AI革命是真的，泡沫也可能是真的 ——查诺斯、万亿美元数据中心与AI资本周期

AI革命是真的，泡沫也可能是真的

——查诺斯、万亿美元数据中心与AI资本周期

2026年7月，华尔街著名空头投资人吉姆·查诺斯（Jim Chanos）在 RiskReversal 的一次采访中，提出了一个颇为刺耳的判断：

今天的AI资本泡沫，可能比2000年的互联网泡沫更加严重。

查诺斯因为成功做空安然而闻名。他并不是一个天然反对科技的人。这一次，他真正质疑的也不是人工智能本身。

他质疑的是另外一件事情：

我们是不是正在用一两年的高价算力，给需要运行十几年甚至二十年的数据中心定价？

这可能是理解今天AI投资热潮最重要的问题之一。

因为AI技术革命是真是假，与今天投入AI基础设施的几千亿美元资本最终能不能获得合理回报，其实是两个完全不同的问题。

互联网是真的。铁路是真的。电力革命也是真的。

但历史一再证明：

伟大的技术革命，并不能保证每一个参与建设基础设施的人都能赚钱。

一、2000年互联网泡沫，究竟泡沫在哪里？

今天回头看2000年，很容易产生一个误解：

互联网泡沫破裂，是因为当时的人高估了互联网。

实际上恰恰相反。

人类最终可能还低估了互联网对文明的影响。

互联网后来改变了商业、媒体、金融、通信、零售和整个社会生活。

错的不是互联网。

错的是资本市场在1998—2000年间，对互联网基础设施建设速度和资本回报率的估计。

当年大量资本涌入光纤、电信和竞争性本地交换运营商（CLEC）。

大家相信：

互联网流量一定会爆炸。

这个判断后来完全正确。

于是资本进一步推导：

既然互联网流量会爆炸，那么现在建设的每一条光纤、每一个网络、每一家电信公司都应该非常值钱。

第二个判断却错了。

资本大量进入之后，供给迅速增加，带宽价格下降，许多高度融资的企业最终无法产生足够现金流。

于是出现了一个非常有意思的历史现象：

互联网改变了世界，很多建设互联网基础设施的投资者却破产了。

这正是查诺斯今天重新观察AI的出发点。

二、今天的规模，比2000年大得多

查诺斯在采访中做了一个非常醒目的比较。

按照他的估算，在1998—2002年的互联网和电信建设高潮中，CLEC与大规模光纤铺设等最典型的“烧钱行业”，五年累计资本投入大约1000亿美元左右。

而今天，仅仅一家大型科技公司一年的数据中心和AI相关资本开支，就可能达到甚至超过当年整个行业数年的规模。

现在真正控制AI资本水龙头的，是几家 Hyperscaler。

这个词值得解释一下。

Hyperscaler：超大规模计算基础设施运营商

今天AI产业中最重要的几家，基本就是：

MSFT、AMZN、GOOGL、META。

它们能够自己建设全球性数据中心、采购巨量GPU、铺设网络、电力和冷却设施，并把算力扩展到极大的规模。

所以Hyperscaler并不仅仅意味着“大型科技公司”。

它们实际上是今天AI基础设施建设的资本发动机。

整个产业链大致是：

MSFT / AMZN / GOOGL / META

 ↓ 购买GPU和ASIC ↓ 

NVDA / AVGO / AMD ↓ 带动HBM和存储 ↓ 

MU / SNDK ↓ 带动高速网络 ↓ 

ANET ↓ 带动供电、冷却和数据中心建设 ↓ VRT / 数据中心基础设施 ↓ 

进一步支持 ↓ CRWV / NBIS等Neo-cloud ↓ 

最后才是各种AI应用和最终用户。

因此研究今天的AI牛市，一个越来越重要的问题不是：

NVDA还能卖多少GPU？

而是：

MSFT、AMZN、GOOGL、META为什么还愿意继续买这么多GPU？

答案最终只能有一个：

这些投资必须产生足够的经济回报。

三、查诺斯最重要的批评：用两年的价格，赌二十年的资产

这也是整场采访最值得记住的观点。

现在一座大型AI数据中心的投资逻辑，很容易建立在今天的现实之上：

GPU短缺；算力租赁价格很高；利用率接近满载；AI需求高速增长。

于是投资者把这些条件延伸到未来：

今年租金这么高，明年需求还增长，于是建设一座可以运行十几年甚至二十年的数据中心，看起来拥有非常漂亮的内部回报率。

问题在于：

今天的算力价格并不是二十年合同价格。

它可能只是未来一两年的价格。

而数据中心、电力基础设施、土地和融资，却可能是十年、二十年的长期资产和长期义务。

这就是查诺斯所谓的：

Duration Mismatch——期限错配。

简单地说：

拿短期繁荣，给长期资产定价。

历史上的铁路狂热、房地产、页岩油、电信建设，都曾经出现类似问题。

今天AI最大的风险，也未必是AI需求突然消失。

更现实的风险可能只是：

算力价格下降30%；利用率从90%下降到70%；融资成本仍然不低；GPU更新换代越来越快。

四件事情同时发生以后，数据中心的经济回报可能发生完全不同的变化。

四、NVDA越成功，某些AI资产反而折旧越快

这里存在一个非常有意思的矛盾。

NVDA的竞争优势来自不断推出更强的新一代GPU。

Blackwell之后是Rubin，再之后还会出现新的架构。

每一代芯片都追求：更高性能、更低功耗、更低Token成本。

对于NVDA，这是巨大的竞争优势。

但是对于去年花几十亿美元购买上一代GPU的算力运营商，这意味着另一件事情：

经济折旧加快了。

一台服务器在会计上可以折旧五六年。

但：会计寿命不等于经济竞争寿命。

假如新一代GPU的每美元计算能力突然提高一倍，那么旧GPU当然还能工作，却未必还能维持原来的出租价格。

于是出现一个看起来违反直觉的关系：

NVDA技术进步越快，持有旧GPU资产的人可能折旧越快。

这意味着NVDA与CRWV、NBIS虽然都被归入“AI股票”，经济利益却并不完全一致。

NVDA希望：客户不断购买下一代GPU。

算力出租商却希望：去年买的GPU最好还能高价出租很多年。

一个制造技术淘汰。一个承担技术淘汰。

两者显然不应该享有完全相同的估值逻辑。

五、还有一个容易被忽略的问题：会计折旧

查诺斯尤其关注数据中心建设中的 Construction in Progress，CIP，在建工程。

企业购买服务器、GPU和数据中心设备之后，如果整个项目尚未达到可使用状态，部分资产可能仍然处于在建工程阶段，尚未开始正常折旧。

于是可能出现：

设备已经购买；下一代技术已经出现；经济价值实际上已经开始变化；但损益表上的折旧还没有完全体现。

另一方面，近年来部分大型科技公司曾经延长服务器和网络设备的估计使用寿命。

这样做符合会计规则，只要管理层认为资产确实可以使用更久。

但它也提出了一个越来越重要的问题：

一块GPU物理上能够使用六年，是否意味着它在经济上也具有六年的竞争力？

AI时代技术更新速度越快，这两个时间尺度之间的差距就可能越大。

因此未来分析Hyperscaler利润，仅仅看EPS已经不够。

必须同时观察：CapEx、折旧、自由现金流，以及新增资本究竟创造了多少新增利润。

这就进入查诺斯整个理论中最重要的指标。

六、ROIIC：AI泡沫真正的温度计

ROIIC——Return on Incremental Invested Capital。

中文可以译成：增量投入资本回报率。

普通ROIC问的是：公司所有投入资本，产生了多少利润？

ROIIC问的却是：今年新增加的100美元投资，到底增加了多少利润？

对于AI，这个区别极其重要。

假设一家Hyperscaler原来一年营业利润1000亿美元。

后来增加1000亿美元AI投资。

一年以后营业利润增加到1300亿美元。

粗略来看：新增资本：1000亿美元；新增利润：300亿美元。

那么：ROIIC ≈ 30%。

也就是说：每新增1美元资本，大约产生0.30美元新增年度利润。

30%的ROIIC当然非常漂亮。

管理层会继续投资。

问题在于资本具有边际收益递减的可能。

第一批数据中心：40%。继续建设：30%。再建设：20%。最后可能：10%。

这时候问题就出现了。

七、真正危险的不是AI不赚钱，而是“越来越不划算”

这一点是理解查诺斯观点的关键。

假设：

2025年增加1000亿美元AI资本，增加300亿美元利润：ROIIC = 30%

2026年增加2000亿美元资本，增加400亿美元利润：ROIIC = 20%

2027年增加3000亿美元资本，只增加300亿美元利润：ROIIC = 10%

注意：AI仍然在增长。AI仍然赚钱。数据中心仍然运行。NVDA仍然卖很多GPU。新闻甚至仍然很好。

但是：新增一美元资本能够产生的利润已经从30美分降到了10美分。

如果继续下降到7%、6%、5%，

Hyperscaler董事会自然会问：为什么还要承担技术淘汰、电力、建设和市场风险？

这时候管理层不会宣布：“AI失败了。”

他们只需要说一句：“我们将更加重视资本效率。”

对于整个AI产业链而言，这句话可能比“AI需求下降”更加重要。

因为它意味着：资本水龙头准备拧小了。

八、于是，2026—2028年的AI资本周期可能分成五步

现在回头看，整个AI周期已经出现了相当清晰的演化过程。

第一阶段：技术突破——2023—2024

ChatGPT出现；生成式AI爆发；GPU严重短缺；Hyperscaler抢购算力。

最大的赢家首先是：NVDA。

这是技术推动资本的阶段。

第二阶段：基础设施大建设——2025—2026

很快，人们发现只有GPU不够。

还需要：HBM、网络、电力、冷却、变压器、土地、数据中心。

于是资本从：NVDA 扩散到：AVGO → MU → ANET → VRT → CRWV → NBIS

AI牛市从一家公司变成一整条产业链。

这是：Capital Broadening——资本扩散。

第三阶段：金融化——2026以后

当企业自己的现金已经不能轻松覆盖所有投资时，金融系统开始进入。

债券；Private Credit；GPU抵押贷款；项目融资；长期租赁；Sale-Leaseback。

于是AI开始从：Technology Boom 进入：Capital Boom 再进入：Financial Boom。

这通常是资本周期非常繁荣的阶段。

股票甚至可能在这一阶段涨得最快。

但风险也开始从：“技术能不能实现” 转变成：“资产能不能产生足够现金流偿还资本”。

九、2027真正的分水岭，不是AI会不会失败

我认为未来最值得观察的不是：AI是不是泡沫？

而是另外一个数学关系：AI收入增长速度，能不能超过AI资本投入增长速度？

如果AI收入增长60%，CapEx增长30%，问题不大。

如果AI收入增长30%，CapEx增长30%，产业开始成熟。

如果AI收入只增长15%，CapEx仍然增长40%，查诺斯的逻辑就越来越正确。

反过来：

如果算力成本下降50%，却刺激AI Agent、机器人、自动驾驶、视频生成、药物研发等应用量增长300%，那么AI收入可能重新加速。

这就是技术史上著名的：杰文斯悖论。

一种资源因为技术进步而变便宜，并不意味着人类会少用它。

恰恰可能：因为便宜，人类用得更多。

所以NVDA不断降低Token成本，也可能反过来创造更大的AI需求。

这正是查诺斯空头理论最大的挑战。

十、因此，AI革命与AI泡沫完全可以同时成立

这是整件事情最容易被二元化讨论的地方。

多头说：AI将改变世界，所以现在不是泡沫。

空头说：资本开支太大，所以AI是泡沫。

两者其实都可能把问题说简单了。

更接近历史事实的答案可能是：

AI是一场真实的技术革命，同时正在形成局部资本泡沫。

铁路改变了美国。但铁路公司大量破产。

互联网改变了世界。但WorldCom仍然破产。

页岩技术改变了美国能源格局。但大量页岩企业的早期投资者并没有因此获得理想回报。

技术的社会价值与资本的投资回报，从来不是同一个概念。

十一、谁最危险，谁最安全？

如果未来Hyperscaler真的开始降低CapEx增长率，不同AI股票受到冲击的顺序不会一样。

我大致会把它们分成三层。

第一层：技术与平台控制者

NVDA / AVGO / MSFT / GOOGL

它们拥有技术、平台、客户或者巨大现金流。

即使AI资本开支增长从40%下降到15%，企业本身仍然拥有强大的经济基础。

这更接近长期核心资产。

第二层：AI超级周期中的周期资产

AMD / MU / SNDK / ANET / VRT

它们可能继续获得巨大的AI需求。

但是收入和估值对于新增CapEx更加敏感。

因此不能简单按照永续高增长定价。

第三层：AI资本周期高Beta

CRWV / NBIS以及类似Neo-cloud和AI数据中心资产。

它们可能在牛市后期上涨得最快。

但同时依赖：高利用率；高算力价格；低融资成本；稳定GPU残值；持续客户需求；不断获得新资本。

需要同时成立的条件越多，长期不确定性自然越高。

十二、真正应该监测的，不是“泡沫”两个字

未来一年，与其每天争论AI是不是泡沫，不如观察几个真正能够验证这个命题的数据：

第一，Hyperscaler CapEx。MSFT、AMZN、GOOGL、META是否继续高速增加资本开支。

第二，ROIIC。新增100美元AI资本，到底增加多少利润。

第三，AI收入增长。商业化收入能不能追上基础设施建设速度。

第四，GPU价格与利用率。如果算力租赁价格和利用率同时下降，Neo-cloud经济模型会迅速变化。

第五，管理层语言。

当电话会议中的关键词从：“capacity constrained” “demand exceeds supply” “AI opportunity”

逐渐变成：“capital efficiency” “utilization” “ROI” “capital discipline”，

可能就是资本周期正在转向的早期信号。

十三、从AI投资，再回到文明史

如果把视野拉得更远一些，查诺斯讨论的其实不仅仅是股票。

每一次重大技术革命，都必须经历一个相似的过程：

Technology → Capital → Infrastructure → Application → Revenue → Return → Capital Allocation

技术首先创造新的可能性。

资本相信这种可能性，于是大规模进入。

资本建设基础设施。基础设施催生应用。应用创造收入。收入最终检验资本回报。

然后资本根据回报决定：继续投入，还是撤退。

这本身就是一个反馈循环。

如果放入 Civilization OS，可以进一步表达为：

Technology → Capital → Infrastructure → Capability → Application → Outcome → ROIIC → Feedback → Capital Allocation

其中ROIIC扮演的角色尤其有意思。

它不是技术指标。也不是文明目标。

它实际上是：资本系统的反馈信号。

技术告诉人类：什么事情已经可能。

资本告诉社会：我们愿意为这种可能投入多少钱。

而ROIIC最终告诉资本：这种投入是否值得继续。

AI时代真正的四个“谁”

所以，面对今天可能超过互联网时代规模的AI建设热潮，真正值得问的已经不是：

AI是真是假？

而是四个更加具体的问题：

谁拥有技术？谁投入资本？谁承担折旧？谁最终获得现金流？

NVDA出售GPU。

CRWV、NBIS等企业承担大量算力资产和折旧。

MSFT、AMZN、GOOGL、META建设或购买巨量算力。

最终，企业和消费者必须为AI服务付钱。

如果最终现金流足够巨大，这条链条就能够继续扩张。

如果最终现金流增长赶不上前面的资本投入，资本链条就会开始重新定价。

所以查诺斯真正提出的警告，并不是：AI革命是假的。

而是：华尔街可能正在把一两年的算力繁荣，当成二十年的资本回报来定价。

这也是为什么，未来两年最值得观察的也许不是NVDA下一代GPU到底快多少，而是一个听起来没有那么激动人心的财务指标：ROIIC。

因为最终决定AI资本周期还能走多远的，是一个非常古老的经济规律：

技术可以不断创造未来，但资本最终仍然要求回报。

而从 Civilization OS 的角度看，这正是文明演化中一个反复出现的机制：

Vision打开方向，Technology创造可能，Capital加速建设，Infrastructure形成能力，Application创造结果，而Return与Feedback决定下一轮资源如何配置。

铁路如此，电力如此，互联网如此。

AI大概也不会例外。

作者说明：

Civilization OS（文明操作系统）是作者提出的一套文明分析框架，旨在通过“操作系统—功能—能力—概率—演化—结果—反馈”的动态链条，解释不同文明为何在相似条件下走向不同的历史道路。