OpenAI 和英伟达，终究还是到了这一步

AI 顶流们正在加紧 ” 梭哈 ” 芯片。

Meta、OpenAI 和 Anthropic 等公司今年以来已签下了数千亿美元订单。

凭此赚得盆满钵满的，自然还是 ” 卖铲人 “。

在本周 ASIC 芯片龙头博通公布的财报中，一季度（2025 年 11 月至 2026 年 1 月）AI 半导体收入 84 亿美元，同比大涨 106%；Q2 预期环比再涨 27% 达 107 亿美元，同比将暴增 143%。

此前，英伟达的业绩更是炸裂，公司同期总营收已达 681 亿美元，同比增长 73%，新财季营收预期更是增至 780 亿美元，预计同比增长 77%。核心指标全都大幅刷新纪录。

这些公司的掌舵者也对未来一致乐观。

博通 CEO 陈福阳说，明年，公司光 AI 芯片营收就能超过 1000 亿美元，比上个财年的公司总营收还高出至少五成。

英伟达 CEO 黄仁勋说，在截至 2026 年底的五个季度中，公司主力芯片 Blackwell 和下一代芯片 Rubin 的订单至少有 5000 亿美元，这个数字是英伟达此前年收入的两倍还多。

表面上看，” 狂飙突进 ” 仍在加速，甚至每一次破纪录都像是新的指数级增长曲线的起点。

但在风光背后，从芯片到云，从大模型到应用，一系列技术、产业与社会的变化正在发生，某种约束已若隐若现：Scaling Law（缩放定律）和通用 GPU 多年来的统治地位受到挑战，云厂商巨额 Capex（资本开支）的验证时间窗口收窄，” 定制化 ” 和 ” 个性化 ” 等分布式需求愈发吃重，让集中式的迅猛增长有落潮之虞。

一边狂赚千亿，一边 ” 友谊破裂 “

作为 AI 大模型时代并驾齐驱的造浪者，今年以来，英伟达与 OpenAI 之间的关系明显松动。

年初，媒体爆出英伟达不满 OpenAI 的商业策略，欲大幅削减投资。此后，又有消息称，OpenAI 对英伟达最新芯片在推理环节的表现不满，会继续探索替代方案。

传言难以证实，但英伟达在 OpenAI 新一轮融资中出资 300 亿美元，相较此前的千亿美元投资方案明显缩水。

在 3 月 4 日的摩根士丹利 TMT 会议上，黄仁勋亲口表示，这次投资 ” 可能是最后一次 “，去年 11 月被他称为 ” 一代人仅有一次机会 ” 的千亿美元合作大概率会不了了之。

为什么会突然发生这样的转变？背后有些行业趋势值得探讨。

首先是，Scaling Law 和 GPU 性能提升飞轮，已有触顶迹象。

计算机科学家伊利亚 · 苏茨维克（Ilya Sutskever）已表示，此前 Scaling Law 能够主导大模型发展，是因为预训练的道路走通了。谁的大模型喂得越饱，就显得越聪明。但随着大模型领域竞争白热化，高质量、结构化的公开数据实际上已被吃尽。

光有算力不足以支撑这条路走到头。

业界对 Scaling Law 的未来，有很多讨论，比如转向后训练，转向推理时扩展，或者改进 Transformer 核心架构。

但拆解这些方法，其关键词多与 ” 提升效能 “、” 合理分配算力 ” 和 ” 特定领域针对性优化 ” 相关联，实际上，也意味着预训练阶段的性能跃迁不会再现。

GPU 面临的境况是相似的。

在 Scaling Law 时代，成熟度高、通用性和灵活性强、适合大规模并行运算的 GPU，无疑是大模型的最佳搭档。其性能在近十年间飞速进化，是大模型能力提升和规模化复刻的重要动力。所以，尽管英伟达产品售价极高，毛利率常年在 75% 左右，还是屡屡供不应求。

半导体行业知名研究机构 SemiAnalysis 分析称，芯片领域先进制程的演进速度已明显放缓，典型案例是台积电 3nm 带来的性能增幅与成本增加已不成正比。

全球计算联盟 GCC 数据也显示，摩尔定律放缓正导致 AI 芯片性能增幅下滑，2018-2022 年间，AI 芯片性能年均提升 50%，到 2023-2025 年已降至 20% 以下（未计入尚未量产投入市场的新一代产品）。

而就在 2025 年，追求特定场景下更极致的性能，功耗更低、体积更小、量产后成本更优的定制化 AISC 芯片强势崛起。

以谷歌 TPU 的市场良好反馈为标志，其市占比开始向 GPU 发起挑战。而包括 Meta、亚马逊、微软乃至 OpenAI 等都在加紧自研 AISC 芯片，2026 年预计就将迎来量产和商业化的集中爆发期。

资料来源：各公司官网、野村证券、公开报道；作者制表

这条技术多元化路线的核心，又是 ” 定制化 “” 高效能 “” 低延迟 ” 和 ” 性价比 “，实际就是通用硬件效率狂飙的阶段已经落幕。

从这个视角再来看，OpenAI 与英伟达之间隐现的 ” 友谊裂痕 “，所谓不满芯片推理表现，是因为 GPU 不再能通过 ” 暴力破局 ” 来 ” 包打天下 “。而所谓对商业策略有疑义，则是在大模型能力 ” 无限增长 ” 故事讲不下去后，希望确证能有可观商业回报维持其需求的稳定。

是谁在给英伟达们 ” 泼冷水 “？

当然，性能增幅放缓绝不意味着需求会骤降，反而可能推动更加平稳、持续的增长。而在 2025 年 “DeepSeek 冲击波 ” 中，描述效率优化往往导致消耗总量增加的 ” 杰文斯悖论 ” 也屡被提及。

不过，前提是尽快切换到更加 ” 细水长流 ” 的发展模式，而目前 AI 产业的惯性动能，却与此存在一定错位。

最核心的，是拼命压缩时间周期可能带来的系统性病灶。

早期以 GPU 为主的 AI 芯片，迭代周期约为 18-24 个月。随着 AI 热潮来临，需求方竞争压力加剧，对迭代速度的渴求愈发极端，这让英伟达和谷歌等将芯片迭代周期压缩到 ” 年更 “。

但即使这样还是不够。

目前，顶尖大模型基本每三个月就要迭代一次。SemiAnalysis 创始人迪伦 · 帕特尔（Dylan Patel）此前在参与 The MAD Podcast with Matt Turck 播客节目时表示，即使芯片厂商将迭代周期压缩到半年，也无法很好适配模型进步的速度，也难言确保自身优势。

即使芯片和模型的性能增幅双双放缓，这种 ” 赛跑 ” 也未见稍显的迹象。

而考虑到前文提到的制程、技术演进等方面的瓶颈，以及美国能源供给方面愈发紧迫的硬性约束，结果可能演变成跑着跑着增长动能断档，甚至双双 ” 撞墙 “，让原本可能在斜率放缓中更加平衡的供需被打破。

更不可小觑的是这种 ” 赛跑 ” 对 Capex 的依赖。处在芯片与模型之间，被这种 ” 你追我赶 ” 来回拉扯的云厂商，承担了最集中的资本支出，他们往往同时也涵盖 AI 业务，投资与回报都面临风险和压力。

根据亚马逊、微软、谷歌、Meta 和甲骨文这五大云厂商披露的信息，其 2026 年 Capex 总额将超过 7000 亿美元。

数据来源：公司财报及电话会议；作者制图

按照较为传统的算力基础设施五年折旧周期来计算，大约对应 1400 亿美元的 AI 销货成本，这对 AI 行业目前的 ARR（年度经常性收入）来说是天文数字。虽然 OpenAI 预计 2026 年 ARR 能够突破 450 亿美元，Anthropic 也有望达到类似规模，但这两巨头本身的市占比已接近八成，即使不考虑利润，行业的净收入也很难支撑资本开支。

而正是由于芯片和模型迭代速度越来越快，市场对折旧周期的计算也产生了疑惑。

知名投资人 ” 大空头 ” 迈克尔 · 伯里（Michael Burry）自去年起，就一再 ” 炮轰 ” 当下的折旧周期不符合实际，认为如今 AI 芯片的实际经济价值可能在 2-3 年内就会因技术过时而大幅衰减。

虽然此类观点争议颇多，但如果大模型和芯片的 ” 赛跑 ” 继续，甚至还要加速，那么，有关折旧周期的质疑只会越来越多。

而且，资本端的超额支出，往往以 Scaling Law 和大模型性能的继续跃迁为由。从前文提及的趋势来看，Scaling Law 的退潮，也会让 Capex 的狂飙不再 ” 师出有名 “。

2025 年下半年至今，云巨头的投资回报率（ROI）愈发成为市场瞩目的核心指标，美股对缺乏利润增长的 Capex 往往报以抛售，典型如微软，其公布的财报营收、净利均超预期，但股价随即暴跌 10%。

而芯片企业即使持续创造新的纪录，但以去年 11 月英伟达市值从 5 万亿高点回落为节点，市场始终未给出匹配增速的估值溢价，空头声音反而愈发显眼。

这些，也构成了时下盛行的 “AI 泡沫论 ” 的核心焦虑。

不过，值得注意的是，相较于泡沫本身的存在与规模，人们看待和对待其方式，可能更加重要。

当市场持续不给单纯的拼规模、拼速度以正向反馈后，这一趋势更可能会以几次阵痛为代价放缓步伐。

目前芯片大厂和部分大模型、云厂商对未来两年已有明确规划，迭代速度和支出规模可能仍然维持高位，高盛也预测 2025 至 2027 年是 AI 服务器出货量增长最迅猛的三年，其中增速峰值出现在 2026 年。

但在这之后，全产业链的增长可能都会面临结构性放缓。

如果只在商业和技术层面考虑，对 AI 增速形成影响的变量还有很多，但最近两大标志性热门事件，为 AI 产业的发展，蒙上了一层不确定性阴影。