•
OpenAI和輝達，終究還是到了這一步｜AGI焦點
AI頂流們正在加緊“梭哈”晶片。
Meta、OpenAI和Anthropic等公司今年以來已簽下了數千億美元訂單。
憑此賺得盆滿缽滿的，自然還是“賣鏟人”。
在本周ASIC晶片龍頭博通公佈的財報中，一季度（2025年11月至2026年1月）AI半導體收入84億美元，同比大漲106%；Q2預期環比再漲27%達107億美元，同比將暴增143%。
此前，輝達的業績更是炸裂，公司同期總營收已達681億美元，同比增長73%，新財季營收預期更是增至780億美元，預計同比增長77%。核心指標全都大幅刷新紀錄。
這些公司的掌舵者也對未來一致樂觀。
博通CEO陳福陽說，明年，公司光AI晶片營收就能超過1000億美元，比上個財年的公司總營收還高出至少五成。
輝達CEO黃仁勳說，在截至2026年底的五個季度中，公司主力晶片Blackwell和下一代晶片Rubin的訂單至少有5000億美元，這個數字是輝達此前年收入的兩倍還多。
表面上看，“狂飆突進”仍在加速，甚至每一次破紀錄都像是新的指數級增長曲線的起點。
但在風光背後，從晶片到雲，從大模型到應用，一系列技術、產業與社會的變化正在發生，某種約束已若隱若現：Scaling Law（縮放定律）和通用GPU多年來的統治地位受到挑戰，雲廠商巨額Capex（資本開支）的驗證時間窗口縮小，“定製化”和“個性化”等分佈式需求愈發吃重，讓集中式的迅猛增長有落潮之虞。
一邊狂賺千億，一邊“友誼破裂”
作為AI大模型時代並駕齊驅的造浪者，今年以來，輝達與OpenAI之間的關係明顯鬆動。
年初，媒體爆出輝達不滿OpenAI的商業策略，欲大幅削減投資。此後，又有消息稱，OpenAI對輝達最新晶片在推理環節的表現不滿，會繼續探索替代方案。
傳言難以證實，但輝達在OpenAI新一輪融資中出資300億美元，相較此前的千億美元投資方案明顯縮水。
在3月4日的摩根士丹利TMT會議上，黃仁勳親口表示，這次投資“可能是最後一次”，去年11月被他稱為“一代人僅有一次機會”的千億美元合作大機率會不了了之。
為什麼會突然發生這樣的轉變？背後有些行業趨勢值得探討。
首先是，Scaling Law和GPU性能提升飛輪，已有觸頂跡象。
電腦科學家伊利亞·蘇茨維克（Ilya Sutskever）已表示，此前Scaling Law能夠主導大模型發展，是因為預訓練的道路走通了。誰的大模型喂得越飽，就顯得越聰明。但隨著大模型領域競爭白熱化，高品質、結構化的公開資料實際上已被吃盡。
光有算力不足以支撐這條路走到頭。
業界對Scaling Law的未來，有很多討論，比如轉向後訓練，轉向推理時擴展，或者改進Transformer核心架構。
但拆解這些方法，其關鍵詞多與“提升效能”、“合理分配算力”和“特定領域針對性最佳化”相關聯，實際上，也意味著預訓練階段的性能躍遷不會再現。
GPU面臨的境況是相似的。
在Scaling Law時代，成熟度高、通用性和靈活性強、適合大規模平行運算的GPU，無疑是大模型的最佳搭檔。其性能在近十年間飛速進化，是大模型能力提升和規模化復刻的重要動力。所以，儘管輝達產品售價極高，毛利率常年在75%左右，還是屢屢供不應求。
半導體行業知名研究機構SemiAnalysis分析稱，晶片領域先進製程的演進速度已明顯放緩，典型案例是台積電3nm帶來的性能增幅與成本增加已不成正比。
全球計算聯盟GCC資料也顯示，摩爾定律放緩正導致AI晶片性能增幅下滑，2018-2022年間，AI晶片性能年均提升50%，到2023-2025年已降至20%以下（未計入尚未量產投入市場的新一代產品）。
而就在2025年，追求特定場景下更極致的性能，功耗更低、體積更小、量產後成本更優的定製化AISC晶片強勢崛起。
以GoogleTPU的市場良好反饋為標誌，其市佔比開始向GPU發起挑戰。而包括Meta、亞馬遜、微軟乃至OpenAI等都在加緊自研AISC晶片，2026年預計就將迎來量產和商業化的集中爆發期。
資料來源：各公司官網、野村證券、公開報導；作者製表
這條技術多元化路線的核心，又是“定製化”“高效能”“低延遲”和“性價比”，實際就是通用硬體效率狂飆的階段已經落幕。
從這個視角再來看，OpenAI與輝達之間隱現的“友誼裂痕”，所謂不滿晶片推理表現，是因為GPU不再能通過“暴力破局”來“包打天下”。而所謂對商業策略有疑義，則是在大模型能力“無限增長”故事講不下去後，希望確證能有可觀商業回報維持其需求的穩定。
是誰在給輝達們“潑冷水”？
當然，性能增幅放緩絕不意味著需求會驟降，反而可能推動更加平穩、持續的增長。而在2025年“DeepSeek衝擊波”中，描述效率最佳化往往導致消耗總量增加的“傑文斯悖論”也屢被提及。
不過，前提是盡快切換到更加“細水長流”的發展模式，而目前AI產業的慣性動能，卻與此存在一定錯位。
最核心的，是拚命壓縮時間周期可能帶來的系統性病灶。
早期以GPU為主的AI晶片，迭代周期約為18-24個月。隨著AI熱潮來臨，需求方競爭壓力加劇，對迭代速度的渴求愈發極端，這讓輝達和Google等將晶片迭代周期壓縮到“年更”。
但即使這樣還是不夠。
目前，頂尖大模型基本每三個月就要迭代一次。SemiAnalysis創始人迪倫·帕特爾（Dylan Patel）此前在參與The MAD Podcast with Matt Turck播客節目時表示，即使晶片廠商將迭代周期壓縮到半年，也無法很好適配模型進步的速度，也難言確保自身優勢。
即使晶片和模型的性能增幅雙雙放緩，這種“賽跑”也未見稍顯的跡象。
而考慮到前文提到的製程、技術演進等方面的瓶頸，以及美國能源供給方面愈發緊迫的硬性約束，結果可能演變成跑著跑著增長動能斷檔，甚至雙雙“撞牆”，讓原本可能在斜率放緩中更加平衡的供需被打破。
更不可小覷的是這種“賽跑”對Capex的依賴。處在晶片與模型之間，被這種“你追我趕”來回拉扯的雲廠商，承擔了最集中的資本支出，他們往往同時也涵蓋AI業務，投資與回報都面臨風險和壓力。
根據亞馬遜、微軟、Google、Meta和甲骨文這五大雲廠商披露的資訊，其2026年Capex總額將超過7000億美元。
資料來源：公司財報及電話會議；作者製圖
按照較為傳統的算力基礎設施五年折舊周期來計算，大約對應1400億美元的AI銷貨成本，這對AI行業目前的ARR（年度經常性收入）來說是天文數字。雖然OpenAI預計2026年ARR能夠突破450億美元，Anthropic也有望達到類似規模，但這兩巨頭本身的市佔比已接近八成，即使不考慮利潤，行業的淨收入也很難支撐資本開支。
而正是由於晶片和模型迭代速度越來越快，市場對折舊周期的計算也產生了疑惑。
知名投資人“大空頭”麥可·貝瑞（Michael Burry）自去年起，就一再“炮轟”當下的折舊周期不符合實際，認為如今AI晶片的實際經濟價值可能在2-3年內就會因技術過時而大幅衰減。
雖然此類觀點爭議頗多，但如果大模型和晶片的“賽跑”繼續，甚至還要加速，那麼，有關折舊周期的質疑只會越來越多。
而且，資本端的超額支出，往往以Scaling Law和大模型性能的繼續躍遷為由。從前文提及的趨勢來看，Scaling Law的退潮，也會讓Capex的狂飆不再“師出有名”。
2025年下半年至今，雲巨頭的投資回報率（ROI）愈發成為市場矚目的核心指標，美股對缺乏利潤增長的Capex往往報以拋售，典型如微軟，其公佈的財報營收、淨利均超預期，但股價隨即暴跌10%。
而晶片企業即使持續創造新的紀錄，但以去年11月輝達市值從5兆高點回落為節點，市場始終未給出匹配增速的估值溢價，空頭聲音反而愈發顯眼。
這些，也構成了時下盛行的“AI泡沫論”的核心焦慮。
不過，值得注意的是，相較於泡沫本身的存在與規模，人們看待和對待其方式，可能更加重要。
當市場持續不給單純的拼規模、拼速度以正向反饋後，這一趨勢更可能會以幾次陣痛為代價放緩步伐。
目前晶片大廠和部分大模型、雲廠商對未來兩年已有明確規劃，迭代速度和支出規模可能仍然維持高位，高盛也預測2025至2027年是AI伺服器出貨量增長最迅猛的三年，其中增速峰值出現在2026年。
但在這之後，全產業鏈的增長可能都會面臨結構性放緩。
如果只在商業和技術層面考慮，對AI增速形成影響的變數還有很多，但最近兩大標誌性熱門事件，為AI產業的發展，蒙上了一層不確定性陰影。
其中一個就是，Citrini Research的《2028全球智能危機》（The 2028 Global Intelligence Crisis）。
報告幾乎是以“近未來科幻”的方式，描述了從2025年末起Agent（智能體）登堂入室開始，直到2028年人類社會在新的AI時代可能面臨的窘境。
圖片來源：CitriniResearch
報告本身是虛構，且先進技術替代人類工作種類，也不是什麼新鮮論調，但是，當下的時點討論這個問題，卻意外引發空前共鳴。
畢竟，就在2026年初，OpenClaw、Anthropic的Claude Cowork及一系列Agent外掛的出現，將AI的“替代力”十分直接地擺上了檯面。
在種種預警和焦慮下，人類社會加以反制AI嗎？
AI發展得越快，替代性危機的發酵就可能越快，但AI落地真實工作場景的實戰能力和可持續性，卻需要進一步探索，但顯然，我們正在看到的景像是，大小公司集體AI化的步調已經加快了。 (鈦媒體)