AI基建狂潮下的算力产业变局与回报拷问

执行摘要：全球AI基建投资进入高峰期，前六大云厂商至2030年资本支出预计超7万亿美元，但量升价崩（每百万Token价格跌破1美元）与回报率不透明正动摇资本开支逻辑。中国算力产业计费模式从'卖机柜'转向'卖词元'，利润格局重塑。叠加美债收益率上行风险，AI基建融资与信用体系面临重新定价，产业进入从规模扩张转向效率竞争的关键窗口。

产业现状：投资狂潮与泡沫争议

一场规模空前的资本开支竞赛

全球AI基础设施建设正以前所未有的速度和规模推进。据标普发布的信用展望报告，预计前六大超大规模云服务商至2030年的累计资本支出将突破7万亿美元。这一数字意味着，围绕数据中心、芯片、电力和网络的投入规模，已接近一个大型经济体的年度GDP量级。

更值得注意的是AI与美国宏观经济的绑定深度。标普指出，美国私营部门近半数经济增长已与AI活动深度关联。换言之，AI基建投资不仅是科技行业的内部叙事，已成为支撑整体经济增长的关键引擎。这也意味着，一旦投资节奏放缓，宏观层面的外溢效应将难以忽视。

产业上游的景气度印证了这股热潮的强度。存储领域，AI基建需求推动DRAM价格上行，长鑫科技二季度全球DRAM营收市占率从去年同期的4%升至10%，半年报营收同比大增873.64%并扭亏为盈；中国算力产业的计费逻辑正从「卖机柜」转向「卖词元」，全国日均词元调用量两年增长超1000倍，算力被纳入国家级重大工程规划。需求端的真实放量，是这轮投资狂潮中最具说服力的支撑论据。

泡沫争议的核心：回报无法验证

但热潮之下，质疑声同样来自最严肃的机构。标普此次罕见对超大规模云服务商发出系统性信用警告，直指两大隐患：

1. 投资回报率未被量化披露——数千亿美元的年度开支，缺乏可被外部投资者验证的收益核算口径；

2. 循环融资结构日益复杂——芯片厂商投资云厂商、云厂商采购芯片、再以算力抵偿的闭环交易，使真实需求与账面收入难以区分。

具体到个体，标普点名亚马逊面临失去AA评级的风险，而甲骨文一旦遭降级将跌入垃圾级区间。这标志着债务市场已开始对AI基建风险进行重新定价——信用利差，正在成为比股价更敏感的泡沫温度计。

「量升价崩」动摇开支逻辑

回报质疑的最直接证据来自价格端。高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，首次跌破1美元，较5月高点约2.05美元累计跌超50%。同期OpenRouter平台Token用量环比增长约47%，但美元支出仅增长约7%。

用量爆发与收入滞涨形成的剪刀差，动摇了AI基建投资以美元收入核算的资本开支逻辑。推理成本随技术进步和竞争加剧持续下探是产业规律，但当价格下行速度远超用量扩张速度时，数据中心投资回收期的不确定性将显著放大。基础设施端也出现了压力信号：头部三家AI厂商曾出现同日大范围服务异常，行业开始讨论算力基础设施的承载冗余问题。

融资环境：政府债务成为外部变量

与传统泡沫由企业杠杆驱动不同，本轮周期的融资风险呈现「政府债务+企业杠杆」叠加的特征。有机构警告，美国联邦债务已突破40万亿美元，若10年期美债收益率突破5%——互联网泡沫时代以来的区间上沿——高息发债的挤出效应可能推高AI企业融资成本，成为刺破行情的外部引信。繁荣期维持约6%的财政赤字，压缩了政策对冲泡沫的空间。

本章小结

当前的产业图景呈现典型的双面性：一方面，需求端数据（词元调用量、存储价格、云厂商收入）证实AI应用在真实放量；另一方面，回报核算的透明度缺失、价格通缩快于用量增长、信用市场开始重新定价，共同构成了泡沫争议的实质内容。7万亿美元资本开支能否被可持续的美元收入覆盖，是未来数年判断本轮周期性质的唯一标尺。后续章节将分别从回报核算、债务结构与产业链利润分配角度展开分析。

产业链剖析：从芯片到算力运营

AI基建浪潮之下，算力产业链的价值分布正经历一轮显著重构。上游存储环节量价齐升、利润兑现最为直接；中游云厂商在资本开支与信用约束的双重压力下持续扩产；下游则从资产导向的“卖机柜”模式，转向以实际消耗计价的“卖词元”模式，算力运营的商业形态随之升级。本章沿产业链自上而下，梳理各环节的变化逻辑。

上游：存储受益最为明显，长鑫DRAM市占率跃升

在本轮AI基建投资中，上游存储是确定性最高的受益环节之一。AI训练与推理对高带宽内存（HBM）和大容量DRAM的需求激增，带动存储价格上行，头部厂商利润显著改善。

格局层面，国产存储力量正在快速追赶。Counterpoint数据显示，长鑫科技二季度全球DRAM营收市占率从去年同期的4%升至10%，稳居全球第四，与三星（38%）、SK海力士（25%）、美光（24%）的差距正在缩小。公司8月28日发布上市后首份半年报，营收同比增长873.64%并实现扭亏为盈，AI基建热潮带动的存储涨价是核心驱动。目前长鑫正扩充产能，并推进HBM等高端产品研发，若高端技术突破得以兑现，其在产业链中的位置有望进一步前移。

中游：云厂商承压扩产，信用市场开始重新定价

中游超大规模云厂商是AI基建的主导投资方，但扩产的财务代价正在显性化。标普发布信用展望报告，预计前六大厂商至2030年资本支出将突破7万亿美元，并罕见地对这一群体发出系统性信用警告，点名亚马逊面临失去AA评级的风险，甲骨文一旦降级则将跌入垃圾级。报告同时指出两大结构性隐患：AI投资回报率缺乏量化披露，以及循环融资结构日益复杂。这标志着债务市场开始对AI基建风险进行重新定价。

融资环境方面，洛克菲勒国际董事长Ruchir Sharma在《金融时报》撰文提示，美国政府债务已突破40万亿美元，10年期美债收益率升至约4.8%，一旦突破5%可能推高AI企业融资成本，对高资本开支形成挤出。对中游厂商而言，扩产节奏不再仅取决于需求预期，还受制于债务可持续性与利率环境。

需求侧的不确定性同样在积累。高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，较5月高点累计跌超50%；同期OpenRouter平台Token用量环比增约47%，美元支出仅增约7%。“量升价崩”的剪刀差，动摇了以美元收入核算的资本开支逻辑。而ChatGPT、Claude和Grok三家头部AI厂商曾在数小时内同时出现大范围服务异常，也暴露出算力基础设施承载能力的边界问题。

下游：从卖机柜到卖词元，GaaS成为高阶形态

下游商业模式的迁移是本轮变局中最具产业意义的部分。据国金证券研报，中国算力产业的计费逻辑正从“卖机柜”转向“卖词元”：全国日均词元调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超1000倍。三大运营商已推出词元资费套餐，GaaS（推理即服务）成为算力运营的高阶形态。

这一转变的本质，是收入确认从资产规模导向转向实际使用导向。相应地，估值锚点从机柜规模、GPU库存，转向算力利用率、词元产出与调度能力，利润向具备精细化运营能力的环节集中。政策层面，“十五五”规划已将全国一体化算力网纳入109项重大工程，算力被升格为国家级战略资产，为下游运营形态的升级提供了制度支撑。

产业链价值流动全景

小结

产业链三环节呈现分化图景：上游凭借供给格局与技术壁垒率先兑现利润，中游在需求与融资的双重约束下承担主要资本风险，下游则以词元计费重构商业模型、消化上游成本。产业能否形成正循环，关键在于下游词元收入的增长速度能否追上中游资本开支的折旧节奏——这也是后续章节讨论投资回报的核心命题。

量价剪刀差：Token经济学冲击

价格体系的快速下移

高盛交易台报告披露的数据，正在改写AI算力产业的投资叙事。衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，历史上首次跌破1美元关口；较5月约2.05美元的高点，累计跌幅已超过50%。

这并非孤立的价格波动，而是定价范式的整体迁移。计价单位从「每千次调用」转向「每百万Token」本身，就说明推理服务已从稀缺能力演变为充分竞争的标准化商品。当商品属性确立，价格便不再由供给方的成本加成决定，而由竞争强度和边际需求弹性主导。

量价背离的剪刀差

真正动摇市场信心的，是量与价的背离结构。同一时期，OpenRouter平台Token用量环比增长约47%，但对应美元支出仅增长约7%。换算下来，单位价格的实际降幅吞噬了绝大部分用量增长带来的收入增量。

这一剪刀差意味着：以美元收入核算的传统资本开支逻辑正在失效。基础设施投资的正当性建立在「用量增长可转化为收入增长」的假设之上，而当前数据显示，用量的弹性远大于价格的刚性——即便需求爆发式增长，厂商仍需通过持续降价来维持市场份额，收入曲线的增长斜率被系统性压平。

资本开支逻辑的三重拷问

第一重：收入核算口径的失真。 当计费逻辑从「卖机柜」转向「卖词元」（参考国金证券对中国算力产业的观察），收入的可预测性大幅下降。机柜出租对应确定性租金，词元计费则暴露于单位价格的无休止下探。标普信用报告指出，超大规模厂商至2030年资本支出或突破7万亿美元，而AI投资回报率至今缺乏量化披露——在价格快速通缩的环境下，这一信息缺口的风险被显著放大。

第二重：融资成本的上行压力。 量价剪刀差压缩的是未来现金流的预期，而美债收益率约4.8%、逼近5%关口的宏观环境抬高的是当期融资成本。现金流预期下修与折现率上修形成双向挤压，构成对AI基建估值的完整压力测试。

第三重：产业利润重分配的加速。 价格通缩并非均匀作用于产业链。上游算力供给端反而受益于用量扩张——长鑫科技DRAM市占率从4%升至10%、营收同比大增873.64%，即由AI基建热潮带动存储涨价所致。利润正从承担资本开支的应用与推理服务层，向上游硬件供给层迁移，形成「承压者花钱、受益者收钱」的结构性错位。

对产业的深层含义

需要客观指出的是，量升价崩并不必然等于泡沫破裂。类比云计算与光伏产业，单位价格通缩往往伴随总市场规模扩张，关键是支出增速（7%）何时重新跟上用量增速（47%）。但当前市场担心的是时间差：若资本开支前置而收入通缩持续，中间的缺口只能由债务或股权融资填补——这正是标普对亚马逊评级风险、甲骨文降级风险的警示逻辑所在。

Token经济学揭示的核心矛盾在于：AI算力的社会价值在用量中体现，而商业回报在价格中体现，两者正以不同的速度和方向运动。当SDLLMTK指数跌破1美元，它标记的不只是一个价格关口，而是产业从「能力溢价」时代进入「运营效率」时代的分水岭。谁能在价格通缩中维持正的单位经济，谁才有资格留在下一阶段的牌桌上。

中国算力格局：利润重分配进行时

当全球市场还在为AI基建的资本开支黑洞与回报率争议激烈博弈时，中国的算力产业正在悄然发生一场更具实质意义的变革——不是算力的堆砌，而是利润的重新分配。国金证券最新研报指出，中国算力产业正经历从「卖机柜」到「卖词元」的计费逻辑切换，这一转变正在重塑产业链的利润分配格局。

词元调用量：两年千倍的爆发

最直观的证据来自需求侧。全国日均词元调用量从2024年初的1000亿，增长至2026年3月的140万亿，两年增长超1000倍。这一量级的跃升意味着，算力的消费单位已经从「整机的租赁」细化为「每一次推理的调用」——AI能力正在像水电一样被按需取用。

值得注意的是，这与海外市场的量价走势形成呼应。高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，首次跌破1美元，较5月高点累计跌超50%；同期OpenRouter平台Token用量环比增约47%，美元支出仅增约7%。「量升价崩」是全球共性，这意味着单纯依赖算力规模扩张的收入模型正在承压，而谁能承接住爆发性的调用量、谁掌握词元计价的入口，谁就掌握了新的利润来源。

运营商入场：词元成为可计费的商品

计费单位的迁移，正在把掌握网络与用户触点的运营商推向产业前台。三大运营商已推出词元资费套餐，将词元调用纳入与流量、语音并列的资费体系。GaaS（算力即服务）成为算力运营的高阶形态——用户购买的不再是GPU时长，而是可直接消费的智能产出。

这一变化的产业逻辑清晰：运营商拥有覆盖全国的算力调度网络、海量政企客户关系和成熟的计费基础设施，天然适合承担「词元分发商」的角色。当推理需求从头部互联网公司扩散至千行百业，中游运营环节的规模效应与网络效应开始显现。

估值锚点的迁移

利润重分配的背后，是资本市场估值框架的重构。研报指出，估值锚点正从机柜规模、GPU库存，转向算力利用率、词元产出与调度能力。换言之，「手里有多少卡」的重要性正在让位于「卡转得多快、卖出了多少词元」。

这一转变对产业各环节的影响并不均等。对上游芯片与服务器厂商而言，规模逻辑仍在但增长弹性趋缓；对下游应用厂商而言，词元成本的快速下降反而改善了单位经济模型；而真正受益的，是卡在中间的运营与调度环节——它们同时享受量升的红利，并通过调度效率对冲价跌的压力。

政策层面，「十五五」规划将全国一体化算力网纳入109项重大工程，算力升格为国家级战略资产。这为中游调度网络的建设提供了顶层支撑，也意味着算力利用率与跨域调度能力将成为下一阶段考核与投资的核心指标。

冷静看待：回报拷问并未解除

需要客观指出的是，利润重分配的逻辑成立，前提是词元调用量的增长能够持续消化不断扩张的算力供给。海外市场已出现值得警惕的信号：标普罕见对超大规模云服务商发出系统性信用警告，预计前六大厂商至2030年资本支出将突破7万亿美元，并直指AI投资回报率未被量化披露、循环融资结构日益复杂两大隐患；亦有机构警告，美债收益率若突破5%，可能通过融资成本渠道动摇AI基建的资本开支逻辑。

对中国算力产业而言，这些外部变量的启示在于：规模扩张的故事正在让位于效率与回报的验证。「卖词元」模式的本质优势恰恰在于收入与真实使用量挂钩，比「卖机柜」更接近现金流健康的商业本质。但词元单价随竞争持续下行的压力同样真实存在——中游运营环节能否凭借调度效率与客户黏性，在量、价博弈中守住利润集中度，将是决定本轮格局重排最终形态的关键。

总体而言，中国算力产业正处在从「建设周期」向「运营周期」的切换点。当调用量成为新的计价货币，当利用率取代库存成为估值标尺，利润的天平已经开始向真正懂得运营算力的玩家倾斜。这场利润重分配，才刚刚进入深水区。

融资环境与风险传导

宏观债务约束：40万亿美元与5%的关键位

本轮AI基建扩张所处的宏观金融环境，与过去二十年任何一轮科技投资周期都有本质差异。美国联邦债务规模已突破40万亿美元，10年期美债收益率升至约4.8%，正逼近5%这一互联网泡沫时代以来利率区间的上沿。洛克菲勒国际董事长Ruchir Sharma在《金融时报》撰文指出，本轮周期的引信可能不在企业杠杆，而在政府债务：美国政府在繁荣期仍维持约占GDP 6%的财政赤字，是此前数十年平均水平（约3%）的两倍以上。

这一结构对产业的影响机制在于挤出效应。政府大规模高息发债吸收市场流动性，抬升无风险利率基准，进而系统性推高AI企业的发债成本与股权资本成本。对于依赖持续外部融资支撑资本开支的超大规模云厂商而言，融资成本的每一次抬升都直接压缩项目的隐含回报率——当贴现率上升而现金流预测并未同步改善时，巨额数据中心投资的净现值逻辑将承受考验。市场普遍将10年期收益率突破5%视为潜在引爆点：一旦跨过这一关口，债券市场对长久期科技资产的重新定价可能加速传导至股票与信用市场。

7万亿美元资本开支与信用重估

宏观约束正在信用层面显性化。标普近期发布信用展望报告，罕见对超大规模云服务商发出系统性信用警告：预计前六大厂商至2030年资本支出将突破7万亿美元，而美国私营部门近半数经济增长已与AI活动深度绑定。报告直指两大隐患——AI投资回报率缺乏量化披露，以及循环融资结构日益复杂化。标普点名亚马逊面临失去AA评级的风险，甲骨文一旦被降级将跌入垃圾级区间。

这是债务市场对AI基建风险进行重新定价的标志性信号。评级机构介入意味着风险讨论从股票市场的估值争论，转入更具约束力的信用市场：评级下调将直接抬高相关主体的发债利差，形成“资本开支扩大—债务负担上升—评级承压—融资成本再抬升”的负反馈链条。

循环融资结构的脆弱性

标普警示的循环融资问题值得单独拆解。当前AI产业链中出现了供应商向客户提供投资、客户再用资金采购供应商产品的闭环安排——芯片厂商入股云厂商、云厂商承诺采购、采购款再转化为算力订单，多层嵌套使收入确认的真实独立性受到质疑。这类结构在景气上行期放大增长表观增速，但在融资环境收紧时，风险沿链条同步传导，缺乏独立现金流支撑的环节将首先承压。

回报端的压力测试

融资成本上升的同时，收入端的价格信号并不乐观。高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，首次跌破1美元，较5月高点约2.05美元累计跌逾50%。同期OpenRouter平台Token用量环比增长约47%，但美元支出仅增约7%。用量增长未能转化为等比例收入，“量升价崩”动摇了以美元收入核算的资本开支逻辑。

产业逻辑的再平衡

需要指出的是，宏观融资约束并非单向利空。从产业中长期视角看，融资成本上升可能加速行业分化与出清：现金流健康的头部厂商仍可依靠经营性现金流覆盖部分开支，而依赖外部输血、以循环交易支撑报表的二线玩家将被市场重新审视。同时，中国市场呈现另一条路径——计费逻辑从“卖机柜”转向“卖词元”，全国日均词元调用量两年增长超1000倍，估值锚点转向算力利用率与词元产出，这为回报率的可验证性提供了另一种范式。

综合判断，未来12至24个月的关键观察变量有三：10年期美债收益率能否守住5%关口、评级机构对超大规模厂商的后续动作，以及Token价格下行斜率与用量增长的剪刀差是否收敛。三者共同决定本轮AI基建融资周期是以软着陆方式消化，还是触发信用风险的链式传导。

趋势判断：从规模扩张到效率竞争

一、粗放投入阶段渐近尾声

过去两年，全球算力产业的核心叙事是“规模”：资本开支竞赛、GPU库存竞赛、机柜上架竞赛。但多重信号表明，这一阶段的边际收益正在快速递减，产业逻辑正切换至“效率”维度。

回报透明的压力率先来自债务市场。 标普发布的信用展望报告罕见对超大规模云服务商发出系统性信用警告：预计前六大厂商至2030年资本支出将突破7万亿美元，而AI投资回报率至今未被量化披露，循环融资结构日益复杂。标普点名亚马逊面临失去AA评级的风险，甲骨文一旦降级将跌入垃圾级区间。这意味着，债务市场已开始对AI基建风险进行重新定价——信用评级机构以“回报不可见”为由施加压力，实质上是要求产业从讲故事转向算账。

价格信号进一步动摇了收入端的假设。 高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末报约0.97美元，首次跌破1美元，较5月高点约2.05美元累计跌超50%。同期OpenRouter平台Token用量环比增长约47%，但美元支出仅增长约7%。这一“量升价崩”的剪刀差说明：算力需求的爆发并未线性转化为收入增长，以美元收入核算的资本开支逻辑受到直接挑战。

二、国内产业：计费逻辑与估值锚点的双重切换

中国算力产业的变化更为结构化。国金证券研报指出，行业利润正在经历重分配，计费逻辑从“卖机柜”转向“卖词元”：全国日均词元调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超过1000倍。三大运营商已推出词元资费套餐，GaaS（算力即服务）成为算力运营的高阶形态。

这一转变的产业含义是清晰的：当收入按词元计量，决定盈利能力的变量便不再是装机规模，而是算力利用率、词元产出效率与跨集群调度能力。估值锚点相应从机柜规模、GPU库存转向运营指标，利润向具备调度与运营能力的中游环节集中。

三、“十五五”定调：算力升格为国家战略资产

在市场逻辑转向的同时，政策维度给出了强化信号。“十五五”规划将全国一体化算力网纳入109项重大工程，算力被升格为国家级战略资产。这一安排具有两层含义：

其一，战略属性部分对冲了商业回报的不确定性。即便单位词元价格下行、投资回收周期拉长，作为重大工程的算力网建设仍将获得持续的政策性投入支撑，全国一体化的调度体系也有助于提升整体利用率、缓解区域供需错配。

其二，国家工程与市场效率形成互补而非替代。政策侧解决“建得成、连得通”，市场侧则必须回答“用得好、赚得回”。二者的交汇点恰恰是算力利用率——这解释了为何效率指标同时成为政策考核与资本估值的共同语言。

四、供应链侧的效率印证

效率竞争并非仅发生在运营环节。长鑫科技二季度全球DRAM营收市占率从去年同期的4%升至10%，稳居全球第四，缩小与三星（38%）、SK海力士（25%）、美光（24%）的差距；其上市后首份半年报营收同比大增873.64%并扭亏为盈。这一案例说明，在存储等上游环节，具备产能与成本效率的厂商正借助AI基建需求快速完成份额跃迁——效率优势在全球供应链中同样兑现为市场地位。

综合市场、政策与供应链三方面信号，本章对未来3-5年算力产业的基本判断如下：

1. 披露将成为门槛。在评级机构与二级市场的双重压力下，算力利用率、单位词元收入等量化回报指标的披露将从可选项变为竞争力的一部分；无法证明回报的产能扩张将面临融资成本上行的约束。

2. 运营能力取代资源占有。产业利润池从硬件销售向调度、运营、服务环节迁移，GaaS类模式的竞争壁垒在于调度算法与客户结构，而非资产规模。

3. 战略工程提供底部支撑。全国一体化算力网作为重大工程推进，使中国市场的算力供给具备逆周期属性，但商业回报的检验标准不会因此放松，反而会因投资体量扩大而更加严格。

一句话概括：算力产业的下半场，比的不是谁建得多，而是谁用得好、算得清。