摘 要
11月16日,美联储主席沃什在旧金山联储生产力与就业工作组会议上给出三种 AI 经济情景:生产率繁荣、扩张与大规模失业并存、投资回报不及预期引发股市回调与经济放缓。他明确这些都是情景模拟、不是官方预测。第三种情景第一次把「AI 投资回报落空」放进货币当局的推演清单,这也正是本文的题眼。
当前算力价格立在四根柱子上:供给端一家独大并叠加管制稀缺,需求端「大力出奇迹」尚未被证伪,资金端循环融资不断供且利率成本可容忍,宏观端AI投资回报叙事成立。四根柱子都已出现可指认的裂缝证据,但当前读数尚未走弱:Silicon Data 口径的H100租赁指数从11月4日的2.96美元升至11月14日的3.13美元,B200从6.53美元升至7.03美元。
供给层的裂缝写在同一次预测更新的内部分化里。SemiAnalysis 11月13日把2030年全球AI加速器资本开支预测从1.531万亿美元下调至9230亿美元,降幅40%;英伟达按计算收入口径的2027-2030年出货下调22%-66%,而博通 ASIC 业务同期收入只下调约 11%(且主因是价格),亚马逊 Trainium 2027-2028 年出货未下调。替代不是口号,是采购组合的重新排序。
需求层的裂缝来自效率本身。Kimi K3 以2.8万亿总参数、896个专家每次激活 16 个,官方称架构改进使扩展效率较上一代提升约2.5倍,即单位算力产出的智能约为原来的2.5倍。如果这条路继续,同样智能所需的算力是下降的,堆算力的路径会被自己的效率改进侵蚀。
人脑是一个值得摆出来的参照,但只能提示方向。成人男性大脑平均约861 亿个神经元、百万亿量级突触,功耗约 20 瓦;而参数不等于神经元,突触连接才勉强可比,两者的计算方式也不同。它能证明的是效率上限远未被硅基触及,不能直接换算成「AI 参数冗余多少倍」。
资金层的机制已经可以算清。据 IMF 今年 10 月《全球金融稳定报告》,2023 年以来 14 笔公开的循环融资交易合计约 3000 亿美元股权投资加 6500 亿美元债务,换取约 1.4 万亿美元未来收入承诺;超大规模云商占全球投资级公司债发行的比重两年内从 0.8% 升到 9.5%。这些债务的抵押品是经济寿命可能只有 2-5 年的 GPU。IMF 的情景测算显示,若设备寿命假设从 7 年降到 3 年,这批公司合计营业利润率下降超过 9 个百分点。
中国是另一个市场,定价逻辑与海外不同源。B300八卡整机灰色渠道价格从2025 年底约400万元涨到2026年10月的1700万元以上,4T 整机一度报2140 万元;同期美国同型整机约55万美元(约 370-396 万元)。这个价格由管制、执法力度与需求集中度决定,不由成本决定,因此它对政策变化高度敏感;但管制松紧是政治决定而非市场变量,在现有立法与执法方向下,短期基本锁定在「维持或再收紧」一侧,「放松」属远期尾部情景,不作为短期判别读数。
关键人问题的证据当前指向「回不去」,但这是概率判断、不是事实断言。硅谷的游说与超过18万人的联署在情绪一侧,财政部长「必须从外部物色」的表态、董事会的保留态度与尚未结束的国会调查在程序一侧;而增量承诺恰恰要过程序这一关。本文将它登记为可证伪命题,验证日设在2027年6月。
三种情景与四根柱子
先把新发生的事实摆清楚。
据光明网、21 财经等报道,2026 年 11 月 16 日,美联储主席凯文·沃什在旧金山联储与美联储理事会联合举办的生产率与就业工作组会议上表示,美联储工作人员已开始用模型框架评估 AI 普及可能带来的不同经济情景。三种情景分别是:一,AI 推动生产率持续提升,经济增长的收益广泛惠及劳动者与资本所有者,实际增速高于长期水平且就业接近充分;二,AI 推动经济扩张,但自动化替代岗位的速度快于岗位创造,失业率升破充分就业水平;三,AI未能达到市场预期,在大量资本投入和股市上涨之后,投资回报下降、股票估值回调,经济放缓、失业率明显上升,即便后来修复,也拿不到原本期待的生产率提升。
三句话需要单独标出,因为它们决定了这些情景该怎么用。第一,沃什明确「这些只是情景模拟,并非经济预测」。第二,美联储在这件事上的定位「既不是倡导,也不是反对」,而是评估其对经济与货币政策的影响。第三,工作组由外部专家参与,成员包括风险投资人马克·安德森、微软高管阿莎·夏尔马与斯坦福大学学者查尔斯·琼斯,相关建议预计年底前提交,之后交联邦公开市场委员会审议。
据同一组报道,沃什长期的观点是 AI 驱动的生产率提升有助于增长并降低通胀,但他也承认,AI 基础设施所需材料与投入品价格上涨,正在先于生产率收益对需求端形成压力。这句话对算力研究特别重要:它把「AI 是通缩力量」与「AI 基建是通胀力量」放进了同一个政策框架。美国第三季度劳动生产率年化增长3.6%,为一年来最快,经济学家认为 AI 目前只是其中一个边际驱动因素。
同一天前后,还有一条容易被忽略的表态。据新华财经11月17日汇总,美联储理事巴尔警告,自主运行的AI 代理可能根据市场信号或利率变化自动转移客户存款,从而加速引发破坏性银行挤兑;他对AI 长期前景乐观,但强调只有在具备重要防护措施的前提下才能成功。这条警告谈的不是算力,却与本文第五章要讨论的机制同构:当决策由算法在秒级完成,挤兑与抛售的速度会快于任何人工干预。
把三种情景与算力市场对接,需要一个中间层。本文的处理是把当前的高价拆成四根柱子:
柱子一,供给。 英伟达在数据中心 AI 加速器市场占八成上下,代际节奏由它设定;对华出口管制把最先进型号排除在许可之外,在中国境内制造出人为稀缺。支撑高价的不是「造不出来」,而是「造得出来但买不到」与「买得到但只有一家」。
柱子二,需求。 万卡集群、万亿参数仍是主流训练路线,「堆算力、堆参数会提高能力」这个判断至今没有被公开证据推翻。它支撑的是需求斜率的持续性。
柱子三,资金。 股权与债务换取未来收入承诺的循环融资,让需求方在自身现金流不足时仍能下单;利率水平决定这套安排的再融资成本。它支撑的是「需求能在付不起之前先落地」。
柱子四,宏观。 AI 投资回报叙事成立,对应美联储的情景一。它支撑的是估值与融资意愿,也就是前三根柱子的地基。
四根柱子不是并列关系,而是有先后。宏观叙事松动,先影响股权估值与融资意愿;融资意愿下降,资金柱子先裂;资金一裂,需求方的订单与租约开始延期;最后才轮到供给端的出货与价格。每一层之间都有时滞,也都有断点,这正是后面逐章要核对的东西。
担保人:回得去吗
系列09 的结论可以压缩成一句:关键人更替冲击的不是存量承诺,而是增量承诺的审批权。存量承诺是合同义务,照付;增量承诺是关系型交易,取决于谁坐在谈判桌前、愿意为谁背书。
半个月过去,这场博弈的双方力量已经可以摆出来对比。
支持一侧的动作在11月15日前后集中出现。据英国《金融时报》报道,黄仁勋正与亲信讨论重返英伟达的可能性;他的支持者组建了一个由硅谷高管组成的「作战室」,为回归展开游说,并试图争取白宫支持。据《财富》等媒体,一封要求复职的公开信到 11 月 16 日已有超过17.5 万个签名,随后升至 18 万以上,签署者包括特斯拉首席执行官马斯克、Epic 首席执行官斯威尼、Y Combinator 总裁陈嘉兴;其中超过 7500 人(后续报道为 8800 余人)自称英伟达现任员工,另有媒体称约 9.4 万名自称股东,这些身份均未经独立核实。股东一侧,Altimeter Capital 与 Atreides Management 的负责人联名致信董事会,要求在遴选时「保留所有选项,包括黄仁勋的潜在回归」。据新加坡《联合早报》11 月 17 日报道,美国总统特朗普11 月 16 日也公开支持复职,称相信黄仁勋已从事件中吸取教训。
反对一侧的动作更少、更硬。据《华尔街日报》与环球时报报道,美国财政部长贝森特 11 月 15 日在福克斯新闻的节目中说,英伟达董事会在寻找新领导人时需要从公司外部寻找合适人选,「他们需要进行彻底的改革」。据《联合早报》11 月 17 日援引三名知情人士,英伟达董事会目前无意让黄仁勋重掌公司。国会方面,调查尚未结束。市场给出的即时读数也不支持「回归在即」:11 月 16 日英伟达股价下跌3.7%,此前暗盘一度因回归传闻拉升逾 4%,消息反复之间价格回吐。
把两侧放在一起,会看到一个不对称:支持方的筹码是情绪、股价与舆论,反对方的筹码是程序、审批与调查。而增量承诺(新担保、平台兜底、上游长约)恰恰全部要过反对方那一关。这就是本文判断「回不去」的主要依据,它不依赖对任何个人品格的评价,只依赖权力的位置。
需要把「回不去」拆成三个不同的命题,混在一起会讲不清:
回英伟达担任首席执行官:当前证据指向概率很低。董事会无意、财长公开反对、调查未结,三者叠加。据央视财经报道,董事会已就继任事宜接触 Arm 首席执行官雷内·哈斯,但董事会回应称尚未「正式接触」任何候选人;这类报道属媒体口径,最终以公司公告为准。
回到行业影响力:部分残留。他仍然是这个生态最会撮合交易的人,供应链与客户关系不会因职务消失;但影响力一旦离开资产负债表,就不再具有「最后买家」的效力。据 CNBC 11 月 13 日报道,多位分析师的判断正是:已签合同不受影响,下一轮多方投资、股权与信用支持可能趋于收敛。
回到对华宽松的政策路线:基本被接管。据路透社 11 月 6 日报道,新一届国会的 AI 议程包含数据中心电价、前沿模型独立测试与 AI 责任;出口管制的政治成本正由国会与行政部门承接,不再由一位首席执行官的访华行程来调节。
这一章对算力价格的含义不在于谁上台,而在于审批权空置的时间长度。5000 亿美元第三方融资平台三个月没有落地一笔交易,合作方还在要求提高英伟达对芯片残值的兜底比例(据媒体11月13日报道),说明增量承诺的定价权本就不在英伟达单方;审批权再空置一个季度,这条减压通道就更难打开。11月17日的财报是第一个可核对的窗口:应收账款周转天数、担保存量、递延收入与承诺附注的口径是否变化,比任何表态都更能说明增量承诺还在不在。
供给层:一家独大与其裂缝
如果只看「英伟达占八成份额」这一句,供给层是稳的。但稳不稳要看边际,而边际的变化写在11月13日那份预测更新里。
SemiAnalysis在11月13日的模型更新中大幅下调了未来数年的AI加速器出货、资本开支、HBM 需求与电力需求预测。据新华财经、PANews、36氪与腾讯新闻等多家渠道的独立转述(数字彼此一致),2026年全球 AI 加速器资本开支基本不变,仍在3920亿美元左右;2027年从7700亿美元降至6270亿美元,下调19%;2028 年从1.054万亿美元降至7580亿美元,下调28%;2029年从1.352 万亿美元降至7960亿美元,下调41%;2030年从1.531万亿美元降至9230亿美元,下调40%。2027 至 2030 年累计较旧预测减少约 1.6 万亿美元。
下调的原因,报告给了三条:前沿 AI实验室2026年第三季度新增年度经常性收入(ARR)增速放缓,使整个生态可产生的Token收入规模需要重估;股权与债务投资者对AI基础设施项目更加谨慎,尤其是缺少大型云厂商长期采购承诺的项目;美国中期选举及后续监管变化,可能使原计划2027年下半年至2028年上半年投产的约5.8GW 数据中心项目延期(该装机数字为转述口径)。
真正有信息量的不是总量,而是同一份报告内部的分化。
英伟达按计算收入口径,2027至2030年出货预测分别下调22%、39%、56%、66%;按包含系统功耗的口径,分别下调14%、35%、50%、59%。报告还下调了下一代产品的平均售价假设:Feynman从约11万美元降至约7.8万美元,Feynman Ultra 从约17.5万美元降至约9.8万美元,Feynman Next从约19.1万美元降至约11.8万美元,理由是竞争加剧后英伟达需要接受更低的利润率。
对照之下,博通2026至2030年ASIC业务收入累计只下调约11%,且主要来自芯片价格下降而非大幅削减出货量;AMD 因 Meta、OpenAI 与Anthropic 的客户基础以及认股权安排,下调幅度小于英伟达;亚马逊 Trainium 2027与2028年出货预测没有下调。报告把英伟达下调最深的原因写得很直接:在Anthropic使用的四个算力平台(谷歌 TPU、亚马逊Trainium、AMD GPU、英伟达 GPU)中,按单位成本性能排序,英伟达处在边缘位置;OpenAI 则会优先部署自研 ASIC 项目。
这个分化有两层含义。
第一层,替代品已经进入采购组合的排序,而不只是「正在研发」。判断替代是否成立,不看发布会上有没有对标产品,看三件事:客户是否在同一集群里混用多平台、采购份额是否迁移、供应商是否需要降价保份额。第三条已经出现:把 Feynman 均价下调三成,是在为2027年之后的份额预付代价。
第二层,英伟达的需求结构中有一块最脆的部分:新型云服务商。这类客户依靠融资建设与采购,再向模型公司出租,融资收紧时它们最先延期。系列04记录过英伟达对这类客户的敞口(2026年7月披露的360亿美元云服务采购承诺),系列09 记录过它们的信用波动(CoreWeave 的五年期 CDS 一度升破 1000 个基点)。当融资环境的边际变化落在这一层,出货的下调会先于整体需求的下调。
供给层还有一条容易被读反的线:物理瓶颈在缓解,而不是恶化。CoWoS 先进封装 2026 年全年售罄、缺口从 20% 收窄至约 10%,HBM 三家 2026 年产能售罄但 HBM4 供给在爬坡;电力侧的供给窗口集中在 2027-2029 年(变压器、燃机、核电重启)。把这些放在一起,2027 年之后「买不到卡」的约束会弱于「卖不出价」的约束。价格的下行压力不来自产能不足,而来自产能到位与需求分叉的相遇。
关于「Anthropic 称可在三天内切换芯片平台」,需要标清来源与含义。这句话出现在科技评论者 Ed Zitron 11 月 14 日的一则访谈转述中,属公司对外表述经第三方转述,不是可核验的一手文件;他同时认为 Anthropic 仍高度依赖英伟达,其他供应商没有同等的信用资质与现金储备。把两句放在一起读,得到的是一个更准确的图景:客户在建立「可切换」的能力,但短期仍离不开「兜底」的能力。这也是为什么 Anthropic 的上市配售名单里,英伟达仍计划投资 100 亿美元。
需求层:万卡集群是必要条件吗
需求端的问题可以写成一个除法:算力需求 = 智能需求 × 单位智能所需算力。主流叙事只讨论前一项在增长,很少讨论后一项在下降。
先看前一项。Kimi K3于2026年7月16日发布、7月27日开放权重,2.8万亿总参数,原生视觉,100万token上下文,是全球第一个开源的3万亿级模型。训练这类模型需要万卡级集群,这一点没有争议。据媒体转述,阿里在准备5万亿至10万亿参数的新一代模型,字节被报道在训练最高10万亿参数的模型,OpenAI 的下一代也被传在同一量级。参数在一年内膨胀近十五倍,这是「大力出奇迹」依然有效的直接证据。
再看后一项。同一份 Kimi K3 的官方发布材料里,写着一句更值得注意的话:在并不宽裕的算力条件下,凭借 Kimi Delta Attention、注意力残差与 MoonEP 等技术创新,规模化效率提升了 2.5 倍,即「在算力最优意义下,单位算力产出智能约等于原来2.5倍」。模型结构上,896 个路由专家每个 token 只激活16个,稀疏度进一步提高。
这句话的含义是:参数涨了3倍,但单位算力换来的智能也涨了2.5倍。两者相抵,训练同等能力所需的算力增速远低于参数增速。这与过去两年「参数翻倍、算力翻数倍」的线性外推不同。如果这条曲线继续,需求端的斜率会被自己的效率改进削平。
人脑的参照在这里变得有用,但必须先把口径摆正。
成人男性大脑平均约861亿个神经元、百万亿量级突触连接,功耗约20瓦;任意时刻九成以上的神经元处于静默,平均皮层放电频率只有约0.16赫兹。把这些数字与「十万亿参数、百兆瓦级数据中心」并列,会得到一种很强烈的观感:硅基的效率低得离谱。但严格说,这个对比只能提示方向,不能量化差距。原因有三:神经元不等于参数,参数是训练后固定的权重,神经元会随时间、化学信号与可塑性改变状态;大脑不按 token 工作,也不存在「生成第37个 token 时激活了多少神经元」这种切分;数据中心的百兆瓦是数千张卡同时服务大量用户与训练任务的容量,不是回答一个问题的耗电。把20瓦与100兆瓦直接相除,得到的倍数没有意义。
即便如此,这个参照仍然值得留在框架里,因为它指向一个具体的工程问题:稀疏激活与事件驱动。
Kimi K3的 896选16,在结构上与人脑的稀疏放电同类;区别在于,人脑的稀疏是在 20 瓦的功率约束下演化出来的设计起点,硅基的稀疏是在成本与延迟压力下被迫引入的补救措施。这个区别决定了效率改进的空间还有多大:如果稀疏化、线性注意力、专家路由、蒸馏这些方向继续推进,单位智能的算力成本还会下降,而且下降可能快于参数增长。2026年7月30日之后的价格表提供了一个侧面证据:Claude Fable 5 旗舰档输出价每百万 token 50 美元,DeepSeek V4-Pro 为 0.87 美元,差约 57 倍;GLM-5.2 为 4.4 美元,Kimi K3为15美元。同一时期,Artificial Analysis 的智能指数上,Fable 5约 60、Kimi K3 约 57、GLM-5.2 约 51。智能差几个点,价格差一个量级以上,说明单位智能的成本曲线还在陡峭下行的区间。
这里必须防止一个常见的推论错误:效率提高不等于算力需求下降。若单位智能成本下降,价格下降会带来调用量上升,总算力需求可能不降反升,这就是杰文斯效应的逻辑。所以「堆算力被证伪」与「算力需求下跌」是两件事。真正需要判断的是三个变量的相对速度:智能需求的增速、单位智能算力的降速、以及价格弹性带来的量的扩张。系列07 给出的六级证据阶梯在这里适用:公告、资本开支、出货、上电、GPU 小时与调用、收入与续约,逐层核对,不能相加。
需求层还有一条硬约束:数据。多项研究预测,可用的高质量公有文本最早可能在 2026 至 2032 年间趋紧;合成数据可以部分替代,但在模型自产数据上递归训练面临信息熵坍缩的风险,性能可能逐代退化。如果数据先于算力成为瓶颈,那么「堆卡」的边际收益会下降,而「堆数据质量」与「堆架构效率」的边际收益会上升。这与 Kimi K3 的技术路线选择是同一个方向的证据。
最后是中国侧的需求形态。据摩根士丹利测算,中国 AI 模型占全球 token 使用份额从一年前的 5% 升至 2026 年 3 月的 32%;国家数据局口径下,2026 年3 月国内日均 token 调用量约 140 万亿,行业机构估计 6 月已到 500 万亿(后者为行业预估口径,与官方统计不可混用)。需求是真的,但高度集中:高端训练算力主要流向少数几家头部模型公司,它们「不计成本」租用大型算力中心,因为设备晚到一个月,可能直接影响模型迭代、客户交付与收入。集中度本身就是风险:任何一个大买家的预算变化,都会直接改变区域租金。
资金层:循环融资、抵押品与抛售机制
系列04 把英伟达定义为「最后的买家」,系列09 把它的关键人更替界定为「增量承诺审批权」的变化。这一章要把这两件事放进同一张资产负债表,看抛售是如何可能发生的。
先看规模。据IMF2026年10 月《全球金融稳定报告》,2023年以来14 笔公开披露的AI 循环融资交易,合计约3000亿美元由超大规模云商主导的股权投资、加6500亿美元债务,换取约1.4 万亿美元的未来收入承诺(通过服务采购或芯片订单)。其中约3200亿美元债务由被投企业承担,包括由投资者担保的债务、或有融资与其他表外债务。报告同时给出三组杠杆读数:超大规模云商占全球投资级公司债发行的比重,从2024 年末的 0.8% 升至2026 年的 9.5%;对冲基金股票总头寸加融资买入,从占发达经济体 GDP 的 10% 升至约 15%;单一股票在杠杆 ETF 中的占比,从 16% 升至28.5%。
IMF用了一个词描述这类结构的核心风险:错向风险(wrong-way risk)。对被投企业的股权与债权,恰恰会在与其绑定的未来收入受损时同时贬值。换成直白的话:你借钱给一个人买你的产品,当他还不上钱时,他手里的产品也不值钱了。
这就是抛售机制的起点。把它拆成三步,每一步都有对应读数:
第一步,融资收紧。 利率上升、信用利差走阔,或某类项目的认购倍数下降,都会让新项目拿不到钱。前置读数不是股价,而是发债定价与认购倍数、私募信贷的条款、以及融资平台的兜底比例。5000 亿美元平台三个月零签约、合作方要求提高兜底比例,就是这一步的读数。
第二步,高杠杆主体被迫处置资产。 当经营现金流无法覆盖利息与到期债务,处置抵押品成为选项。这一层的读数包括:新型云商的债券收益率与 CDS、设备利用率、租约续签价格、以及二手设备市场的成交价与折价幅度。据财联社11月13日援引LSEG 数据,10月1日至11月5日CoreWeave 的CDS 成本上升 94%,同期IREN一只2029年到期可转债价格下跌23%、股价下跌26%;11 月 10 日 CoreWeave 自身财报公布后,这些读数才回落。这说明信用市场的定价是「自身现金流」与「生态支持」两条线的叠加,任何一条变化都会先在这里反映。
第三步,抵押品价值与新代际供给同向贬值。 这是 GPU 与房子最大的区别。据 IMF 2026 年 4 月报告的警告,先进芯片的经济寿命可能短至两年,显著短于主要科技公司会计折旧所隐含的年限。房产可以放几十年,GPU 五年后仍能运转,但可能因为新卡更便宜而丧失大部分经济价值。IMF 的情景测算给出一个量级:若设备寿命假设从 7 年降到 3 年,超大规模厂商合计营业利润率将下降超过 9 个百分点。BIS 在 2026 年 10 月的公报中也讨论了专业资产在市场逆转时遭遇抛售的可能性。
三步连起来,就是一个自我强化的循环:价格下跌 → 抵押品价值下降 → 追加保证金或提前还款 → 更多设备被处置 → 价格继续下跌。这个循环是否启动,取决于两个条件:杠杆有多高、抵押品的二手市场有多深。前者已经有了读数(云商发债占比 9.5%、对冲基金杠杆 15% GDP、杠杆 ETF 集中度 28.5%),后者恰恰是算力市场最薄的一环:二手 GPU 没有公开的连续报价,没有标准化质检,没有清算所,跨境转售还受出口管制约束。流动性越薄,同样的抛售量造成的价格冲击越大。
把这条机制与当前读数对照,会得到一个必须诚实写出的结论:机制成立,但尚未启动。已披露的租赁指数仍在上涨,信用市场的波动仍可以归因到个体财报而非系统性事件,平台零签约发生在关键人更替之前。所以本文讨论的是尾部情景的形成条件,不是已发生的事实。
利率环境是这条机制的背景变量。据美联储 FRED 序列,11月12日 10 年期美债收益率为5.10%,投资级公司债有效收益率 5.96%,BBB 级 6.18%,AAA 级 5.72%。据 CME FedWatch 11 月 16 日读数,12 月加息 25 个基点的概率为 95%、50 个基点为 5%。高利率对这套结构的影响有两个方向:一方面抬高新增债务的成本,压缩项目的可行边界;另一方面抬高折现率,压低远期现金流的现值,使「以未来收入承诺换当期设备」的交易更难成立。后者往往先起作用,因为它不需要真的违约。
收入端还有一个正在发生的变化,值得单独指出:美国旗舰模型自己也在降价。据招商证券国际 11 月 12 日的报告转述,Anthropic于 11 月 9 日发布 Claude Fable 5.2 与 Mythos 5.2,并将标准 API 定价下调 20%;据媒体统计,OpenAI在 7 月 30 日对部分型号降价,最高降幅达 80%。这与中国模型的价格压力是同一件事的两个侧面。如果高定价不能持续,模型公司的毛利率会被两头挤压:售价下降,算力成本却因长约与承诺而刚性。这正是「投资回报不及预期」情景在微观层面的具体形态,也是资金链风险的源头变量。
需求方的资产负债表可以拿 Anthropic 的招股文件做一个样本。据其 S-1 披露,2026 年第三季度营收169.56 亿美元,环比增长 47%,低于第二季度的 144%;营业亏损 5.67 亿美元,净亏损 232.91 亿美元;截至 10 月 31 日年化收入运行率约810 亿美元。更关键的是负债结构:截至 9 月 30 日,已签订的采购承诺与租赁协议总额约 9009 亿美元,其中约 4516 亿美元预计在 2030 年底前发生,未来 12 个月内到期约 707 亿美元;对应流动性资产约 1466 亿美元,包括 956 亿美元现金及等价物、363 亿美元短期投资与 148 亿美元可用信贷额度。
这组数字说明两件事。第一,头部模型公司已经把未来五年的算力需求提前锁定,这支撑了当下的租金;第二,锁定也意味着刚性支出,一旦收入增速从 144% 降到 47% 再继续下行,调整空间不在合同里,而在「新增部分」。这解释了为什么 SemiAnalysis 会把「前沿实验室新增 ARR 增速放缓」列为下调的第一条原因。
中国层:一个被管制重塑的市场
中国算力市场的高价,与海外不是同一个成因,因此风险也不同源。
先看价格。据《财经》2026年10月的调查报道与路透社2026 年的报道(时点报价,非连续行情序列),B300 八卡整机在中国灰色渠道的价格轨迹是:2025 年底约 400 万元;2026年 4 月深圳现货 550万至700万元;6月加速跳涨至900万至1000 万元;8 月现货约1400 万元、期货约900万元,期现价差拉大到500万元;10 月深圳渠道突破1700万元,供应链行情平台显示4T整机一度报2140万元。同期美国同型整机约55万美元,按汇率折算约370万至396万元人民币。
这条曲线由三个变量叠加:管制造成的供给切断、执法造成的通道收窄、以及需求端的集中抢购。时间锚也很清楚:2025 年 12 月美国将Blackwell 系列排除在对华出口许可范围之外;2026 年 3 月超微电脑联合创始人因走私指控被捕,灰色通道随之收紧;H200 虽获两国批准但迟迟未发货,需求进一步向 B300 集中。价格里还包含第四项成本:风险。据同一组报道,涉案链条的手法包括壳公司下单、租机房「摆样子」应付原厂核查、第三地转运、抹除序列号;这些环节的成本最终都摊进售价。而售后基本不存在:非官方渠道流入的设备不纳入原厂服务体系,序列号对不上备案,坏了只能找第三方芯片级维修。
对研究而言,这里最重要的判断是:这个价格是政策变量,不是价值变量。它不反映芯片的制造成本加合理利润,而反映「稀缺性 + 规避管制的风险溢价」。政策变量在理论上双向敏感:管制再收紧,价格继续上行,直到需求被价格自己压垮;管制放松(例如 Blackwell 恢复对华许可),1700 万元的现货会瞬间变成高位接盘。但这两个方向在时间上并不对称——管制松紧不由市场供需决定,而是政治决定。排除许可由美国商务部工业与安全局作出,第二章已经说明对华宽松的政策路线由国会与行政部门承接;从立法(RASA 类立法在途)、执法(走私指控、通道收窄)到新一届国会 AI 议程,现有方向全部指向维持或收紧,看不到短期反转的政治条件。因此「放松→高位接盘」是远期尾部情景,不是未来一两个季度的判别读数;短期可交易的政策状态只有「维持」与「再收紧」两种。
需求侧的结构也与其他市场不同。据路透社报道,部分企业因担心制裁敞口而不愿在账面上直接持有英伟达硬件,转向租赁,一年期短租价格升至约19万元/月;Nebius 从 2026 年 10 月起把 HGX B300 租赁价上调至 9.5 美元/GPU 小时,涨幅约 21%。需求集中在少数头部模型公司,它们买的不只是硬件,而是「模型迭代的时间窗口」。
「数据不能出境、必须在境内训练」是这种集中的制度性支撑之一。这个约束是真实的:数据出境需要走安全评估,涉及重要数据与大规模个人信息时门槛更高。但要注意,它与租金溢价之间没有可直接引用的量化证据链。系列05 记录过一个更复杂的图景:中国硬件层存在走私溢价(B200 整机 50% 以上),租金层却是折价(H100 的沪伦比中枢约 0.80,即中国租金比美国低约 20%),两层脱节的原因包括低电价、政策资本与较低的上架率。所以「境内训练需求推高租金」这句话要分层写:它推高的是高端、合规、可长期交付的稀缺供给的溢价,而不是全部租金水平。沪伦比 0.75-0.90 的区间判断(系列05 登记)至今没有被突破。
中国侧的风险有三个不同源,且时间尺度并不相同——两条在短期,一条在远期:
管制再收紧(短期)。RASA 类立法若成法,远程访问受控技术会被纳入管理;走私执法继续加压,灰色供给进一步收缩。短期看这推高价格,中期看它把需求推向国产替代或境外托管,价格越高、替代越快。
国产替代放量(短期到中期)。据路透社 2026 年 10 月报道,字节、阿里、腾讯等企业订购了超过 300 万张合规可得的 RTX PRO 5500 工作站显卡,订单总额超过 350 亿美元;同期昇腾 950 系列在推理侧继续放量,DeepSeek 的模型与国产芯片做协同设计。替代不必在最强训练场景取胜,只要在推理与中等训练场景分流需求,高端卡的边际租金就会松动。
管制放松(远期尾部情景)。作为情景必须保留,但作为短期风险基本可以排除:管制的松紧是政治决定,排除许可由美国商务部工业与安全局作出,立法与执法方向全部指向维持或收紧,短期看不到反转的政治条件。一旦许可范围恢复——那需要政治议程先发生根本变化——境内现货的稀缺溢价会快速蒸发,囤货方与投机盘首当其冲。这个市场的参与者里有相当一部分不是最终用户,而是中间人与投机者(据《财经》报道,酒店大堂里挤满中间人,很多人没有货)。这部分库存没有报关单据、没有原厂服务、难以抵押,流动性最差。
三条线共同指向一个结论:中国市场的溢价是高是低,取决于管制,而不取决于算力本身的价值——且短期政策方向由政治议程锁定,市场能交易的只有「维持或再收紧」两种状态。这一点与海外市场恰好相反。海外的高价由「需求能付得起」与「供给一家独大」支撑,中国的高价由「买不到」支撑。前者怕利率,后者怕政策;而政策这一侧,短期只有收紧一个方向。
当前读数与情景判别
写到这里,需要把「已经发生的」与「可能发生的」分开摆一次。
两类租赁指数编制方法独立,水平不可换算,只能在各自口径内看相对变化。这一点在本系列已反复强调:Silicon Data 序列约 46% 的交易日价格零变动,挂牌价的黏性压掉了大部分现货波动;Ornn 对成交价更敏感,日常波动本就在正负 10% 上下。用「租金没跌」来证明风险不存在,与用「股价跌了」来证明需求崩了,是同一种错误。
据此,三种情景各自的算力读数特征可以列成一张对照表,供后续逐格打勾:
需要说明的是,这三种情景不是互斥的三种未来,而是三组读数组合。现实往往是混合的:需求端可能处在情景一,资金端已经在向情景三移动。判断的关键不是给整体贴标签,而是看哪一组读数先出现持续的同向变化。
可以登记的验证日历如下:11 月 17 日英伟达 2027 财年第三季度财报与电话会(看应收账款周转天数、担保存量、递延收入、承诺附注口径,以及管理层对增量交易的措辞);11 月 18 日定价、11 月 19 日上市的 Anthropic(看发行定价、首日表现与募资用途,这是「需求方资产负债表」的第一次公开检验);12 月美联储议息会议(看加息幅度与后续路径);2027 年 1 月新一届国会会期与融资平台首笔交易;2027 年 6 月的中期检查。
回到开头。三种情景里,第一种是最好的,第三种是最坏的,第二种是最容易被低估的。对算力市场而言,情景二的杀伤力不在需求,而在规则:数据中心电价、独立测试与 AI 责任一旦成法,约束的是扩张的速度与成本,而不是需求的真伪。这也是为什么本文把「宏观」放在第四根柱子而不是第一根:叙事决定估值,规则决定节奏,而租金最终由节奏与资金的相遇决定。
三句话收束全文。
发现:四根柱子都有可指认的裂缝证据,包括资本开支预测下调 40%、旗舰芯片均价下调三成、头部客户在四个平台间重新排序、架构效率提升 2.5 倍、循环融资的杠杆读数全面抬升、中国灰色渠道价格一年涨四倍。但当前读数(租金上行、信用分化而非系统性走阔、平台未落地但存量承诺未违约)显示,裂缝还没有贯通成一条线。
机制:每根柱子的松动方式不同。供给靠价格与份额,需求靠效率与价格弹性,资金靠抵押品与再融资,宏观靠规则与叙事。它们的时间尺度依次拉长:供给以季度计,需求以年计,资金以月计,宏观以立法会期计。这意味着最该盯的不是最慢的那根,而是最快的那根。
边界:本文的所有判断都以读数为准,不以叙事为准。哪一根柱子先松动,不由观点决定,由下一份财报、下一次发债、下一笔租约、下一个许可决定。
数据源与方法
官方与一手文件:美联储主席沃什 2026-11-16 旧金山联储生产力与就业工作组会议发言(经光明网、21 财经、新华财经、汇通财经报道转述,情景模拟非官方预测);美联储 FRED 的 10 年期美债与公司债有效收益率序列(截至 2026-11-12);IMF《全球金融稳定报告》2026 年10 月(循环融资章节、杠杆读数与错向风险定义)及 2026 年 4 月报告(芯片经济寿命与折旧情景测算);BIS 2026 年 10 月公报(专业资产抛售讨论,经公开综述转述);Kimi K3 官方发布页与技术报告摘要(2026-07-16/07-27);Anthropic 招股文件与 11 月 10 日路演披露(营收、承诺、流动性、私募配售结构);英伟达 2026-11-08 与 11-12 公告(承接系列09)。
公司与指数数据:Silicon Data 的 H100/B200 租赁指数(截至 2026-11-14)、Ornn 成交价口径指数(截至 2026-11-15);两类指数编制方法独立,水平不换算,只在各自口径内比较相对变化。
媒体与机构转述:SemiAnalysis 2026-11-13 报告数字(经新华财经、PANews、36 氪、腾讯新闻、BlockBeats等多家渠道独立转述,数字一致);《财经》2026-10 B300 调查报道、路透社 2026 年 B300 价格与租赁报道;英国《金融时报》11-15 关于回归游说的报道、《华尔街日报》11-15 贝森特表态、《联合早报》11-17 董事会意向、环球时报与《财富》关于联署的报道;CNBC 11-13 关于债券、CDS 与分析师观点的报道;财联社 11-13 关于 LSEG 数据与 IMF 观点的报道;摩根士丹利关于中国模型 token 份额的测算(经媒体转述);招商证券国际 11-12 关于 Anthropic 上市与 Fable 5.2 定价的转述;Ed Zitron 2026-11-14 访谈(评论者观点,其中「仓库闲置 GPU 约 2000 亿美元」无公开口径支撑,未入证据链)。
口径说明:事实、公司指引、机构预测、情景测算与评论者观点分栏;B300 价格为媒体调查的时点报价,非连续行情;中国日均token 调用量的官方口径与行业预估分开引用;「神经元数量」与「模型参数」不是同一量纲,文中对比仅用于提示效率方向,不作量化换算;所有区间用「-」表示。本文不构成方向判断,也不涉及任何具体证券、合约或项目的交易建议。
交易咨询业务资格:证监许可【2011】1290号
作者:南华研究院能源化工分析师 宋霁鹏(投资咨询资格证号:Z0016598)
股票
板块
用户
资讯
评论 (0)