AI数据中心泡沫：Ed Zitron揭露万亿美元投机骗局的核心数据

科技评论人Ed Zitron近期在Newsweek《The 1600》节目中，对当前如火如荼的AI数据中心建设浪潮提出了尖锐批评。作为EZ Primary Research的CEO、Substack专栏《Where's Your Ed At?》作者及播客《Better Offline》主持人，Zitron多年来一直坚持一个核心论点：如今的人工智能产业，本质上是一座建立在纸牌屋之上的巨型投机泡沫。而随着他近期频繁登上主流媒体和Drudge Report，越来越多人开始认真对待这个刺耳的声音。

循环融资：科技巨头之间的自我投喂游戏

Zitron分析的核心，是科技巨头与OpenAI、Anthropic这两家大模型公司之间日益紧密且危险的绑定关系。他引用Bloomberg报道并通过UBS、Wells Fargo、Barclays的分析师报告加以佐证：微软2026财年70%的AI收入来自OpenAI，谷歌和亚马逊云(AWS)的情况也大致类似。

更令人震惊的是资金的循环流动。据Zitron梳理，仅今年一年，亚马逊就向OpenAI输送了500亿美元、向Anthropic输送了50亿美元；谷歌也向Anthropic投入100亿美元。这些巨头一边给大模型公司注资，一边又从这些公司身上赚取收入——这就是典型的"循环融资"（circular financing）问题。

"他们花了超过一万亿美元的资本支出，本质上只是为了从两家需要他们不断输血的公司那里赚钱。"Zitron如是总结。

微软AI投资回报的真实面貌

Zitron用微软的数据揭示了这场狂欢背后的贫瘠回报。微软2026财年AI总收入为343亿美元，听起来不少，但为此付出的资本支出高达2610亿美元。而如果剔除OpenAI贡献的241亿美元，微软所有其他AI业务——包括GPU租赁、模型付费、Microsoft 365 Copilot——加起来只有103亿美元。

"微软是全球第二大算力基础设施提供商，也是全球最大的软件销售商，可它在OpenAI之外的AI收入只有个位数到十位数十亿美元级别。"Zitron指出，UBS分析师Steven Zhu的报告更显示，明年谷歌云48%的总收入（注意，不只是AI收入）将来自OpenAI和Anthropic，预计金额高达1240亿美元。这种极端的客户集中度，意味着整个华尔街对这些巨头的增长预期，都押在两家持续亏损、看不到盈利路径的公司身上。

「循环融资」（circular financing）在风险投资与科技产业中并非新鲜现象，但其危险性在于它能人为制造出健康的商业外观。具体运作逻辑是：A公司向B公司注资，B公司用这笔钱购买A公司的云服务或算力，A公司因此产生营收并向华尔街汇报增长——而这笔「增长」的源头，正是A自己掏出去的钱。这种结构使得双方的财报数字都显得亮眼，但实际上并未有任何外部真实需求产生。在传统金融领域，类似的安排会触发关联交易披露要求；但在当前AI产业中，这类资金流动往往以「战略投资」名义出现，公众难以穿透其结构。更关键的系统性风险在于：一旦某一方资金链出现问题，整个循环便会同时断裂，而非像真正多元化的市场需求那样具备缓冲余地。

超级智能叙事：一套转移视线的话术

Zitron对科技领袖们热衷的"超级智能"（Superintelligence）叙事嗤之以鼻。他将扎克伯格那篇6500字的《The future is for everyone》宣言，与Sam Altman、Dario Amodei的宏大愿景归为一类——都是转移公众注意力的手段。

"他们想让你谈论超级智能、谈论乌托邦，这样你就不会去关注他们实际在造的那些大语言模型其实做不到这些事。"Zitron说，Meta至今没有真正的AI战略，只是每隔几个月就重组一次团队、换换头衔、高价挖几个AI科学家，然后一切照旧。

他认为真正的AI应该是无缝、自主、无需反复调教就能运作的软件。但现实中的LLM恰恰相反——需要不断调整提示词、更换模型、编写上千字的使用指南。"如果一个AI产品真的能用，它就应该直接能用。"

"神灯精灵"比喻与AI炒作周期的尾声

节目中播放了Sam Altman将AI比作"能实现任何愿望的神灯精灵"的片段。Zitron尖锐回应：当业内人士开始用"魔法""精灵"这类词汇时，恰恰说明炒作周期已接近尾声。"任何采访Altman的记者都应该直接问一句：你说的到底是什么意思？因为它根本没有任何意义。"

他还批评所谓的"AI越狱""模型逃出沙盒"等安全恐慌是纯粹的公关话术——软件只是没有按照设计正常运行，却被包装成"过于强大而危险"。

AI数据中心建设：披着基建外衣的投机项目

Zitron对"数据中心利好社区"的说法予以驳斥。他指出，数据中心并不创造本地就业——建设需要专业电工、暖通空调技师、网络工程师，这些人才都是外地空运而来，工程结束后便带着钱离开。真正留给当地的，是巨大的占地、噪音、以及因燃气轮机短缺而不得不使用的老旧机组带来的空气污染。

他特别提到马斯克的数据中心"毒害黑人社区"的争议，以及Meta在路易斯安那州Richland Parish投资500亿美元、耗电量将超过整个新奥尔良市的项目——而当地教师获得的5万美元现金奖励，不过是通过税收减免"洗白"的贿赂。

几乎建不完的吉瓦级数据中心

Zitron揭示了一个被媒体忽视的事实：几乎没有真正建成的1吉瓦级数据中心。以Stargate Abilene为例，这个1.2吉瓦项目于2024年6月动工，原定去年底完工，但截至目前仅有三栋楼投入运营（八栋楼中）。多个消息源告诉他，最乐观的完工时间也要到2027年Q1-Q2。

更糟的是硬件的贬值困境。数据中心建设周期太长，导致装进去的Blackwell芯片可能已是两年前的产品；而下一代Vera Rubin芯片的第二代甚至需要全新机架，意味着刚建好的数据中心可能瞬间过时。

「1吉瓦」（1GW）级数据中心是近两年AI基础设施竞赛中频繁出现的概念，但其工程难度常被媒体报道所低估。1吉瓦等于10亿瓦，相当于一座中型火力发电厂的全部输出功率，约可供75万户普通家庭用电。传统超大型数据中心（如谷歌、亚马逊早期部署的）功率通常在100-400兆瓦量级，而吉瓦级意味着规模扩大了数倍乃至十倍。这带来的挑战不仅是土地和建筑，更涉及电网接入谈判（通常需要数年）、变电站建设、冷却水资源授权，以及当地消防和应急响应体系的全面升级。英伟达Blackwell和即将到来的Vera Rubin芯片对机架散热密度的要求已超出传统风冷上限，需要液冷甚至浸没式冷却基础设施，而这些技术在大规模工程落地层面仍处于早期阶段。建设周期动辄三到五年，与芯片迭代的两年周期之间存在根本性的错位。

OpenAI上市困局与经济连锁风险

针对OpenAI和Anthropic的上市计划，Zitron态度鲜明：这两家公司不应被允许上市。理由是它们"亏损严重且没有盈利路径"，据The Information报道，OpenAI的非GAAP利润率为负122%。他认为IPO本质是为风投提供"退出流动性"（exit liquidity），把风险转嫁给散户。

他还揭露了Anthropic"两个月盈利"的财务魔术——那恰好是马斯克通过SpaceX给予其算力折扣的时期。Zitron曾与《金融时报》合作核实OpenAI的审计财报，证实其亏损209亿美元，尽管有匿名信源试图将数字"洗"到80亿。

关于政府是否会出手救助，Zitron给出了否定答案："你可以救助OpenAI，但你救不了增长停滞的事实，救不了需求不存在的事实。"他将当前局面比作东印度公司——一个通过投机运动被赋予价值的庞大而空洞的存在，"它必须破裂，也终将破裂。"

「非GAAP利润率为负122%」这一数字需要一些背景才能完整理解其含义。GAAP（Generally Accepted Accounting Principles，通用会计准则）是美国上市公司必须遵循的财务报告标准，包含股权激励、折旧摊销等全部成本；非GAAP则是企业自行剔除若干「一次性」或「非现金」项目后的调整口径，通常用于向投资者呈现「运营层面」的盈利能力。负122%的非GAAP利润率意味着：即便在企业自选的最有利口径下，OpenAI每赚1美元收入，仍需净亏损1.22美元。换言之，其亏损规模已超过收入本身，且这还是剔除了部分成本之后的数字。相比之下，亚马逊在最艰难的扩张期非GAAP利润率也从未跌至如此深度。这一数据与OpenAI对外宣称的「年化收入突破百亿」形成强烈反差，说明营收增长与经济可行性之间存在巨大鸿沟。

AI建设如何推高电费与iPhone价格

最出人意料的是，Zitron将AI基础设施建设与消费者通胀直接挂钩。苹果近期以"内存芯片成本飙升"为由全线涨价，打破了消费电子价格逐年下降的规律。

Zitron解释其传导机制：数据中心中的GPU大量使用高带宽内存(HBM)，占用了晶圆厂本用于生产普通内存的产能；同时每个机架还消耗17-20TB的LPDDR5X移动内存——正是手机、平板所用的那种。加之全球90%内存由美光、三星、SK海力士三家垄断，它们借机随意抬价。

美联储在其6月会议中也承认："持续强劲的AI基础设施需求，可能会持续推高科技产品和电力价格。"Zitron认为，AI建设确实在推高电费和电子产品价格，但同时企业也在借"通胀"之名趁机加价，而缺乏反垄断监管让这一切畅通无阻。

高带宽内存（HBM，High Bandwidth Memory）是理解这一传导机制的关键技术概念。与普通DRAM不同，HBM通过将多层内存芯片垂直堆叠并以硅通孔（TSV）互联，再用2.5D封装技术与GPU并排集成在同一基板上，从而实现极高的数据传输带宽——单颗HBM3e可达1.2TB/s，是普通DDR5的十倍以上。这种性能使其成为训练大模型不可替代的组件，英伟达H100每颗GPU配备80GB HBM3，H200则升至141GB。问题在于HBM与LPDDR5X（手机内存）共享晶圆厂的同类制程产能（主要是SK海力士、三星、美光的先进DRAM产线）。当AI算力需求爆发式增长，晶圆厂将产能向利润更高的HBM倾斜，导致消费级内存供给收紧、价格上涨，最终体现在终端电子产品的售价中。这一供应链挤压效应已被多家市场研究机构证实，并非Zitron的独家推断。

结语：一场无人愿意承认的集体错误

Zitron将当前AI热潮的持久性归因于一个心理因素：一旦泡沫破裂，所有人都必须承认自己错了。ChatGPT在2022年那个经济低迷、元宇宙和加密货币先后崩塌的绝望时刻横空出世，成为了整个行业寄托希望的"救命稻草"。

"每个人都涌入这个赛道，期待它成为下一个startup平台、下一个消费产品、下一个基础设施。它之所以迟迟没有崩溃，是因为一旦崩溃，所有人都得承认自己搞错了。"

无论你是否认同Zitron的悲观判断，他提出的这些数据和结构性问题——循环融资、极端的客户集中度、贫瘠的投资回报、建不完的数据中心、以及向消费者传导的通胀——都值得整个行业和媒体认真审视，而非一味歌颂。