32
0AI行业正面临巨额基建投资与盈利能力之间的巨大张力。尽管数据中心资本支出高达万亿美元，但AI公司自身仍在亏损，市场普遍担忧其盈利模式尚未跑通，同时隐性成本如员工监督和模型安全问题日益凸显。行业未来发展将更侧重于价格、可靠性和责任，而非单纯的能力扩张，并可能迎来一轮问责与整合。
万亿基建投资与盈利挑战
- 数据中心资本支出预计在2026年达到1万亿美元，占全球GDP的1.5%，但AI公司目前仍处于亏损状态。
- 高盛预测AI供需平衡需等到2027年下半年，这期间的巨额投入主要由云厂商“信仰驱动”。
- 若2027年AI应用收入无法覆盖万亿美元投资，可能导致比互联网泡沫更大的资产减值。
- 电力、光纤、芯片产能等物理瓶颈可能比资金更早地限制AI行业的扩张速度。
模型商品化与价格战
- OpenAI为与Anthropic竞争考虑降价，反映出模型能力差距缩小，用户开始关注价格。
- Anthropic的“Fable隐形护栏事件”暴露了安全与商业化的冲突，可能影响用户对AI模型的信任。
- 价格战存在导致模型公司削减安全投入的风险，最终可能损害整个AI生态。
- 如果模型层最终商品化，真正的价值可能向上游基础设施和下游应用转移。
AI应用成本与ROI的重新评估
- 员工每周花费6小时监督AI工作，表明AI并非单纯节省时间，而是以不同方式占用人力资源。
- 企业在计算AI投资回报率（ROI）时，往往高估其效益，未将员工监督、返工和解释错误的时间计入成本。
- 若公司不将“botsitting”（监督AI工作）计入成本，可能导致AI部署决策失真，影响长期采用。
- AI代理（如Blue41的0.01欧元转账案例）在金融等关键场景的攻击面比预期更大，带来复杂风险。
行业未来竞争与问责
- 尽管AI能力仍在扩张，但资本、供应链、用户和员工等各方已开始追问投资回报、供应能力、价格和人力成本。
- 下一轮AI竞争的关键将是价格、可靠性、责任以及那些藏在流程中的人工成本。
- 如果到2027年AI应用收入未能跑赢万亿美元的基建投入，行业将面临严峻的整合与淘汰，需警惕可能首先“撑不住”的玩家。
