AI 资本开支的回报之问：需求真实，但 ROI 多数没兑现

钱花得猛，账却算不清

这轮 AI 投入最吊诡的地方在于：资本开支一个比一个狠，可真正算清回报的公司没几个。VentureBeat Intelligence 的调研说，81% 跑 AI 负载的企业 GPU 利用率在 50% 以下，31% 低于 25%，但 63% 还在计划扩基建，只有 10% 做过财务视角的 ROI 核算。翻译成人话：大家都在加仓，但大多数人没算过这笔账到底赚不赚。情绪上头的时候，capex 新闻比财务报表更有存在感。

两个互相矛盾的信号

一边是“紧”。美国银行 10 月 19 日的数据说 AI 基础设施利用率接近满负荷，GPU 租金年初至今涨了 12% 到 37%，这是稀缺不是过剩。另一边是“松”。Sedai 的分析显示约三分之一的 GPU 运行在 15% 利用率以下，标称 95% 以上的系统实际内核效率常常只有 38% 左右。两个信号都对，差别在于你站在 hyperscaler 的机房，还是普通企业的机房。平均数掩盖了极大的分化。

“循环投资”的识别方法

还有个容易被包装成需求的东西：关联交易。backlog、芯片采购承诺、关联公司之间的云收入，合同上是真的，经济上是“左口袋进右口袋”。要判断是不是虚火，别听银行的，看三个独立指标：人口普查式的真实采用率、按卡计的 API 实际支出、独立的 GPU 租赁面板价。这三个数字不依赖任何一方自报，更接近真相，也最难被粉饰。

真正该看的硬指标

对做技术决策的同行，我的建议是盯住“有效利用率”而不是“采购量”。一台 H100 级 GPU 在 30% 有效使用下，一年浪费的算力成本能到 7 万美元量级。与其再买卡，不如先把调度、批处理、缓存命中率做上去。Gartner 预测到 2030 年可能有超 3.5 万亿美元的 AI 基建需要减值，这种警告不一定准，但足以提醒：别把合同承诺当成真实需求，也别把别人的 capex 当成自己的理由。

我的判断：分层，别一刀切

结论我倾向于“分层论”：有 committed 工作负载、能跑满的前沿算力确实稀缺，租金上涨合理；而缺乏真实业务负载、靠融资撑着的新建产能，大概率会闲置甚至减值。需求是真的，可需求不等于谁都能赚钱。做预算时按自己真实 workload 算有效利用率，比跟着新闻焦虑有用得多。本文只做行业判断，不荐股不预测股价。

小结

这轮 AI 开支最该警惕的不是“有没有需求”，而是“把合同承诺当成真实需求”。把有效利用率、真实采用率和独立面板价这三件硬指标盯住，大多数虚火一眼就能看穿。