IBM首席执行官："不可能"让超大规模云厂商AI基础设施投资获得回报

2025年12月10日 作者：Blake Crosley

IBM首席执行官Arvind Krishna于2025年12月3日公开质疑超大规模云厂商的AI基础设施经济模型，他表示即便是简单的计算也能揭示科技公司的大规模数据中心投资"不可能"说得通。¹"在我看来，你不可能从中获得回报，因为8万亿美元的资本支出意味着你需要大约8000亿美元的利润才能支付利息，"Krishna如是说。[^2]Krishna进一步指出，GPU折旧是最被低估的风险："你必须在五年内全部用完，因为到那时候，你就得把它们全部丢掉并重新填充。"[^3]

Krishna的言论正值超大规模云厂商对AI基础设施投入前所未有的资本之际。四大巨头预计2025年资本支出总额将超过3800亿美元，CreditSights预测到2026年累计资本支出将达到6020亿美元。[^4]

2025年超大规模云厂商资本支出承诺：

这笔账产生了根本性的矛盾：2025年AI云服务收入总额可能在500-600亿美元之间，而资本支出却超过3800亿美元——6:1的投资收入比需要数年的三位数增长才能证明其合理性。[^5]

Krishna的论点

Krishna的批评聚焦于基本的财务数学而非技术能力，围绕三个相互关联的问题展开：利息成本、折旧时间线和AGI的不确定性。

利息成本分析

Krishna提到的8万亿美元累计资本支出和8000亿美元所需利润，凸显了基础设施投资的利息负担。以当前美元计算，建设一吉瓦的数据中心容量大约需要800亿美元。[^6]全球追逐AGI的总承诺容量接近100吉瓦，总价约为8万亿美元。

按当前利率计算，8万亿美元的资本每年需要约8000亿美元的利润——仅仅是支付融资成本，还没算给股东的回报。作为参照，微软、谷歌、亚马逊和Meta 2024年的净利润总额约为2000亿美元。[^7]这笔账要求AI产生当前总盈利能力四倍的利润才能覆盖利息。

折旧定时炸弹

Krishna指出折旧是"投资者最低估的计算部分"。[^3]超大规模云厂商将GPU基础设施按五到六年折旧，但英伟达现在每年发布新架构，而之前是两年一个周期。[^8]

GPU折旧现实：

Michael Burry曾指出，包括Meta、甲骨文、微软、谷歌和亚马逊在内的公司高估了GPU使用寿命并低估了折旧，他认为实际使用寿命为两到三年。[^9]据报道，一位谷歌架构师表示，数据中心GPU的使用寿命可能只有一到三年，具体取决于使用率，这主要是由热应力而非技术过时造成的。[^10]

电信泡沫的前车之鉴

技术基础设施投资历史上曾产生过产能过剩。在光纤繁荣时期（1995-2000年），公司估计花费了2万亿美元建设了8000-9000万英里的光纤网络。[^11]到2001年，95%仍是暗光纤——等待着从未实现的需求而闲置的产能。[^12]

电信泡沫与AI基础设施对比：

康宁的股价到2002年从100美元暴跌至1美元。Global Crossing、世通公司和360networks申请破产。2000年至2002年间，全球电信股票市值蒸发超过2万亿美元。[^13]

对AGI的质疑

Krishna质疑当前架构是否能够实现AGI，他估计在没有根本性突破的情况下，概率"大约为0-1%"。[^14]如果AGI仍然遥不可及，为AGI级算力建设的基础设施对于实际应用来说可能过于庞大。

反驳观点

超大规模云厂商的领导层对Krishna的批评提出了实质性的反驳。

需求超过供给

亚马逊首席执行官Andy Jassy表示，产能"一投入就被消耗掉了"。[^15]AWS的AI业务以"同比三位数"的速度增长，"在发展的这个阶段，增速是AWS本身增长的三倍多"。[^16]2025年第三季度云收入增长依然强劲：AWS增长20%至330亿美元，Azure增长40%，谷歌云增长34%至151.5亿美元。[^17]

2025年第二季度全球云基础设施支出达到953亿美元，连续第四个季度保持超过20%的增长。[^18]需求看起来是真实的，而非投机性的。

价值级联论

支持者认为GPU使用寿命可以通过"价值级联"延长——将芯片从训练重新用于推理再到实用工作负载。[^19]CoreWeave的首席执行官指出，他们2020年的A100芯片仍然满载运行，最近推出的H100立即以原价95%的价格被预订一空。[^20]

训练需要最新的架构，但推理工作负载——高容量且高利润——在旧芯片上也能高效运行。从训练到推理再到微调的演进过程可能将经济寿命延长至五年。

战略护城河

基础设施投资创造了后来者无法复制的壁垒。微软的Azure基础设施捍卫着企业AI地位。谷歌的算力保护搜索业务免受AI替代品的冲击。Meta的训练能力使其能够开发规模较小的竞争对手无法匹敌的基础模型。

超越投资回报率的战略价值：

长期时间视角

电信泡沫的一线希望具有启示意义：2000年过度建设的光纤成就了YouTube（2005年）、Netflix流媒体（2007年）和云计算（2006年以后）。[^21]产能过剩带来的廉价带宽创造了全新的商业模式。

同样，AI基础设施产能过剩——如果真的出现——将降低GPU租赁成本，使目前不经济的AI应用成为可能。即使原始投资者遭受损失，这些基础设施也可能具有奠基性意义。

基础设施规划决策框架

Krishna的批评为评估AI基础设施投资的组织创造了可操作的启示。

基础设施战略矩阵：

如果Krishna被证明是对的

选择租用而非建设的组织保留了选择权。产能过剩将推动H100价格从目前的2.85-3.50美元/小时降至1-2美元/小时。[^22]带灵活条款的租赁协议优于长期承诺。

需要关注的指标： - 超大规模云厂商利用率降至70%以下 - GPU现货价格环比下降超过20% - 财报电话会议中下调资本支出指引 - 重大项目取消或延迟

如果Krishna被证明是错的

早期锁定产能的组织将从稀缺溢价和锁定价格中受益。AI应用的先发优势会随时间复利增长。基础设施约束将有利于现有运营商。

需要关注的指标： - AI收入持续三位数增长至2026年 - GPU定价稳定或上涨 - 超大规模云厂商上调资本支出指引 - 新架构发布延迟

对冲策略

大多数组织应该对冲而非单向押注：

1. 租用60-70%的当前需求 - 保持灵活性
2. 为30-40%锁定承诺产能 - 保证关键工作负载的可用性
3. 协商灵活条款 - 无惩罚的扩展权利
4. 按季度监控 - 根据市场信号调整分配

专业指导

如此规模和不确定性的基础设施决策需要经验丰富的专业视角。

Introl拥有550名现场工程师网络，支持组织评估AI基础设施经济学，涵盖自建、租用和混合策略。[^23]公司以三年9594%的增长率位列2025年Inc. 5000第14位，反映了市场对基础设施咨询服务的需求。[^24]

覆盖全球257个地点的专业能力，为不同市场条件下的基础设施投资提供视角。[^25]Introl管理着高达10万GPU的部署，为利用率优化和成本管理提供运营洞察。[^26]

关键要点

对于基础设施规划者： - 在投入资本之前，对Krishna正确和Krishna错误两种情景进行建模 - 除非利用率超过80%，否则优先选择带灵活条款的租用而非自有基础设施 - 按季度监控超大规模云厂商的利用率和定价趋势 - 在多年承诺中加入退出条款

对于金融分析师： - 关注折旧政策变化，这可能预示管理层的担忧 - 将5-6年的会计寿命与1-3年的经济现实进行比较 - 追踪AI收入增长率与资本支出增长率的对比 - 评估基础设施密集型投资组合中的搁浅资产风险

对于战略规划者： - 认识到产能过剩即使损害投资者利益也会惠及消费者 - 如果基础设施成本下降30-50%，考虑后发优势 - 评估同行过度投资并面临减记时的竞争动态 - 通过混合云架构保持选择权

展望

Krishna的批评在行业热潮中代表少数派观点，但其数学分析值得认真考虑。2025年3800亿美元的资本支出需要前所未有的收入增长才能证明其合理性——这种收入增长必须在可能过于乐观的折旧计划下持续数年。

这场辩论的结果不如应对方式重要：组织应该对冲而非押注。保持租用灵活性，协商条款，监控信号，保留选择权。无论Krishna是先知还是逆向投资者，基于情景分析而非共识假设做出基础设施决策的组织都将受益。

正如Krishna本人在对基础设施持怀疑态度的同时所指出的："我认为它将在企业中释放数万亿美元的生产力，这一点我要绝对明确。"[^27]问题不在于AI是否创造价值，而在于当前的基础设施投资水平是否与价值创造的时间线和规模相匹配。

参考文献

[内容因翻译需要而截断]