观察者网 2026-11-19 08:36:40
【文/ 观察者网专栏作者 鲍韶山】
2026年11月,黄仁勋突然被罢免英伟达掌门人一职,在全球金融市场引发剧烈震荡,短短数日内便令这家芯片巨头的市值蒸发了数千亿美元。
黄仁勋丑闻事件后,英伟达股票大跌。图为5年间该股票走势图
“资产负债表黑洞”
尽管财经媒体的头条连篇累牍地聚焦于围绕这位长期执掌公司的首席执行官的个人丑闻与间谍指控,但真正令华尔街不寒而栗的震荡,远非董事会里的失德丑闻,而是资产负债表上的黑洞。
黄仁勋绝不仅是这场人工智能狂潮中极具个人魅力的推销员;他更是一张庞大、自我循环的金融关系网的总设计师——正是这张网,让整场AI泡沫得以在半空中维持不破。
在黄仁勋的掌舵下,英伟达早已超越传统半导体供应商的角色,一度扮演了整个AI生态系统的“中央银行”和风险投资金主。在AI算力竞赛中,英伟达累计构建了规模超1100亿美元的庞大股权投资组合——其中向OpenAI、Anthropic等前沿AI企业及新兴云服务商注资超600亿美元(其余则重仓了上游芯片与供应链巨头)。与此同时,英伟达还通过表外融资与信用支持大幅缓解客户资金压力,为超过1000亿美元的数据中心租赁债务提供担保,甚至承诺从自己的云服务客户手中回租算力。
实际上,英伟达是在自己掏钱资助那些购买自家处理器的买家——这是一个精密的资本循环回路:资金从英伟达的金库流向AI实验室和新兴算力云初创企业,旋即又作为硬件销售收入原路流回英伟达的营收账面。
只要黄仁勋稳坐这张大网的中央,向投资者保证市场对硅片的需求永无止境、GPU的价值坚不可摧,这种左手倒右手的资金循环看起来就像是极具远见的生态布局。然而,他的骤然离场刺破了这层光环,迫使市场直面一个令人坐立不安的真相:英伟达高达5万亿美元的估值,完全建立在一个旨在人为消化芯片产能、强行托举硬件价格的循环融资回路之上。
2026年11月12日,黄仁勋辞去英伟达CEO及董事职务。
然而,“仁勋府的倒塌”(the fall of the House of Jensen,化用自爱伦·坡名作《厄舍府的倒塌》)仅仅是一条更深层结构性断层发生剧烈错动的表面震颤。即便黄仁勋能够无限期地留任,美国的AI繁荣也早已注定要与物理极限和经济现实发生迎头相撞。
在硅谷的董事会议室和华尔街的交易台上,关于人工智能的主流叙事至今仍像一种准宗教信仰:只要向芯片、数据中心和吉瓦级的电力设施砸下数千亿美元,宏观经济的全要素生产率就必然会随之跃升。这种植根于主流经济学教科书的世界观想当然地认为,不断堆砌资本就能自动向外推升经济的生产可能性边界,用超高效率的算力丝滑地取代昂贵的人类劳动力。
但如果透过“热经济学”(thermoeconomics)的棱镜来审视——即将物理能源、原材料和现实供应链视为一切经济活动不可化约的物质基础,而非电子表格上被动的财务条目——美国AI产业的演进轨迹看起来就不像是一场势不可挡的工业革命,而更像是一个自我吞噬的泡沫。
美国的AI大规模基建非但没有开启一个唾手可得的丰裕时代,反而在酿成一场双重危机:一方面是物理资源的疯狂抽血,令美国经济的其他部门陷入电力、货币资本和熟练技工的极度匮乏;另一方面则是一个致命的经济陷阱——正当举债堆砌的基础设施达到顶峰之际,企业端对AI的实际需求却面临全面崩盘的威胁。
债务驱动的超级周期与“提示词注水”神话
要看清AI繁荣背后的账目为何根本算不平,只需看一看美国科技巨头“砸出去的真金白银”与“实际赚回来的收入”之间日益扩大的鸿沟。2023年至2026年间,美国四大超大规模云厂商——Alphabet、亚马逊、Meta和微软——的年度资本开支总额从约1300亿美元暴增至预估的7300亿美元。在这短短四年间,它们的资本开支占总营收的比重从温和的8.1%飙升至惊人的34%。然而,2026年整个行业由AI直接贡献的预估营收却区区只有1500亿美元左右。
在这轮繁荣的头两年里,科技巨头尚能依靠自身庞大的现金储备为扩张买单。但从2025年开始显现、并在2026年急剧加速的趋势是,资本开支的膨胀速度彻底超过了企业内部现金流的造血能力。为了在不掏空自有资金池的前提下填补窟窿,各大超大规模云服务商大举转向公司债市场、银团贷款、私募信贷以及表外合资企业,仅在一年之内就发行了远超2000亿美元的AI相关债务。一场起初由自有现金驱动的软件竞赛,就这样异化为一场高杠杆、由巨额债务托底的重资产基础设施超级周期。
更为关键的是,被拿来为这笔巨额债务做合理性背书的“算力消耗暴增”,很大程度上根本不是真实自发的市场需求。在美国各地的企业办公室里,急于向华尔街展示“数字化转型”政绩的高管们,自上而下地给员工摊派了硬性的AI使用指标。在内部绩效考核的压力下,员工们被迫将日常邮件、基础摘要和琐碎的行政杂务统统塞进高耗能的大语言模型里跑一遍,纯粹只是为了凑够词元(token)消耗量的考核指标。这种被称为“刷词元”(tokenmaxxing)的怪象,制造出了堆积如山的低价值的“提示词泡沫”。云服务供应商却将这种靠行政命令强推出来的合成虚假用量,误判为深不见底的真实市场需求,并基于“企业算力胃口将永远膨胀下去”的虚妄假设,砸下数千亿美元去兴建吉瓦级的数据中心。
主流经济学理论纵容了这种盲目,因为它把“资本”视为一团均质、单一的货币符号,认为只要把钱堆得越高,产出的回报就必然越多。
早在上世纪五六十年代,一场著名的思想交锋——“剑桥资本争论”——从逻辑上击穿了新古典经济学“资本可以加总为一种同质生产要素”的前提。
皮耶罗·斯拉法(Piero Sraffa)证明:资本不是某种均质的“魔法物质”,而是由车床、输电线、硅芯片、冷却塔等具体物理实体组成的集合。这些资本品的价值不是内在的物理量,而是随工资与利润率等分配关系变动的相对价格。
正因如此,技术进步并不沿着一条“越发达越资本密集”的平滑单向扶梯直线上升。在工资—利润率的不同区间中,成本最小化的技术选择可能来回切换:当利润率下降到某一区间,经济体完全可能出于理性算计,放弃精密复杂、资本密集型的技术,转而重新采用资本—劳动比更低、劳动密集度更高的生产方式。
这一现象被称为“技术再转换”(reswitching)。
剑桥资本争论,又称两个剑桥之争(the two Cambridges debate),是20世纪50年代至70年代新古典综合派和新剑桥学派(后凯恩斯学派)在资本理论领域的争论,争论始于新剑桥派对资本加总的质疑,逐渐展开至分配理论、价值理论与一般均衡理论。
“技术再转换”陷阱:当企业算清成本账……
在当今的美国AI行业,触发剧烈“技术再转换”的所有前置条件正在悉数就位。在这轮热潮的序幕阶段,AI算力之所以看起来异常廉价,是因为风险投资的补贴和科技巨头的资产负债表替客户承担了硬件建设与运营的真实成本,而与此同时白领阶层的薪资仍维持在正常基准线上。在那种条件下,用聊天机器人来处理日常行政工作自然显得很划算。
然而现在,两股强大的反向力量正迎头撞击这一商业模式。第一,企业界借AI之名大举推行白领裁员、招聘冻结和降薪施压,压平了受冲击白领群体的实际工资,并掀起了一轮新的白领岗位海外外包浪潮。第二,支撑AI运转的物理基础设施正撞上坚硬的物质极限,运营成本急剧飙升。数据中心需要海量且全天候不间断的稳定电力,然而美国电网却深陷多重瓶颈:高压变压器订单积压长达数年、特种电工钢(取向硅钢)严重短缺,重型燃气轮机的交货排队周期更是长达十年之久。由于物理电力基础设施不可能像写软件代码那样凭空变出来,新建数据中心获取稳定电力的边际成本正在陡峭攀升。
这将超大规模云服务商和前沿AI实验室逼入了一个无解的死胡同。如果它们通过提高云服务和应用程序接口价格,将飙升的电费与偿债成本转嫁给企业客户,那些正在审计IT预算的CFO们很快就会算清这笔账:花着高昂的云服务费、驱动电老虎般的GPU集群去处理臃肿的日常行政流程,其成本远高于直接雇佣薪资被压低的本土员工或海外外包团队。届时,企业的token预算将被大刀阔斧地砍掉,人为凑数的“提示词泡沫”将瞬间蒸发,企业将纷纷发生“技术再转换”,重新退回使用人类劳动力。
反过来,如果云服务巨头为了抵御廉价开源模型的激烈竞争而人为维持低廉的token价格,它们就根本无法赚取足够的利润来偿还如山积压的债务,收回成本将沦为遥不可及的幻梦。无论走哪条路,这套商业模式都已撞上南墙。
物理版“荷兰病”与美国工业的再空心化
比硅谷内部的财务脆弱性更具破坏力的,是AI大基建对美国经济其他部门造成的附带伤害。在国际贸易经济学中,“荷兰病”(Dutch Disease,得名于1959年荷兰天然气繁荣后引发的本国制造业衰退)指的是当某一个主导部门突然爆发繁荣时,会全面推高整个经济体的要素成本,从而导致传统产业丧失竞争力。通常情况下,这一过程是通过本币汇率升值传导的;但美国的AI繁荣却制造出了一种物理形态的“荷兰病”变体,直接通过现实世界中的三大瓶颈发生作用:货币资本、电力和熟练技工。
1973年第一次石油危机之后,荷兰由于能源价格高涨从天然气出口中获得大量收入,提高了国家社会福利。然而,荷兰获得了过度富裕的生活,荷兰盾的汇率也随之上升,劳动者薪水也同时上涨,导致生产成本大幅攀升,工业产品的国际竞争力急速下滑,工人失业造成经济恶化。
首先,凭借科技垄断巨头的资产负债表背书,AI超级周期吸干了数千亿美元的信贷与股权资金,导致金融环境收紧,推高了中小企业、传统制造商和民用基础设施开发商的借贷成本。其次,也是远为尖锐的矛盾,还在于“电力挤压”。用斯拉法的经济学概念来说,电力属于典型的基础商品——它直接或间接地进入现代社会几乎所有实体商品的生产过程,从电解铝、化工精炼到冷链食品物流和市政水处理,概莫能外。
当科技巨头签下海量长期购电协议、垄断电网并网排队配额时,它们直接推高了区域内所有其他用户的电价。与财大气粗的科技平台不同,传统工厂本就挣扎在微薄的利润边缘,根本无法将飙升的电费转嫁给消费者,否则就会在全球竞争中丢掉市场份额。此外,超大型数据中心的狂热建设如同一头技术劳动力市场上的“顶级掠食者”,将电气工程师、电网专家和熟练建筑技工从传统制造业和公共基础设施维护领域大举虹吸殆尽。
截至2026年三季度的美国联邦宏观经济数据,将这种结构性“挤出效应”刻画得淋漓尽致。尽管数据中心建设支出的狂飙(年化增速一度超过70%)和AI硬件需求撑起了表面光鲜的GDP总体数据,但美国传统制造业却陷入长期停滞:美联储数据显示,截至2026年三季度,美国整体制造业产出仍比2017年的基准线低近2%,剔除高科技硬件后的传统工业部门更是普遍承压;与此同时,美国劳工统计局(BLS)数据显示,自2023年以来全美制造业已累计净流失超20万个工作岗位,且减员几乎全部集中在非计算机类的传统工厂。越来越多的区域经济与能源研究显示,数据中心建设热潮正通过推高工业电价与抢占施工资源,在未来数个季度内持续转化为传统制造业的成本重压与就业萎缩。
这种工业萎缩绝非一时的周期性低谷,不可能指望等科技周期降温后就能自动反弹。重工业面临着物理学家和经济学家所称的“滞后效应”(hysteresis)——即不可逆的结构性损伤。当一家化工厂、金属冶炼厂或精密制造厂因为暴涨的电费将其利润率逼入负数而关停时,高炉会冷却损坏,专用机械设备起初被封存、最终被当成废铁变卖,供应链随之断裂,经验丰富的技术工人四散流失。即便多年后电价恢复正常,这些实体生产能力也已永远消失。
这正是美国AI繁荣最终自我毁灭的讽刺所在:人工智能本质上是一种中间服务,而非一个能够自给自足的闭环经济体。超大规模云服务商不可能靠永远向彼此互卖token来将数百吉瓦的算力变现。要撑起每年高达7300亿美元的资本开支周期,必须依托一个繁荣、有偿付能力的实体经济底座——需要有现实世界里的工厂、物流网络和具备购买力的家庭来为软件解决方案买单。
通过剥夺非AI经济部门赖以生存的平价电力、信贷资金和工程技术人才,美国的AI基建正在亲手摧毁自己未来的客户群。这在经济学上无异于拆掉整栋房子的地基去加盖一层更加奢华的顶层豪宅——其必然结果,就是整座建筑最终轰然倒塌,陷入一场“双重通缩”:一边是背负巨额坏账、沦为搁浅资产的数据中心,另一边则是彻底去工业化的一片废墟。
即便国家救助也无法解决内部矛盾
由于美国实际上已经把整个股市的估值和国家安全战略全部押注在了“AI霸权”之上,华盛顿绝不可能坐视一场彻底的市场崩盘自然出清。随着巨额债务偿付压力与已实现AI营收之间的裂口越撕越大,政治压力将推动美国政府祭出“三管齐下”的国家救援方案:
首先,在位的美国AI实验室将游说政府出台严苛的监管保护主义措施——通过禁令、关税和国家安全黑名单,将低成本的外国开源模型死死挡在美国及盟友市场之外,以便本土企业维持定价权;
其次,联邦政府将被迫充当“最后买家”,将利润丰厚的国防、情报和民事政府机构的云服务合同源源不断地输送给本土云巨头,以强行托举数据中心的利用率;
最后,一旦私募信贷危机威胁到各大科技巨头的资产负债表并引发系统性传染,华盛顿必将面临以“大而不能倒”为名提供主权贷款担保乃至直接财政救助的要求。
2025年7月23日,白宫发布了长达28页的《赢得AI竞赛:美国AI行动计划》,将人工智能竞争提升至关乎国家存续与未来命运的战略高度。
然而,从热经济学的视角来看,国家干预根本无法解决底层的物理矛盾。美国财政部可以开动印钞机创造流动性,国会也可以立法封杀竞争对手的软件,但它们既印不出电力,也印不出制造高压变压器所需的特种硅钢。动用联邦补贴和优先并网特权去强行维持高杠杆数据中心的运转,只会将“荷兰病”彻底制度化——即动用国家权力,把本就稀缺的电力强行导向低生产率的算力集群,同时让实体经济制造业活活饿死。
中国方案:摆脱“热经济学”陷阱
美国AI发展轨迹的结构性脆弱,与中国在制度与物理层面对人工智能的布局形成了鲜明对比。中国的产业规划没有把算力当成一种孤立的金融资产类别、去受限的电网上攫取软件垄断租金,而是将算力严格置于物理能源系统优化与物质生产大局之下。
这一反制模式建立在三大支柱之上。第一,中国将“能源投入回报率”(EROI)视为首要的工程准则。中国之所以能够避开令西方公用事业陷入瘫痪的硬件瓶颈,是因为中国掌握着重型电力装备的完整垂直供应链——生产了全球绝大多数的取向硅钢、特高压开关设备、太阳能电池板、风力涡轮机以及标准化核电机组。
中国不是在存量停滞的电网上搞配给制或临时拼凑燃气轮机,而是超前于需求扩张总发电能力,同时将输配电链条上的能量损耗降至最低。通过庞大的特高压直流(UHVDC)输电走廊,以及将电网电力直接转换为低压直流电、省去高损耗中间环节的开创性数据中心供电架构,中国设施的能源利用效率正在逼近物理极限。
第二,中国在空间地理上将高耗能的模型训练与沿海制造业集聚区进行了分离。北京没有放任数据中心在上海或深圳与实体工厂竞价争夺稀缺电力,而是通过国家级的“东数西算”战略,将对网络延迟不敏感的模型训练任务,统一调度至内蒙古、贵州、甘肃、宁夏等西部八大算力枢纽节点——在那里,充沛的风电、光电、水电以及坑口煤电外送电力若不加以利用便会闲置浪费。
通过将重度算力物理隔离在资源富集地区,并将数据中心作为调节电网稳定的柔性负载,中国成功使东部工业心脏地带免受电价通胀的冲击,在“荷兰病”生根发芽之前就将其彻底消弭。
2026年5月2日,我国首个大规模“算电协同”绿电直供项目,大唐中卫云基地50万千瓦光伏电站在宁夏中卫正式投运。
第三,中国将AI部署与工业产能保护紧密结合,而非单纯搞削减人力成本的套利。由于制造业产能得到积极保护与升级,AI在中国被作为一项务实的工业公用事业投入使用——用于减少物理浪费、优化电网调度、实现港口自动化以及精简工厂物流。保留一个深厚、充满活力的制造业底座,确保了中国拥有一个永久性的国内庞大客户群,能够生产性地吸纳算力吞吐量,从而从根本上杜绝了正威胁美国的需求毁灭与“技术再转换”陷阱。
这种国内物质基础的差异,也深刻塑造了中美两国在“全球南方”的竞争格局。美国模式试图对外输出绑定在美国本土缺电数据中心上的专有云服务——这种模式要求发展中国家必须具备重型电网基础设施、交出本国数据主权,并持续支付以美元计价的垄断租金。
中国则反其道而行之:利用本国西部富余电网承担高昂的模型训练能耗成本,随后将训练出的智能“蒸馏”压缩成如DeepSeek和通义千问这样精简、超高效率的开源模型,并向海外输出“集装箱算力”——即将交钥匙式的模块化数据中心与离网光伏、储能微电网打包配套,同时输出将智能直接嵌入边缘端的智能拖拉机、无人机和智能电网电表。
归根结底,围绕人工智能展开的地缘政治竞赛,绝不会由那个靠举债堆砌出最大规模尖端芯片集群、或是在舆论场上口号喊得最响亮的国家赢得。真正的技术领导权,必将属于那个在维系自身物质基础方面实现最高“热力学效率”的制度体系。
将金融工程与循环做局误认为真实的物质财富,美国的AI模式已经一步步将自己逼入了热经济学陷阱——在虚假的“提示词泡沫”上白白燃烧着有限的电力,同时却在掏空那个原本用来为整个国家点亮灯火的工业根基。
本文系观察者网独家稿件,文章内容纯属作者个人观点,不代表平台观点,未经授权,不得转载,否则将追究法律责任。关注观察者网微信guanchacn,每日阅读趣味文章。
【版权声明】本文内容来源于观察者网,版权归原作者及原媒体所有。本站仅作信息分享,不构成任何商业用途;如涉版权问题,请联系本站删除。
发布时间:2026-11-19 08:19:49
(第1/1页/共9838字/1阅)