扫描下载APP
其它方式登录
文章分析硅基流动、九章云极、无问芯穹等AI基础设施公司布局Token服务的商业模式，指出其虽受益于国内Token日均消耗量激增（2026年6月达500万亿），但因算力成本高、定价权弱、大厂渠道挤压等原因，公有云/Serverless API业务普遍毛利率为负或极低，盈利仍依赖本地部署与智算基建项目。
Anthropic启动IPO路演，计划纳斯达克上市，股票代码ANT；2026年Q3收入达169.56亿美元，同比增12倍；算力与安全为路演核心主题，分别提及49次和27次；长期目标调整后经营利润率超35%；客户覆盖超30%全球2000强及超50%财富500强企业。
OpenAI第三季度营收达100亿美元，环比增长近50%、同比接近三倍，主要受益于企业级API与ChatGPT订阅生态扩张；但巨额算力投入导致负自由现金流持续扩大，2026–2030年预计累计达2780亿美元；公司计划2027年IPO，面临资本市场对其盈利路径与估值可持续性的严峻考验。
美股七姐妹（苹果、微软、英伟达、亚马逊、Alphabet、Meta、特斯拉）在AI浪潮中分化加剧：云厂商（微软、亚马逊、谷歌）虽营收高增长但因巨额资本开支致自由现金流为负，股价大跌；Meta广告模式面临增长天花板；特斯拉押注自动驾驶尚未盈利；苹果因低投入、高现金流成避风港。市场正从‘比谁投得多’转向‘算投入产出账’的理性阶段。
文章以Alphabet三季报引发股价暴跌为切入点，剖析AI产业高增长与负自由现金流并存的矛盾现象，揭示当前核心争议在于巨额资本开支能否转化为可持续终端收入。通过对比铁路、电信等历史基础设施泡沫，强调需关注增量资本回报率、真实客户付费意愿及循环融资风险，并指出中美在AI建设驱动力、考核机制和产业落地路径上的结构性差异，警示过度前置定价带来的估值风险。
文章探讨超智融合——即高性能计算（HPC）、人工智能算力（AI）与智能体（Agent）在统一平台上的协同演进，分析其成为下一代科研基础设施的必然性。重点阐述阿里云通过异构算力网络、高速数据传输（eRDMA/CPFS）和E-HPC智能体平台三层架构，支撑芯片设计、AI for Science（AI4S）与生命科学、具身智能三大行业场景，推动科研从人工驱动转向目标驱动、智能体自主执行。
文章分析常驻型AI智能体（如Claude Duet、Meta Muse）兴起对底层ICT基础设施的深刻影响，指出其推动CPU需求激增、存储架构升级（尤其KV Cache与微秒级时延要求）及网络流量结构逆转（上行占比大幅提升），使国内云厂商、服务器与存储企业率先受益，但长期价值取决于应用层商业模式能否可持续。
Anthropic上半年营收163亿美元，同比增近15倍，但账面净亏损达807亿美元，主因720亿美元为可转换票据公允价值变动产生的会计亏损；实际算力支出近90亿美元，已签署超6000亿美元长期云服务与芯片租赁协议，客户集中度高、地缘与监管风险加剧，招股书罕见强调AI失控及法律责任等极端风险。
亚马逊CTO Werner Vogels主张审慎发展AI，强调成本可控、人类最终决策、Agent必须设限，反对FOMO驱动的盲目投入；提出‘够好就够了’模型选择原则，将成本视为可持续性指标，并重视文化适配与开源透明。
Anthropic因营收增速显著放缓（从140%+降至45%）、客户支出增长乏力、大客户缩减使用、模型蒸馏收入下滑、巨额不可撤销算力支出（5180亿美元）及监管调查（FTC）和投资者施压（纽约市审计长要求暂缓IPO）等多重压力，IPO估值预期从2万亿美元下调至约1.5万亿美元，面临上市窗口收窄与估值泡沫破裂风险。
AI竞赛正从盲目扩大资本开支的‘烧钱阶段’转向注重投入产出比的‘算账阶段’，微软、Meta、阿里、腾讯、百度等大厂通过自研替代外部采购、优化推理成本、强化生态协同、分拆业务财务指标等方式提升单位经济效率，核心评价标准由总算力规模转变为ROIC、经营利润率和商业化路径清晰度。
在数据中心机房持续紧缺背景下，资本正转向审慎评估项目风险，更青睐已有运营收入、电力落实、接近完工的资产，而非依赖单一客户远期合约的在建项目；云厂商通过客户预付款、自带硬件等方式转移建设期资金压力，芯片商提供担保但覆盖有限，电力审批、融资成本与交付不确定性成为关键制约因素。
九章云极作为北京AI基础设施企业，向港交所递交上市申请，聚焦智算中心（AIDC）解决方案与智算云服务，2025年收入达10.98亿元，同比增长177.7%，三年复合增长率221.5%；虽仍处亏损阶段，但经调整净亏损持续收窄，毛利率回升至31.0%，位列国内智算服务商第九，是前十中唯一的‘智算新云’。
中国头部互联网大厂阿里、腾讯、字节虽账面现金充裕，却密集开展大规模外部融资——阿里配股800亿港元、腾讯发行长期债券、字节获296亿美元无抵押银团贷款，资金主要用于AI算力基础设施建设。背后动因是AI投入巨大且需提前卡位，数据中心、服务器集群等硬件投入周期长、金额高，而算力正从成本中心转向可变现的生产性资产，回本周期逐步清晰，融资实为抢占时间窗口、构建长期竞争壁垒。
微软CEO纳德拉提出AI战略核心不在争夺最强大模型，而在于构建企业可自主控制的‘驾驭层’——涵盖基础设施、中间件和控制体系，确保数据主权、模型互操作与安全可控；1750亿美元资本支出聚焦服务数千家长尾客户，推动多模型兼容、开源制衡及本地化价值兑现。
