SemiAnalysis 创始人解析万亿美元 AI 竞争：算力是 AI 世界的货币，Nvidia 是“中央银行” -pc6资讯

您的位置：首页 → 精文荟萃 → 网络资讯 → SemiAnalysis 创始人解析万亿美元 AI 竞争：算力是 AI 世界的货币，Nvidia 是“中央银行”

SemiAnalysis 创始人解析万亿美元 AI 竞争：算力是 AI 世界的货币，Nvidia 是“中央银行” 时间：2025/12/21 3:43:59来源：www.pc6.com作者：路西蓝我要评论(0)

在 AI 带来的新一轮全球基础设施重构中，算力、资本与能源正以前所未有的方式交织在一起。

本文是 SemiAnalysis 创始人兼 CEO Dylan Patel 在 Invest Like The Best 的最新访谈。Dylan Patel 是业内最知名的 AI 与半导体分析师之一，他和团队长期跟踪半导体供应链和 AI 基建，甚至通过卫星影像监测数据中心的建设，非常熟悉前沿技术的发展进程，具有极强的行业影响力。

在采访中，他从产业链、能源网络与资本流动出发，勾勒出一个极少被公开讨论的事实：AI 不只是算法革命，而是一场由算力、资金与地缘政治共同驱动的产业迁徙。

• 算力—资本—基础设施正形成闭环，算力就是 AI 时代的货币；

• 谁掌控数据、接口与切换成本，谁就拥有了 AI 市场的话语权；

•Neo clouds 与推理服务商承担最大的需求与信用不确定性，而稳定利润最终流向英伟达；

•Scaling Law 不会出现边际效益递减现象；

• 模型“更大”不等于“更聪明”，真正进步来自模型算法或者架构的优化、模型推理时间的延长；

•在 AI Factory 范式下，企业竞争的关键因素在于用最低 token 成本提供稳定、可规模化的智能服务；

•硬件创新的重心在芯片互联、光电与电力设备等老工业环节，因此能真正推动硬件创新的仍是巨头。

01.AI 掌控之争：谁在博弈？如何取胜？

三千亿美元的三角交易是什么？

在当下的 AI infra 竞赛中，OpenAI–Oracle–Nvidia 之间形成了一个独特结构性合作，这一交易模式被市场称为“三角交易（Triangle Deal）”，三方在资金流与产能上形成了深度捆绑。

•OpenAI 向甲骨文购买云服务；

•甲骨文作为硬件基础设施供应商，负责建设并运营庞大的数据中心，因此需要向英伟达采购大量的 GPU 芯片，资金会在很大程度上流回英伟达；

•之后，英伟达再将自身部分利润以战略投资的形式返还给 OpenAI，支持 OpenAI 的 AI 基础设施建设。

2025 年 6 月，甲骨文 Orcl 首次披露与 OpenAI 的重大云服务交易，OpenAI 将在未来五年内向甲骨文购买总额约 3000 亿美元的算力服务（年均支出约 600 亿美元），监管文件显示，这项协议将在 2027 财年起，为甲骨文带来超过 300 亿美元收入，这成为史上规模最大的云端合约之一。

2025 年 9 月，英伟达宣布将向 OpenAI 投资最高 1000 亿美元，双方将合作建设至少 10 吉瓦的 AI 数据中心，用于训练与运行下一代模型，耗电量相当于 800 万户美国家庭。英伟达股价当日上涨超 4%，市值逼近 4.5 万亿美元。

按照 Dylan 的估算，1GW 数据中心的建设成本约为每年 100–150 亿美元，合同期一般为 5 年，总额约在 500–750 亿美元之间。如果 OpenAI 的目标是构建 10GW 级别的计算集群，那么总资金需求将达到数千亿美元规模。

以 Nvidia 与 OpenAI 的交易为例，1GW 集群对应约 100 亿美元的 Nvidia 股权投资，但完整建设一座 1GW 级别的 AI 数据中心的总成本约为 500 亿美元，其中会有大约 350 亿美元直接流向 Nvidia，这部分的毛利率高达 75%。换句话说，Nvidia 实际上将一半的毛利转化为 OpenAI 的股权，达成一种结构性让利。

这一三角交易不仅是对算力稀缺的回应，更代表了 AI 行业资本化的新阶段：在这个阶段，算力成为新的货币，基础设施成为价值分配的高地，技术创新的速度被金融结构不断放大。

数据、接口与切换成本：掌控 AI 市场话语权的关键

AI 产业的竞争表面上是模型与平台之争，实质上是权力链条的重构。Dylan 认为，谁掌控数据、接口与切换成本，谁就掌控了 AI 市场的话语权。

以 Cursor与 Anthropic 为例，表面上 Anthropic 作为模型提供方赚取了大部分毛利，但 Cursor 作为应用方掌握了用户与代码库数据，且可在多模型之间自由切换，最终仍保有议价空间。

这种博弈也存在于 OpenAI 与微软之间。2023 年，微软几乎完全掌控 OpenAI 的算力与资本合作，但到了 2024 年下半年，为避免承担约 3000 亿美元的长期支出，微软暂停了部分数据中心建设，放弃独家算力供应，OpenAI 转向了 Oracle。OpenAI 与微软目前正就利润分配（微软的封顶利润为 49%）和知识产权共享进行重新谈判，双方的控制权正从以微软为主逐渐转向更加平衡的合作关系。

在硬件层面也是如此，Nvidia 无法通过并购来扩大控制力，只能依靠资产负债表来“兜底”——通过需求担保、回购协议，甚至提前分配算力等方式巩固自身生态体系。Dylan 将这一过程称为“GPU 货币化”：GPU 已成为整个 AI 行业的通用货币，而 Nvidia 则像一座中央银行，通过融资与供给规则来掌控流通。

这种前置分配机制还被大量复制——Oracle、CoreWeave 等公司都在向合作伙伴提供“首年免付算力窗口”，让对方能够先行进行模型训练、获得推理补贴、扩大用户规模，再在随后的四年内以现金流方式偿还成本。

由此，AI 行业形成了一个跨越硬件—资本—云服务—应用的多层权力链条。算力、资金与信用在这条链上循环流转，构成 AI 世界的金融基础设施。

Neo Clouds：AI 产业链的新商业分层

Nebius、CoreWeave 的崛起本质上是 AI 产业链正在形成一个新的商业分层：Neo Clouds 介于芯片制造、云算力等底层供给与大模型、应用产品等上层生态之间，承担着算力租赁、模型托管与推理服务的角色。

Neo Clouds 有两种模式：

1. 短期合同：

通过购买 GPU、搭建数据中心，用高溢价租出算力。这一模式现金流充足但价格风险极高。以英伟达 Blackwell 为例，如果按六年摊销计算，每小时算力成本约 2 美元，短期合同可卖到 3.5 至 4 美元，利润非常高。但当下一代芯片发布之后，芯片性能提升了十倍，价格仅提高了三倍，这类资产价值就会迅速下滑。

2. 长期绑定：

通过多年期合同锁定客户。这一模式毛利稳定但非常依赖对手方信用，如果无法履约，风险将集中落在 middle layer players 身上：

•Nebius 与 Microsoft 签订了一份 190 亿美元的长期合同，确保了稳定的现金流和高额利润，市场甚至认为这个信用水平高于美国国债；

•CoreWeave 早期主要依赖微软的订单，是微软重要的算力合作伙伴。后来，Microsoft 减少了采购规模，CoreWeave 转而与 Google 和 OpenAI 建立合作关系，向这些公司提供 GPU 计算资源和数据中心服务。这让它在短期内维持了高利润，但也带来了新的风险，尤其是 OpenAI 的偿付能力不足，让这些合同的长期稳定性存在隐忧。

Inference Providers 也在 Neo Clouds Business Model 中寻找到了新的增长空间。它们为客户提供模型托管和高效推理服务，主要面向 Roblox、Shopify 等企业。这些企业虽然具备自建模型的能力，但推理部署过程往往非常复杂，尤其是在大模型和多任务场景下。Inference Providers 通过提供开源模型微调、稳定算力和可靠服务，成为整个系统运行中的关键一环。

Inference Providers：提供模型推理服务的第三方平台或企业，是已经部署了某个模型并允许用户通过 API 或其他接口使用这个模型的服务商，也就是说用户可以付费使用这些服务商提供的 API。

然而，这些 Inference Providers 自身也处于高度不确定的环境中。它们的客户多为资金有限的初创企业或中小型 SaaS开发者，项目周期短、合同履约风险高，一旦资金链断裂，风险便会层层传导。最终，产业链的利润依然集中在英伟达：它通过销售 GPU 实现稳定收益，却几乎不受市场波动影响。所有的不确定性与信用风险，都由 Inference Providers 来承担。

AI 军备竞赛

Dylan 同样认为，AI 已成为新的战略赛道，尤其在大国博弈的语境下，竞争不再局限于技术维度，而是国家经济与体系的整体对抗。尤其对美国而言，AI 是维持其全球主导地位的最后关键点，如果没有这场 AI 浪潮，美国可能会在本世纪末失去世界霸权。

今天来看，美国社会的增长动力正在枯竭：债务高企、制造业回流缓慢、基础设施老化，而 AI 是唯一能让经济重新进入增长通道的加速器。因此，美国必须依靠 AI 来维持 GDP 扩张、控制债务风险并延续制度秩序。当前，美国的模式依然建立在资本市场与创新驱动之上，依靠开放生态与私营部门的巨额投入，通过超大规模算力建设维持领先地位。

中国采取的则是截然不同的长期战略。中国政府常以“以亏损换份额”的方式推动产业崛起，无论是钢铁、稀土、太阳能、电动车，还是 PCB 行业，中国都依靠国家资本与政策扶持，逐步取得全球市场份额。如今，这一模式被复制到半导体与 AI 领域。中国政府通过“五年规划”、“国家大基金”及地方财政政策，对半导体产业的累计投入已达 400–5000 亿美元。这些投资的目标并不是要实现性能领先，而是要构建完整、可控的供应链体系，实现从材料到封装的全链自给，来确保地缘紧张环境下的产业安全。

同时，在执行层面，中国展现出显著的速度优势与组织动员能力。如果中国决定建设一个 2–5GW 级的数据中心，可能只需数年，而美国在同等规模的建设上通常需要两到三倍时间。