三年前，红杉资本合伙人戴维·卡恩是最早一批对硅谷在AI基础设施上的巨额投入进行量化计算并给出具体数字的人之一。

2023年，他针对英伟达公布的500亿美元年度GPU收入做出了回应。从这一数字出发，加上运营数据中心的隐含成本以及运营商的利润空间，他推断出需要2000亿美元的收入才能收回前期投资。

他将此视为一项挑战，呼吁创业者们开发出能够利用所有这些基础设施并从中创收的AI产品和服务。时间快进到今天，在累计了三年的超大规模扩张之后，卡恩对2026年AI基础设施支出给出了一个新数字：1.5万亿美元。

总体算下来，他估计AI行业必须赚取3万亿美元，才能证明所有这些芯片及其他数据中心支出的合理性。而且这很可能还是一个低估——内存成本的上升以及专用推理芯片或非常规芯片的日益普及，将推高这一数字。“最近，”他写道，“由于这些瓶颈效应和建设成本上升，每吉瓦资本支出所需的收入已急剧增加。”

在账目的另一边，据信Anthropic的年经常性收入已达到600亿美元，而OpenAI在2025年的收入据报为130亿美元（尽管在2025年11月，该公司称其年经常性收入已达200亿美元），并且今年很可能收入更高。但显然，两者之间仍有巨大的差距需要弥合。

关注这一差距的还有阿波罗全球管理公司的首席经济学家托尔斯滕·斯洛克。在最近的一份报告中，他指出，超大规模云服务商——谷歌、Meta、微软和亚马逊——都预测其2028年的自由现金流将大幅加速增长。也就是说，他们预计将从所购买的所有这些芯片中获得回报。

如果他们没有呢？Slok 指出了当前 AI 使用中普遍存在的一个风险：越来越多的组织转向更便宜的开放权重模型，通常是中国的模型，而非前沿实验室开发的模型，同时整体 token 价格也在下降。据 CEO Sam Altman 称，OpenAI 的最新模型在编程任务上的 token 效率提升了 54%。这对于担心 AI 智能体成本的用户来说是个好消息，但对于那些建造 token 工厂的公司来说，如果用户没有随之大幅增加整体 token 使用量，这可能是个坏消息。

Slok 担心，如果超大规模企业未能实现其现金流目标，市场反应可能会很严重——

“如此多的赌注押在如此少的公司身上，”他写道，“回报周期放缓将不仅仅是行业问题，还可能使经济陷入衰退，并导致标普 500 指数进入回调。”

当你正引导你的 AI 智能体转向更便宜的 token 时，这一点值得牢记。

资深记者