AI算力投资分析：军备竞赛与产能过剩
基于2026年7月13日深度讨论整理
摘要
全球AI基建投资已进入”军备竞赛”模式，年度投入超过$7600亿，但年度Token收入远不能覆盖成本。本文从投入规模、成本结构、ROI分析、中国算力产能扩张四个维度展开分析。核心结论：这笔账不是经济账，是战略账。赚钱的是卖AI硬件的那帮人，亏损的一定是用AI硬件的那帮人。算力产能过剩预计在2029-2030年到来。
一、全球AI基建投入规模
1.1 硬件投入
| 投入项 | 金额 | 来源 |
|---|---|---|
| 2026年北美四巨头AI Capex | $5270亿 | 高盛 |
| 2026年全球超大规模云厂商Capex | >$7600亿（每天烧$20亿） | 高盛 |
| 2026-2031年全球AI基建累计投资 | $7.6万亿 | 高盛 |
| NVIDIA FY2026营收 | $2159亿（净利$1200亿） | NVIDIA财报 |
| 2026年八大云厂商Capex | >$7100亿（+61%） | TrendForce |
| 中国智算中心（2026上半年新增项目） | 412个 | MBA智库 |
| 中国AI基建计划 | 2万亿人民币（5年） | 腾讯新闻 |
1.2 电力消耗
| 指标 | 数据 | 来源 |
|---|---|---|
| 2024年全球数据中心用电 | 415 TWh | IEA |
| 2030年预计用电 | 945 TWh（>日本全国） | IEA |
| 2026年AI服务器用电 | 175 TWh（+84%） | Gartner |
| AI服务器单台功率（Blackwell） | 1.2kW→3kW+ | NVIDIA |
| 2026年全球AI相关电力需求 | 132 GW | Gartner |
1.3 关键参数
| 参数 | 数值 |
|---|---|
| GPU服务器实际寿命 | 2-3年（训练负载） |
| 财务折旧周期 | 5-6年（云厂商报表） |
| 全球工业平均电价 | ~$0.07-0.10/kWh |
| 中国工业电价 | ¥0.6-0.8/kWh |
| 数据中心PUE（行业平均） | ~1.3 |
二、成本结构分析
2.1 全球年度成本
| 成本项 | 金额 | 占比 | 计算方式 |
|---|---|---|---|
| 基建折旧（5年） | ~$1530亿 | 74.5% | $7650亿÷5年 |
| 电费 | ~$224亿 | 10.9% | 280TWh × $0.08/kWh |
| 运营维护 | ~$300亿 | 14.6% | 估算 |
| 年度总成本 | ~$2054亿 |
电费仅占总成本的11%。 大头是基建折旧–GPU太贵了，NVIDIA FY2026全年净利率55.6%（Q4单季63.1%），而且每18-24个月就换一代。
2.2 中国年度成本
| 成本项 | 金额(RMB) | 计算方式 |
|---|---|---|
| 基建折旧 | ~1000-1600亿 | 中国部分基建÷5年 |
| 电费 | ~400-520亿 | 600-800亿kWh × ¥0.65/kWh |
| 运营维护 | ~300-500亿 | 估算 |
| 年度总成本 | ~1700-2620亿 |
2.3 电费的特性
电费在总成本中占比不大，但有一个关键特性：GPU不用了，电费可以停；但基建折旧不管GPU在不在跑，每年都在折。 即使算力闲置，折旧照样在发生。
三、ROI分析
3.1 年度收入 vs 年度成本
全球：
| 指标 | 金额 |
|---|---|
| Token市场天花板 | ~$600-1000亿 |
| AI订阅收入（ChatGPT等） | ~$350亿 |
| AI云服务（推理/训练） | ~$200亿 |
| 年度总收入 | ~$1150-1550亿 |
| 年度总成本 | ~$2054亿 |
| 年度净亏损 | ~$500-900亿 |
| 亏损率 | ~30-44% |
中国：
| 指标 | 金额(RMB) |
|---|---|
| Token市场天花板 | ~1000-1500亿 |
| 年度总成本 | ~1700-2620亿 |
| 年度净缺口 | ~700-1620亿 |
中国Token市场的天花板（1000-1500亿），大概只能覆盖中国AI基建年度总成本的40-60%。
Token市场天花板计算逻辑
按场景分项估算：
场景一：编程市场（最大Token消耗场景）
| 参数 | 数值 |
|---|---|
| 全国程序员 | ~250万人 |
| AI后保留 | ~125万人（砍一半） |
| 可省掉的程序员薪酬 | 125万 × 30万 = 3750亿/年 |
| 实际转化为Token消费（20-30%） | 750-1125亿 |
3750亿不会全部变成Token消费：
| 支出去向 | 占比估 | 金额 |
|---|---|---|
| Token/API费用 | 20-30% | 750-1125亿 |
| AI工具订阅 | 5-10% | 190-375亿 |
| 留存程序员涨薪 | 15-20% | 560-750亿 |
| 企业利润（拿走的节约） | 40-50% | 1500-1875亿 |
编程场景Token天花板：500-800亿/年（中国）
参照：2025年中国公有云MaaS市场总规模仅30.7亿，光编程一个场景的理论上限就是当前整个MaaS市场的15-20倍。
场景二：影视/内容创作市场
| 指标 | 数据 |
|---|---|
| 中国影视制作服务业总规模(2025) | ~4200-6800亿 |
| 可被AI替代的部分 | ~1000-2000亿 |
| 转化为Token消费 | ~200-400亿/年 |
场景三：日常办公市场
| 指标 | 数据 |
|---|---|
| 全球知识工作者 | ~5亿人 |
| 可被AI替代的任务比例 | ~30% |
| 转化为Token消费 | ~300-500亿美元/年（全球） |
汇总：
| 市场 | Token消费天花板(中国) | Token消费天花板(全球) |
|---|---|---|
| 编程 | 500-800亿RMB | 3000-4000亿RMB |
| 影视 | 200-400亿RMB | 800-1500亿RMB |
| 办公 | 200-300亿RMB | 3000-5000亿RMB |
| 合计 | ~1000-1500亿RMB | ~6000-10000亿RMB |
企业B端业务流程中Token消耗的反直觉发现
8家大型企业客户的调研数据：
| 维度 | 数值 |
|---|---|
| 8家大型企业月Token消耗 | ~9亿 |
| 单家企业日均消耗 | ~375万Token |
| 1个程序员日均AI编程消耗 | 1-2亿Token |
| 1家大型企业B2B流程AI消耗 | ≈ 1个程序员的2-4% |
8家大型企业一个月的B2B流程AI消耗，还不如5个程序员写一周代码。IDC预测的”日均140万亿Token”消耗主体是C端应用、AI编程、视频生成等场景，而非大企业的业务流程提效。大企业B端流程的Token消耗量极小，这对AI算力需求的预期构成了挑战。
3.2 回本周期
| 回本条件 | 预估时间 | 说明 |
|---|---|---|
| 只收回电费 | 现在就能 | Token收入 > 电费 |
| 收回年度运营成本（不含折旧） | 现在就能 | 全部AI收入 > 运营成本 |
| 收回年度全部成本 | ~2030年 | 假设收入年增30% |
| 收回累计历史投入 | 基本不可能 | 差数万亿美元 |
3.3 累计ROI
| 年份 | 累计投入(折旧) | 累计电费 | 累计收入 | 累计缺口 |
|---|---|---|---|---|
| 2026 | $7650亿 | $224亿 | $750亿 | $7124亿 |
| 2027 | $15300亿 | $470亿 | $1725亿 | $14045亿 |
| 2028 | $22950亿 | $740亿 | $2992亿 | $20698亿 |
| 2029 | $30600亿 | $1030亿 | $4639亿 | $26991亿 |
| 2030 | $38250亿 | $1340亿 | $6780亿 | $32810亿 |
到2030年，累计投入约$4万亿，累计收入约$6800亿，累计缺口约$3.3万亿。
四、本质判断：AI军备竞赛
4.1 这不是经济账，是战略账
这笔账算不过来，不是因为电费（电费才占11%），而是：
- GPU太贵 — 基建折旧占总成本74.5%，NVIDIA营收$2159亿占全球AI基建$7650亿的约28%，全年净利率55.6%
- 折旧太快 — 实际2-3年就被淘汰，但财务按6年折旧来美化报表
- 收入太小 — Token市场天花板才$600-1000亿，连电费都勉强覆盖
如果纯粹按经济账算，没有任何一家企业应该投AI基建。但所有企业都在投，因为不投会怎样比投了亏钱更可怕。
4.2 与历史军备竞赛的对比
| 特征 | 美苏航天/航空 | 中美AI |
|---|---|---|
| 投资方 | 国家财政 | 企业（主）+国家（辅） |
| 回报逻辑 | 战略威慑和政治象征 | 战略地位和产业控制 |
| 竞争驱动 | 你不投我就出局 | 你不投我就出局 |
| 对手在投 | 所以我也必须投 | 所以我也必须投 |
| ROI？ | 谁算过登月的ROI？ | 谁算过Token市场的ROI？ |
| 赢家 | 卖飞机/火箭/卫星的（波音/洛马） | 卖芯片的（NVIDIA） |
| 输家 | 两个超级大国的国库 | 中美两国的资本+全球散户 |
| 技术溢出 | GPS、互联网、新材料 | 算力网络、电力基础设施（不确定） |
4.3 三个关键区别
区别一：军备竞赛有终点，AI军备竞赛没有。
航天军备竞赛在1972年登月成功后基本结束了，因为”谁赢了”是明确的。AI没有”赢了”的标志–模型每18个月迭代一次，没有终点。这意味着投入不会停下来，会一直加码直到某一方撑不住。
区别二：军备竞赛是国家主导，AI是企业主导。
美苏航天90%以上是国家财政投入，苏联解体后直接停了。AI军备竞赛大头是企业（北美四巨头Capex $5270亿 vs 美国国防预算$8860亿；全球AI基建总投入$7650亿）。企业的钱来自股东和债券市场，不能像国家一样”无限投入”。但如果企业发现持续亏损无法扭转，Capex会断崖式下降。
区别三：军备竞赛的副产品是确定的，AI的不确定。
航天留下了GPS、互联网、新材料，这些价值远超登月本身。AI基建的副产品可能是算力网络、电力基础设施升级、芯片产业链，但受益者还不确定。
4.4 淘金热类比
| 维度 | 淘金热 | AI军备竞赛 |
|---|---|---|
| 真正赚钱的 | 卖铲子、卖牛仔裤、卖水的人 | 卖芯片、卖服务器、卖网络设备的人 |
| 淘金的人 | 大部分亏了 | 大部分会亏 |
| 驱动力 | “先到先得”的恐惧 | “先到先得”的恐惧 |
| 退出 | 金子没了/太多人来了 | 某天钱烧完了/收入上不来 |
| 幸存者 | 极少数找到了金矿的 | 极少数做成平台级产品的 |
NVIDIA就是淘金热里卖铲子的。不管谁淘到金子、谁亏了本，卖铲子的都赚了。
4.5 利润分布
NVIDIA (卖铲子) 毛利率71.1% 净利率55.6% ████████████
AMD/Intel 毛利率~50% ██████
台积电 毛利率55% ███████
光模块/存储 毛利率30-45% ████
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
云厂商(Google/AWS) AI业务亏损 ▓▓▓▓▓▓▓▓▓
AI模型公司(OpenAI) 亏损率160% ▓▓▓▓▓▓▓▓▓▓▓
企业用户(自建AI) ROI未知 ▓▓▓▓▓▓▓▓▓▓越靠近硬件，越赚钱。越靠近应用，越亏钱。
4.6 谁亏钱
| 用AI硬件的人 | 亏损模式 |
|---|---|
| AI模型公司(OpenAI等) | 收入<成本，每年亏几十到上百亿美元 |
| 云厂商(AWS/Azure/GCP) | AI业务亏损，用老业务利润补贴 |
| 企业自建AI | Token消耗小，但硬件折旧是硬成本 |
| AI应用创业者 | 拿到融资→烧钱→大部分会死 |
唯一可能不亏的”用AI硬件的人”是：企业用AI省下的钱 > AI的成本。 但这要求ROI > 0，目前大部分企业还在探索阶段。
五、中国算力产能与产能过剩预判
5.1 中国AI芯片产能爆发
| 厂商 | 旗舰产品 | 2026年目标 | 状态 |
|---|---|---|---|
| 华为海思 | Ascend 910C / 950PR | 60万片910C + 160万片总die | 政府采购清单，占SMIC先进制程43% |
| 寒武纪 | 思元590/690 | 50万片加速器（目标3倍扩产） | 政府采购清单 |
| 海光信息 | DCU系列 | – | Day-0适配DeepSeek V4 |
| 壁仞科技 | BR100/BR104 | – | 港股IPO中 |
| 摩尔线程 | MTT S5000 | – | Day-0推理适配 |
| 昆仑芯(百度) | 昆仑系列 | – | 港股IPO，目标$500亿估值 |
华为已公布”韬定律”（τ定律）路线图：通过”逻辑折叠”技术，麒麟2026芯片晶体管密度达238MTr/mm²，接近台积电初代3nm。规划到2031年达到400+MTr/mm²，对应台积电1.4nm水平。
5.2 NVIDIA在中国的溃败
| 年份 | NVIDIA中国AI芯片市场份额 | 华为份额 |
|---|---|---|
| 2024 | ~95% | ~3% |
| 2025 | ~40% | ~40% |
| 2026预测(Bernstein) | ~8% | ~50% |
Jensen Huang本人承认NVIDIA在中国已是”zero percent”。美国出口管制的”反噬”效应已经实现：限制不仅没有阻止中国AI发展，反而催生了中国自主芯片生态。
中国企业AI加速器预算中，国产产品占比将从目前的30%提升到未来12个月的46%（Bloomberg Intelligence调查）。80%的企业表示AI基础设施支出超预算。
5.3 中国芯片整体产能
| 指标 | 数据 |
|---|---|
| 2026年12英寸月产能 | 240万片（全球第一） |
| 全球占比 | 25%（超过韩国23%、台湾22%） |
| 主流制程(22-40nm)全球占比 | 2028年预计42% |
| 2025年IC产量 | 4843亿块（+10.9%） |
| 2026年国内IC市场规模预测 | 1.86万亿元（+11%） |
| 大基金三期 | 3440亿RMB（60%投向先进制程） |
| 国家AI基建计划 | 2万亿RMB（5年） |
5.4 关键约束：瓶颈不在GPU，在HBM和电力
| 约束 | 现状 | 中国vs美国差异 | 缓解时间 |
|---|---|---|---|
| HBM供应 | 缺口50-60% | 全球通用瓶颈 | 2027年底可能缓解 |
| CoWoS先进封装 | 极度短缺 | 全球通用瓶颈 | 2026年中开始缓解 |
| 电力并网（美国） | 8-12年排队 | 美国特有：私营电网无动力提前建设 | 无解，靠自备电厂 |
| 电力并网（中国） | 政府协调解决 | 中国优势：国家电网统一调度，”东数西算”统筹规划 | 基本不构成瓶颈 |
| 变压器交货（美国） | 24个月+ | 美国特有：制造业空心化 | 2027-2028 |
| 区域用电紧张（中国） | 局部高峰限电 | 中国特有：东部能耗指标紧张、夏季水电不足 | 调度问题，可优化 |
| 人才 | 严重短缺 | 全球通用 | 长期 |
全球性瓶颈是HBM供应，而非GPU产能本身。 HBM被三星、SK海力士、美光三家垄断（合计>90%份额）。但中国已形成多厂商协同的HBM产业链，正在多路突破。
中国HBM产业链全景
| 厂商 | 角色 | 进度 | 关键信息 |
|---|---|---|---|
| 长鑫存储(CXMT) | DRAM前段晶圆+HBM设计 | HBM2已量产，HBM3已交付华为样品，2026底量产 | 最核心玩家，月产能目标6万片，制程16nm(G4) |
| 武汉新芯(XMC) | HBM后段封装（先进封装代工） | 2024年启动HBM封装产线，月产3000片目标 | 长江存储子公司，M-stacking®混合键合技术，键合良率99.5% |
| 长江存储(YMTC) | 3D封装技术+下一代HBM研发 | 与长鑫合作开发20层+HBM，混合键合技术合作中 | NAND巨头跨界，HBM4时间表2027-2028 |
| 华为 | 自研HBM（与长鑫联合开发） | HBM2已用于昇腾910，自建10万片产线专供HBM3+LPDDR5X | 2026H2量产，构建”国产GPU+国产HBM+国产封装”闭环 |
| 通富微电(Tongfu) | HBM封装试产 | HBM2试产阶段 | AMD合作伙伴，全球第三大封测厂 |
| 远见智存 | HBM芯片设计（Fabless） | 发布HBM3/3e产品，带宽819GB/s | 2023年成立，全供应链中国本土配套 |
| 福建晋华(JHICC) | DRAM制造（潜在HBM） | 被列为华为HBM联合攻关组成员 | 在美国制裁名单上，技术进度不明 |
产业链分工模式：
长鑫存储 ──DRAM前段晶圆（16nm G4工艺）
│
├── 武汉新芯/长江存储 ──后段堆叠封装（TSV+混合键合）
│
├── 华为 ──自研HBM+自建产线（10万片，2026H2量产）
│
├── 通富微电 ──封测代工（HBM2试产）
│
└── 远见智存 ──Fabless设计（HBM3/3e，全本土供应链）与全球三巨头差距
| 指标 | 中国阵营 | 三星/SK海力士/美光 |
|---|---|---|
| HBM代次 | HBM2量产，HBM3样品阶段 | HBM3e量产，HBM4 2026 Q2量产 |
| 制程 | 16nm (G4) | 10nm级 (1b/1γ) |
| 良率 | HBM3约25-60% | >80% |
| 产能占比 | 全球<2% | 合计>95% |
| 技术差距 | 2-4年 | – |
结论：中国不是只有长鑫一家能造HBM，而是形成了”长鑫主导DRAM前段+武汉新芯/长江存储做封装+华为自建产线+远见智存做设计”的产业链联盟。 虽然跟三巨头还有2-4年差距，但整个生态在快速推进。HBM对中国AI芯片是约束瓶颈，但正在被多路突破，不是不可逾越的天花板。
电力约束则因国家而异：美国受限于私营电网的审批和建设周期（并网排队8-12年、变压器交货24个月+），中国则可通过政府协调快速推进，基本不构成瓶颈。中国在电力基建方面反而是一个优势项，这也是中国能快速扩大算力产能的重要原因之一。
5.5 产能过剩时间表
| 事件 | 预估时间 |
|---|---|
| 中国AI芯片占国内市场>50% | 2026年（正在发生） |
| 中国AI芯片占全球>15% | 2027-2028年 |
| HBM供应瓶颈缓解 | 2027年底 |
| 全球先进制程产能过剩 | 2028-2029年 |
| NVIDIA毛利率开始下滑 | 2028-2029年（如果AI基建放缓） |
| 全面算力过剩（铲子过剩） | 2029-2030年 |
变数：如果AI Agent/物理AI/机器人真的爆发了，需求增长可能追上供给增长，过剩会被推迟。 黄仁勋赌的就是这个–AI不会停在文本对话，会进入物理世界。如果他赌对了，铲子就永远不够用。如果赌错了，2028-2030年就是拐点。
六、投资启示
6.1 短期（2026-2028）
卖铲子的继续赚钱。NVIDIA、台积电、HBM供应商（SK海力士、三星、美光）的利润仍在高位。中国市场中，华为昇腾生态链、中芯国际、寒武纪是国产替代的核心受益者。
6.2 中期（2028-2030）
关注三个拐点信号：
| 信号 | 含义 |
|---|---|
| HBM供应不紧张了 | 算力供给的瓶颈被打开，产能开始过剩 |
| 中国AI芯片能出口了 | 中国产能不仅满足国内需求，开始抢占全球市场 |
| 全球云厂商Capex减速 | 企业发现ROI无望，开始收缩投入 |
三个信号出现任意两个，就是NVIDIA和整个AI硬件链的拐点。
6.3 长期
AI军备竞赛的终点取决于：
- 某一方财政/资本市场撑不住 — 类似苏联解体
- AI Agent/物理AI真的爆发 — 需求追上供给，推迟过剩
- 技术红利耗尽，热情消退 — 可能需要10-20年
6.4 核心判断
赚钱的是生产、卖AI硬件的那帮人，亏损的一定是用AI硬件的那帮人。投资方向很明确。
但这个好日子还有2-3年。要密切关注产能过剩信号，在拐点到来之前退出硬件投资，转向AI应用层的赢家。
*报告完成时间：2026年7月13日*
*数据来源：高盛、IDC、SEMI、TrendForce、Bernstein、Bloomberg Intelligence、Gartner、IEA、观察者网、NVIDIA财报等*