泡沫化？
泡沫化是显而易见的，但是从情绪上而言，目前的情况可能跟历史上区别很大：
- AI投资正在快速"币圈化"：很多 neo cloud 是由挖矿转型的，从业者与当初 Web3 从业者对“未来的执着”越来越相似；
- Nvidia 的“隐性担保”：虽然绝大部分收入涌向了 Nvidia，但是 Nvidia 实质上也在提供某种形式的“隐性担保”，这使得即使泡沫“破灭”也可能会有不同的特征；
- 巨头的杠杆：巨头正在以自己的收入为杠杆提供实质的“担保物”。
但是也有典型的泡沫特征：
- 高贬值率：模型如果不更新就不值钱，贬值率很高；
- 算力折旧：“算力”折旧也很夸张；
- 假设驱动的乐观：目前很多“乐观”的前提是建立在“AGI”将在2030年前出现的假设之上的，但是每一年市场的审视都会更严苛，严格审视下的“流动性危机”随时会发生。
虽然市场始终会面对这些争论，但下面的讨论会把情绪面的部分尽可能去掉。
从基本面而言，分为四层五个方面：上游（能源及数据中心设备）及存储（内存，SSD 及 HDD），算力（TSM，Nvidia，AMD，Broadcom and Google），模型，AI 应用。
若干层循环
第一层循环，收入：算力，模型与 AI 应用。
市场已经过了“讲 AI 故事”的阶段，而是要同时看到收入超预期增长，用户超预期增长，同时毛利不降甚至上升。也就是说，市场需要“AI 更多的出现在收入项，而非成本项”。因此，整个 AI 都进入了对收入的“严格审视”阶段。从目前看，模型到收入产生的良性循环还未产生，模型训练还需要更大投入，模型与应用的跷跷板效应愈加明显：模型越好进步速度越快，应用越得到加持，但是成本也越高；模型进步速度变慢，则应用可能空间更大，成本下降速度也更快。这是第一个非常棘手（tricky）的点。
个人观点：无论模型后面进步速度如何，模型作为全新的编程语言的定位已经能够“站住”了，渗透率会快速得到提升。垂直领域（vertical）的经验和知识是最重要的竞争力，这些利基市场（niche market）大公司很难进去。更多的可能是新的业务类型（new business type）涌现出来。
第二层循环，能源：算力与电力。
按照目前 CoWoS 的产能预测，2025 年 Blackwell 约 500 万片，2026 年 Blackwell + Rubin 超过 700 万片。单片按 1kW 计算，到机架级别平均再乘以 1.5，然后再考虑 PUE 为 1.4 左右，即两年新增 Blackwell + Rubin 的电力需求 = 12M × 1kW × 1.5 × 1.4 = 25.2GW。这还没考虑 Google 的 TPU，AMD 的 MI 系列和 Amazon 的自研芯片，也没有考虑对中国的芯片出口。
GE Verona（注：应为 Vernova）和西门子大概每年可以各交付超过 10GW 的燃气轮机机组，市占率 60%-70%，接近 50% 与 AI 数据中心关联。但是如果考虑到订单的地域性，以及不小的燃气轮机量是用来取代老旧的煤电的话，算起来两年里大概总共最多可以有 30GW 可以给 AI。实际上的电力约束比想象的要严重得多。这就会导致英伟达 Rubin 的出货节奏会出现问题。
当然，如果英伟达都没有“warm shells”安装，那么 AMD 就不用考虑了，Amazon 的自研芯片也会受到影响，Google 相对受波及会更小。
第三层循环：电力与其它 AI Infra，算力与存储
理论上所有为数据中心准备的 AI Infra 都处于超强景气上升周期。但这里有个问题，相关产业链最晚于 24 年就已经能预料到现在的情况，很多先期工作已经开始。但正如 GE Verona 等对扩产持谨慎态度一样，配套企业也只会按订单能见度落实。所以这只能是结构性的机遇。
目前最快的是 SOFC（固体氧化物燃料电池）相关的。
但是存储是完全不同的故事：首先，高端 HBM 的逻辑自不必说；其次，AI 高算力密度带动交换机中低端内存需求大增；再者，AI 带来巨大数据存取需求，SSD 和 HDD 的紧缺还将持续。同时，很多存储会在传统数据中心上增加，不会受到电力缺口的直接影响。
第四层循环：模型与算力
这是一个非常复杂的问题。到现在为止谁也说不清楚，是否更高的算力就能把 AI 推向 AGI？这是一个无法证伪的路径，所以 OpenAI 带着大家走上了一条要么毁灭要么成功的路。
假设明年某个时间点，GPT-6（以每代提升十倍算力为例）变得更强大。算力支出增加 50%，但推理价格下降 50%，若要维持同样的模型服务毛利率，意味着模型单位收入也下降 50%，用量需要倍增才能收入持平。需要三倍收入，模型训练的投入才值得。在竞争环境下，这不是一个轻松的目标。更何况，市场对 OpenAI 和 Anthropic 收入的期望是到 2028 年几乎每年都翻番（即每年 4X）。从纯粹用量看似乎有希望，但在竞争环境下，货币化难度越来越大。
另一个现实是，目前的模型在 Agent 的加持下，可能已经可以胜任超过 90% 的场景。未来出于成本考虑，用户可能会更多使用非最先进的模型，这会对收入增长预期带来更大的不确定性。
最后，关于公司：
- T0: Google
- T1: Nvidia, TSM, MU
- T2: Apple, Microsoft, Amazon, AVGO
- 其它关注: NET, SNOW
- 适度回避: AMD, Meta
- 回避: Oracle, CoreWeave
尤其是 Nvidia > AMD：如果电力短缺，算力投资会优先考虑 Nvidia，很少会有容量留给 AMD。