AI算力高速越修越宽，路上为什么没多少车?

现在打开财经新闻， AI 永远是高频词。各地都在建算力中心，服务器、 GPU、光模块，订单排得很长，厂房扩容、电力配套上马，一笔笔巨额投资砸向 AI 上游，场面轰轰烈烈。

有意思的是，这股算力热潮，最先出现在美国。微软、谷歌、 Meta 为了支撑大模型训练，掀起一轮又一轮数据中心建设狂潮。巨大的资本开支带动整条硬件产业链景气，资本市场迅速形成共识 : 要做 AI，先堆算力。这套示范效应很快传导到全球。中国也开始大规模布局智算中心。

当然我们走出了不完全一样的路径 : 美国多是科技巨头自建巨型园区，我们还有“东数西算”的统筹布局，把算力往绿电充沛的西部调度，兼顾自主可控的长期目标。

这一幕，不由得让人想起当年山区大规模修建高速公路的往事。

逢山开隧、遇水架桥，路网四通八达，初衷是用基础设施拉动经济。可有些公路建好多年，车流稀疏，通行收入连养护、还本付息都难以覆盖。路可以几年之内轰轰烈烈建成，但人流、物流、产业流，不可能靠一纸规划凭空生成。

如今遍地开花的算力中心，隐隐有相似的影子。大家参照美国的样本，拼命加宽 AI 这条数字高速。可高速公路上真正的车流 -- 也就是能持续付费、能自洽盈利的 AI 应用，还处在萌芽阶段。

更麻烦的还不止“没车跑”。还有一种更让人头疼的可能性 : 将来就算车流真的多起来了，这条路也收不出过路费。

互联网发展的历史摆在眼前 : 很多数字服务一开始定价不菲，激烈竞争一轮轮打下来为了抢夺用户，最后走向免费或者近乎免费。网盘、云存储、很多基础 SaaS 工具，都走过这条路。

算力如果变成一种高度同质化的标准化商品，各个算力中心互相竞价内卷，为了填满机房空置的机架，哪怕电价、折旧摆在那里，也只能低价倾销，甚至用补贴的方式吸引客户。

到那个时候，车是不少了，可“过路费”被卷到极低。跑得多，不等于赚得多，巨大的前期固定资产折旧、巨额电费，摊下来很可能还是亏钱。现在不少 AI 应用不敢收费，一收费用户就大量流失，已经透出这种苗头。大家习惯了 AI 免费试用，对付费的心理门槛很高。

上游做硬件、做算力供给的，更像是淘金潮里的“卖铲人”。不管最后能不能淘出黄金凡是打算下场淘金的，都得先买铲子、买水、买装备。

任何一家做大模型、搞 AI 创业的公司，第一步就是采购服务器、租赁算力。于是不管下游应用能不能盈利，上游硬件厂商先拿到了实打实的订单。资本市场看到订单，就愿意继续加注，各地也愿意布局算力园区，一条投资链条就此转了起来。热闹是真热闹，投资规模也非常惊人。美国同样有经济学家提醒，算力扩张速度，已经隐隐有超过真实需求的迹象。

车流，也就是贴近真实需求的 AI 商业化应用，却还处在“试驾阶段”。

我们见过不少看上去很厉害的 AI 产品 : AI 一键生成 PPT， AI 画图片， AI 数字人直播， AI 批量生成短剧， AI 智能客服。新鲜劲十足，演示视频惊艳，可一旦从免费试用走向商业化，难题就来了。

很多企业试用 AI 客服，一开始觉得新奇，一段时间后发现，复杂问题还是要转人工，综合成本没有明显下降 ; AI 短剧产量暴涨，但获客广告费越卷越高，大量团队只能勉强维持，甚至亏本。 AI 绘图、 AI 办公工具，大多数用户停留在免费尝鲜，愿意长期续费付费的比例并不高。还有人形机器人这类硬件 AI，各种炫酷的行走、搬运视频刷屏，可大批量落地工厂、家庭的订单还遥遥无期。

不是 AI 没有价值，而是眼下大量 AI 解决的，是锦上添花的改善型需求，不是雪中送炭的刚性需求。

于是就出现了现在奇特的分层景象 : 资金政策、产能涌向遥远的上游基建，热火朝天 ; 离普通人更近的终端应用，还在反复试错，寻找可以跑通的商业模式。

当然，基建先行不一定是坏事。历史上电网、互联网宽带，都是先大规模铺设，再慢慢长出五花八门的商业生态。

AI 这条数字高速，有一个和实体公路不一样的致命隐患 : 实体高速好歹有政府定价保护通行费，算力市场是充分竞争的。不仅可能车少路闲，就算车水马龙，过度竞争也可能把收益压到成本线之下。

宽阔的公路已经铺开，但要等到车流真正川流不息，并且能产生合理回报，也许还要跨过一段不短的时间。