買晶片的錢轉了一圈回到英偉達：賬面上的營收：誰在買單

買晶片的錢轉了一圈回到英偉達：賬面上的營收，誰在買單

2026 年，四大科技巨頭加上其他玩家，資本開支約 7500 億美元，約四分之三投向 AI。這筆錢是花出去的，不是賺進來的。

可在上游的財報里，它變成了一筆筆漂亮的營收，其中一部分，還是賣晶片的公司自己投出去、又轉回來的錢。我們跟着這筆錢走一圈，一共六站：巨頭的錢包、晶片、機房、電、應用層，最後繞回英偉達。每一站我們只問一個問題：錢在這裡，會不會斷？

7500 億是支出，不是營收

英偉達的掌門人在 2026 年的財報會上表達過一個意思：算力就是收入。誰手裡算力多，誰就握着印鈔機。一家賣晶片的公司，市值一度衝上 5 兆美元，比世界上大多數國家一年的 GDP 還高。

這台印鈔機的燃料，來自巨頭的資本開支。資本開支，就是公司為了長期經營花在樓、設備、機器上的錢。2026 年，亞馬遜計劃花約 2000 億美元，谷歌母公司約 1800 到 1900 億美元，微軟約 1900 億美元，Meta 約 1250 到 1450 億美元。

四家合計 7000 億美元級，加上其他玩家約 7500 億美元。據估算，約四分之三直接投向 AI。

巨頭買晶片蓋機房，買晶片的錢就是英偉達的營收。所以我們的判斷是：上游的繁榮，是中游的巨頭一口一口餵出來的。一旦餵食的手放慢，上游的數字也會跟着變。

錢永遠流向最稀缺、最不可替代的環節。

這句話是讀懂整條鏈的鑰匙。卡住別人的一方，可以坐着收錢；被卡住的一方，就丟了議價權。

先把全文的主線擺出來。這一圈裡，每一站都是錢付得快、回得慢。晶片三四年就過時，機房卻要按多年折舊。樓兩年能建好，電網要等 4 到 10 年。模型公司一年收入只有百億美元級，背着的多年期承諾卻大一個數量級以上。

所以檢驗標準只有一個：應用層有沒有從按人頭收費轉到按用量收費，有沒有賺到真錢。需求是真的，這個圈就是協同；需求是假的，它就是加速崩潰的槓桿。下面每一站，我們都看兩件事：錢有沒有卡在這裡，以及錢會不會在這裡斷掉。

晶片這站，錢在排隊

在晶片這一站，錢不會斷，錢在排隊。

很多人以為卡脖子的是晶片設計。其實，造晶片的設備需要幾十年的技術積累。舉個例子：光刻機里的一面鏡子，如果放大到德國國土那麼大，表面最高的凸起也不超過 1 毫米。這樣的精度，有錢也買不來第二家。

設備之後是製造。英偉達、AMD 和各大廠自研的晶片，絕大多數要送到台積電的產線上生產。單顆晶片的製程已經逼近物理極限，行業只能換一條路提升性能。

真正的卡點在封裝和內存。先進封裝，就是把幾顆晶片和內存像搭積木一樣緊緊拼在一起，讓數據少跑路。高帶寬內存，就是給晶片配的高速糧倉，糧倉跟不上，晶片再強也只能空轉。2026 年，這兩樣產能一直繃得很緊：先進封裝緊到限制客戶的增長，儲存廠 2027 年的產量大半已被提前鎖定。全球 AI 算力一年能增加多少，就被這兩道工序卡死了。

英偉達想賣多少晶片，不由它說了算。

需求仍然很猛。英偉達的數據中心業務，最近單季收入已近 900 億美元，年增率增速超過 100%。它的護城河不只是晶片快，更是全球工程師十幾年攢在它軟體生態上的代碼和習慣。別家就算做出更強或更便宜的晶片，客戶換生態的成本也極高。

但客戶也在找退路。第一條退路是 AMD。哪怕它弱一點，只要它存在，客戶在談判桌上就更有底氣。第二條退路是定製晶片：巨頭請博通替自己設計專用晶片，博通把這塊業務的目標定在千億美元規模。

我們的判斷是，晶片這站最大的變數，藏在大廠自研晶片這條線上。這是大廠對英偉達的一次集體越獄。錢還在排隊，但排隊的人已經開始另找出口。

機房這站，錢在變舊

7500 億美元不是一次性花完就結束的費用。在會計上，它會變成要逐年折舊的資產。

折舊，就是把一次買設備的錢，攤到之後幾年的成本里。花 2000 億美元買的設備，接下來幾年會一點一點吃掉利潤。

今天砸得越猛，未來幾年的折舊越重。

更麻煩的是速度。AI 晶片換代極快，三四年前的旗艦晶片，今天已經沒人要了。這意味著設備真實貶值的速度，可能比賬面折舊還快。

這是時間錯配的第一處：錢付得快，價值掉得也快，收入卻回得慢。一台機器還沒回本，下一代晶片已經上市，客戶自然更願意租新的。所以市場關注的問題已經變了。過去問的是今年花了多少錢，現在問的是這些錢有沒有變成能覆蓋折舊的真實收入。

如果有一天大家發現，錢花了，樓蓋了，機房卻租不出去、收不回成本，那麼這一站的壓力會直接傳到巨頭的財報上。

這一站還有另一類玩家：專門建機房的數據中心地產商。它們只負責蓋樓、接網、接電，再把機位租給別人放服務器，靠收租過日子。巨頭自建自用，地產商對外出租，兩種模式都要面對同一個問題：租金能不能跑贏折舊。

我們的判斷是，機房這站的錢不會突然斷，但會在賬上慢慢變舊。

電這站，錢在等電網

如果說晶片在排隊，那電就是在等。

一座大型 AI 數據中心滿負荷運轉，耗電相當於一座小城市。美國數據中心用電約占全國總用電的 6%。行業預測，到 2035 年可能升到 20%，也就是每 5 度電就有 1 度餵給機房。用得多還不是最致命的，致命的是時間差。

建一座數據中心約需 2 年。配齊電網、變電站和輸電線，可能要 4 年，甚至 10 年。於是出現了荒唐的一幕：嶄新的機房裝滿了晶片，卻因為電不夠只能閒着。

這是時間錯配的第二處：樓建得快，電接得慢。

機房要的也不是便宜電，而是穩定電。風電和光伏靠天吃飯，沒風沒光就停。可訓練大模型時斷一次電，可能造成數百萬美元的損失。所以全天候穩定供應的基荷電力最值錢，核電最有優勢。

美國最大的核電營運商之一，已經和科技巨頭簽下長期供電協議，甚至計劃重啟關閉的老核電站，專門給 AI 機房供電。更激進的做法叫表後供電：把機房直接建在電廠旁邊，電不經過公共電網，隔牆直送。這是被電網審批太慢逼出來的辦法。

電之外還有熱。幾萬顆晶片擠在一起，普通風扇壓不住，必須上液冷。液冷、供電和溫控設備，是這條鏈上最不起眼、卻最本質的一環。

聰明的觀察者，會把目光從晶片移向電和散熱。

但這一站也有它的斷點。部分電力股過去三年漲了三倍多，整個邏輯建立在一個假設上：AI 資本開支永遠增長。我們的判斷是，一旦開支放緩，這一站會最先承壓。電是真瓶頸，但瓶頸不等於不會斷。

收費這站，錢才算回來

前面幾站都在花錢，只有應用層是真正收錢的地方。如果 AI 在這裡賺不到真錢，前面的繁榮就是沙子上的城堡。

這一站的分水嶺，是收費方式。傳統軟體按人頭收費：公司有 100 個員工，就買 100 個賬號，按年付錢。可如果 AI 智能體能替掉員工，公司為什麼還要買那麼多賬號？市場一度擔心，AI 會成為傳統軟體公司的掘墓人。

解法是改成按用量收費：AI 智能體處理了多少任務、被調用了多少次，就收多少錢。這樣，企業用 AI 越重，軟體公司賺得越多。我們的判斷是，按人頭收費會被 AI 吃掉，按用量收費會被 AI 放大。

有公司已經跳過去了。Palantir 用二十多年做出了企業的數字孿生，讓 AI 看懂每台機器、每個訂單、每個員工。2026 年第二季，它的單季營收接近 20 億美元，年增率增長九成以上。Salesforce 的智能體平台專做銷售和客服自動化，按用量收費，最新年度經常性收入超過 15 億美元，年增率增長 200% 以上。ServiceNow 走得更遠，它想當總包商，幫企業統一調度、管控和審計來自不同廠商的 AI 智能體。

也有公司沒跳過去。C3.ai 曾被寄予厚望，但遲遲拿不出變現數據，也沒有完成收費方式的轉型，估值大幅縮水。只講故事、只講概念，在這一站行不通。

判斷一家應用公司有沒有真本事，不看宣傳片，只看一個指標：它是不是因為 AI 真的多收到了錢。有機構預計，全球 AI 軟體市場將從 2025 年的約 2900 億美元，增長到 2026 年的約 3860 億美元。但我們的判斷是，錢會越來越集中到少數完成轉型的公司手裡。

好公司和值得買的價格，是兩回事。

還有一層要說清：最核心的大模型公司，大多沒有上市，價值鎖在私募市場裡。散戶在二級市場買到的，是和大腦沾邊的公司，不是大腦本身。

錢繞回了英偉達

原本，錢是單向流動的：巨頭花錢，買英偉達的晶片，英偉達賺錢。2026 年，這條單向鏈條被一段一段焊成了閉環。

我們只擺事實。英偉達先是宣布計劃向 OpenAI 投資最多 1000 億美元，後來實際落地的是約 300 億美元的股權投資；OpenAI 隨即簽下大額的雲和晶片採購合約，這筆錢最終流回英偉達的晶片。英偉達還持有 OpenAI、Anthropic 等頂級模型公司的股權，加起來約 400 億美元。

英偉達把錢投給客戶，客戶再拿這筆錢回頭買英偉達的晶片，最後變成財報上亮眼的營收。這種模式叫循環融資。

2000 年網路泡沫破裂前，電信設備商朗訊、北電做過同樣的事。它們放貸給客戶，客戶用這筆貸款買它們的設備。賬面營收飆升，直到客戶破產還不上錢，銷售收入變成壞帳，整條鏈條從頭斷到尾，很多巨頭再也沒有恢復。

但這種繁榮是借來的。

今天的規模有多大？有分析估算，2026 年這類相互交織的循環安排，規模可能超過 8000 億美元。

另一組數字看的是收入。有機構測算，到 2030 年，整個 AI 生態每年需要約 2 兆美元的真實收入，才撐得起現在的投入；按目前的軌跡，收入缺口最高可達 8000 億美元。前一個 8000 億是循環安排的規模，後一個是收入缺口，兩者不是一回事。

再看 OpenAI。它一年的收入以百億美元計，聽起來不少。但它背上多年期的算力採購承諾，比一年收入大一個數量級以上，而且現在還在大額虧損。一邊是一年的收入，一邊是多年的承諾，中間是一道很深的溝。這道溝要靠未來的收入來填，而未來的收入，正是這一圈裡最不確定的部分。

還有一個更底層的懸念。巨頭敢這樣花錢，是相信規模法則：算力越多、數據越多、模型越大，AI 就越聰明。這條法則還沒被證偽，但也沒人能證明它永遠有效。一旦越燒越聰明失效，整個估值體系都要重新定價。

看空的人說，錢在小圈子裡空轉，互相把營收吹成氣球。只要一環斷裂，比如 OpenAI 還不上錢，或某個巨頭大砍開支，氣球就會破。太多公司的業績都押在數據中心會一直建下去這個假設上，一榮俱榮，一損俱損，最後是連環承壓。

看多的人說，這次和 2000 年不同。這類交易占英偉達年營收的比例有限，不足以拖垮整體。7500 億美元買的是真晶片、真機房、真電力。有機構測算，生成式 AI 全面落地後，每年能帶來相當於銀行年收入 2.8% 到 4.7% 的價值提升。

而且 2026 年出現了一個信號：推理需求首次超過訓練需求。推理，就是你我每次真正使用 AI 產生的調用。這說明 AI 正從實驗室走向大規模真實使用。

我們的判斷是，兩邊的證據都是真的，閉環本身不是原罪，問題出在時間：每一站都是錢付得快、回得慢。

盯住收銀台

所有站點最後都指向同一個地方：收銀台。從沙子到算力，從機房到電，從模型到應用，再到把所有錢串起來的那個圈，我們用三句話收束。

第一，閉環是放大器，不是發動機。需求是真的，這個圈就是精妙的產業協同；需求是假的，它就是加速崩潰的槓桿。所以真正要盯的，始終是最底層的應用層：有沒有從按人頭收費轉到按用量收費，有沒有賺到真錢，有沒有越來越多的人和企業離不開它。

循環融資只是放大器，不是發動機。

第二，越靠上游，越確定，也越擁擠、越貴；越靠下游，彈性越大，也越容易被證偽。上游已經被定在很高的位置。下游可能漲十倍，也可能一個季度不及預期就腰斬。想清楚自己願意承擔哪一種風險，比追逐哪一種故事更重要。

便宜、確定、高爆發，不可兼得。

第三，警惕敘事，追蹤現金流。看一家 AI 公司，先問三個最難堪的問題：營收增長是否真實健康；增長能否持續，還是靠一次性的關聯交易撐着；現在的估值，是否已經透支了未來十年的完美預期。

還要盯住那些建數據中心的公司，看它們的債務有沒有在膨脹。歷史一再證明，泡沫往往先在資產負債表的債務端破裂，而不是收入端。

我們的判斷是：這一圈錢會不會斷，不取決於英偉達賣了多少晶片，而取決於收銀台上有沒有越來越多真實的錢。

在這個瘋狂的時代，理解本身就是一種保護。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。