了。这意味着设备真实贬值的速度，可能比账面折旧还快。

这是时间错配的第一处：钱付得快，价值掉得也快，收入却回得慢。一台机器还没回本，下一代芯片已经上市，客户自然更愿意租新的。所以市场关注的问题已经变了。过去问的是今年花了多少钱，现在问的是这些钱有没有变成能覆盖折旧的真实收入。

如果有一天大家发现，钱花了，楼盖了，机房却租不出去、收不回成本，那么这一站的压力会直接传到巨头的财报上。

这一站还有另一类玩家：专门建机房的数据中心地产商。它们只负责盖楼、接网、接电，再把机位租给别人放服务器，靠收租过日子。巨头自建自用，地产商对外出租，两种模式都要面对同一个问题：租金能不能跑赢折旧。

我们的判断是，机房这站的钱不会突然断，但会在账上慢慢变旧。

电这站，钱在等电网

如果说芯片在排队，那电就是在等。

一座大型 AI 数据中心满负荷运转，耗电相当于一座小城市。美国数据中心用电约占全国总用电的 6%。行业预测，到 2035 年可能升到 20%，也就是每 5 度电就有 1 度喂给机房。用得多还不是最致命的，致命的是时间差。

建一座数据中心约需 2 年。配齐电网、变电站和输电线，可能要 4 年，甚至 10 年。于是出现了荒唐的一幕：崭新的机房装满了芯片，却因为电不够只能闲着。

这是时间错配的第二处：楼建得快，电接得慢。

机房要的也不是便宜电，而是稳定电。风电和光伏靠天吃饭，没风没光就停。可训练大模型时断一次电，可能造成数百万美元的损失。所以全天候稳定供应的基荷电力最值钱，核电最有优势。

美国最大的核电运营商之一，已经和科技巨头签下长期供电协议，甚至计划重启关闭的老核电站，专门给 AI 机房供电。更激进的做法叫表后供电：把机房直接建在电厂旁边，电不经过公共电网，隔墙直送。这是被电网审批太慢逼出来的办法。

电之外还有热。几万颗芯片挤在一起，普通风扇压不住，必须上液冷。液冷、供电和温控设备，是这条链上最不起眼、却最本质的一环。

聪明的观察者，会把目光从芯片移向电和散热。

但这一站也有它的断点。部分电力股过去三年涨了三倍多，整个逻辑建立在一个假设上：AI 资本开支永远增长。我们的判断是，一旦开支放缓，这一站会最先承压。电是真瓶颈，但瓶颈不等于不会断。

收费这站，钱才算回来

前面几站都在花钱，只有应用层是真正收钱的地方。如果 AI 在这里赚不到真钱，前面的繁荣就是沙子上的城堡。

这一站的分水岭，是收费方式。传统软件按人头收费：公司有 100 个员工，就买 100 个账号，按年付钱。可如果 AI 智能体能替掉员工，公司为什么还要买那么多账号？市场一度担心，AI 会成为传统软件公司的掘墓人。

解法是改成按用量收费：AI 智能体处理了多少任务、被调用了多少次，就收多少钱。这样，企业用 AI 越重，软件公司赚得越多。我们的判断是，按人头收费会被 AI 吃掉，按用量收费会被 AI 放大。

有公司已经跳过去了。Palantir 用二十多年做出了企业的数字孪生，让 AI 看懂每台机器、每个订单、每个员工。2026 年二季度，它的单季营收接近 20 亿美元，同比增长九成以上。Salesforce 的智能体平台专做销售和客服自动化，按用量收费，最新年度经常性收入超过 15 亿美元，同比增长 200% 以上。ServiceNow 走得更远，它想当总包商，帮企业统一调度、管控和审计来自不同厂商的 AI 智能体。

也有公司没跳过去。C3.ai 曾被寄予厚望，但迟迟拿不出变现数据，也没有完成收费方式的转型，估值大幅缩水。只讲故事、只讲概念，在这一站行不通。

判断一家应用公司有没有真本事，不看宣传片，只看一个指标：它是不是因为 AI 真的多收到了钱。有机构预计，全球 AI 软件市场将从 2025 年的约 2900 亿美元，增长到 2026 年的约 3860 亿美元。但我们的判断是，钱会越来越集中到少数完成转型的公司手里。

好公司和值得买的价格，是两回事。

还有一层要说清：最核心的大模型公司，大多没有上市，价值锁在私募市场里。散户在二级市场买到的，是和大脑沾边的公司，不是大脑本身。

钱绕回了英伟达

原本，钱是单向流动的：巨头花钱，买英伟达的芯片，英伟达赚钱。2026 年，这条单向链条被一段一段焊成了闭环。

我们只摆事实。英伟达先是宣布计划向 OpenAI 投资最多 1000 亿美元，后来实际落地的是约 300 亿美元的股权投资；OpenAI 随即签下大额的云和芯片采购合同，这笔钱最终流回英伟达的芯片。英伟达还持有 OpenAI、Anthropic 等顶级模型公司的股权，加起来约 400 亿美元。

英伟达把钱投给客户，客户再拿这笔钱回头买英伟达的芯片，最后变成财报上亮眼的营收。这种模式叫循环融资。

2000 年互联网泡沫破裂前，电信设备商朗讯、北电做过同样的事。它们放贷给客户，客户用这笔贷款买它们的设备。账面营收飙升，直到客户破产还不上钱，销售收入变成坏账，整条链条从头断到尾，很多巨头再也没有恢复。

但这种繁荣是借来的。

今天的规模有多大？有分析估算，2026 年这类相互交织的循环安排，规模可能超过 8000 亿美元。

另一组数字看的是收入。有机构测算，到 2030 年，整个 AI 生态每年需要约 2 万亿美元的真实收入，才撑得起现在的投入；按目前的轨迹，收入缺口最高可达 8000 亿美元。前一个 8000 亿是循环安排的规模，后一个是收入缺口，两者不是一回事。

再看 OpenAI。它一年的收入以百亿美元计，听起来不少。但它背上多年期的算力采购承诺，比一年收入大一个数量级以上，而且现在还在大额亏损。一边是一年的收入，一边是多年的承诺，中间是一道很深的沟。这道沟要靠未来的收入来填，而未来的收入，正是这一圈里最不确定的部分。

还有一个更底层的悬念。巨头敢这样花钱，是相信规模法则：算力越多、数据越多、模型越大，AI 就越聪明。这条法则还没被证伪，但也没人能证明它永远有效。一旦越烧越聪明失效，整个估值体系都要重新定价。

看空的人说，钱在小圈子里空转，互相把营收吹成气球。只要一环断裂，比如 OpenAI 还不上钱，或某个巨头大砍开支，气球就会破。太多公司的业绩都押在数据中心会一直建下去这个假设上，一荣俱荣，一损俱损，最后是连环承压。

看多的人说，这次和 2000 年不同。这类交易占英伟达年营收的比例有限，不足以拖垮整体。7500 亿美元买的是真芯片、真机房、真电力。有机构测算，生成式 AI 全面落地后，每年能带来相当于银行年收入 2.8% 到 4.7% 的价值提升。

而且 2026 年出现了一个信号：推理需求首次超过训练需求。推理，就是你我每次真正使用 AI 产生的调用。这说明 AI 正从实验室走向大规模真实使用。

我们的判断是，两边的证据都是真的，闭环本身不是原罪，问题出在时间：每一站都是钱付得快、回得慢。

盯住收银台

所有站点最后都指向同一个地方：收银台。从沙子到算力，从机房到电，从模型到应用，再到把所有钱串起来的那个圈，我们用三句话收束。

第一，闭环是放大器，不是发动机。需求是真的，这个圈就是精妙的产业协同；需求是假的，它就是加速崩溃的杠杆。所以真正要盯的，始终是最底层的应用层：有没有从按人头收费转到按用量收费，有没有赚到真钱，有没有越来越多的人和企业离不开它。

循环融资只是放大器，不是发动机。

第二，越靠上游，越确定，也越拥挤、越贵；越靠下游，弹性越大，也越容易被证伪。上游已经被定在很高的位置。下游可能涨十倍，也可能一个季度不及预期就腰斩。想清楚自己愿意承担哪一种风险，比追逐哪一种故事更重要。

便宜、确定、高爆发，不可兼得。

第三，警惕叙事，追踪现金流。看一家 AI 公司，先问三个最难堪的问题：营收增长是否真实健康；增长能否持续，还是靠一次性的关联交易撑着；现在的估值，是否已经透支了未来十年的完美预期。

还要盯住那些建数据中心的公司，看它们的债务有没有在膨胀。历史一再证明，泡沫往往先在资产负债表的债务端破裂，而不是收入端。

我们的判断是：这一圈钱会不会断，不取决于英伟达卖了多少芯片，而取决于收银台上有没有越来越多真实的钱。

在这个疯狂的时代，理解本身就是一种保护。