引言：一个连环追问的起点
这是一个环环相扣的问题链条：从存储为什么涨价，到AI泡沫何时破裂，再到这轮AI最终会飞到哪里。一位观察者给出了明确的论断：2026年，最迟2027年，就见分晓。
本文试图拆解这一逻辑链条，并用历史上的技术周期（互联网泡沫、移动互联网）作为参照，验证这一判断的合理性。同时，我们也会深入探讨AI浪潮中的几个关键角色——云服务商、芯片公司、模型层和应用层——各自的处境与命运。
一、逻辑链条：从存储涨价到AI终点
整个推理路径可以这样串联：
存储涨价（HBM缺货） ↓ AI服务器成本上升（GPU+HBM占整机60-70%） ↓ 云服务首次涨价（Google/AWS已悄悄行动） ↓ AI应用成本转嫁给客户（API涨价或订阅涨价） ↓ 客户ROI算不过来账 → 需求放缓 ↓ 泡沫破裂？还是良性调整？核心洞察：云服务涨价是一个“大信号”——它意味着AI算力从“便宜的 commodity”变成了“昂贵的 scarcity”。当成本持续转嫁给下游，最终客户会开始算一笔账：我用AI到底省了多少钱、赚了多少钱？
二、为什么是2026-2027年？
这个时间点非常精准，背后有清晰的产业节奏支撑：
| 时间 | 会发生什么 | 为什么关键 |
|---|---|---|
| 2025年底 | HBM产能释放（三星、海力士新厂投产） | 存储涨价的供给端原因消失 |
| 2026年 | 云厂商涨价效果显现，客户开始续约决策 | 需求端是否“扛得住”第一波验证 |
| 2027年 | 上一轮AI投资（2023-2025年）的ROI计算完成 | 资本是否继续砸钱的决定时刻 |
隐含假设：2023-2025年是AI的“投资期”（只问投入，不问回报），2026-2027年必然进入“回报验证期”。这是所有技术周期的铁律。
三、历史参照：两个技术周期的启示
3.1 互联网泡沫周期（1995-2001）
投资期（1995-2000年）：
- 纳斯达克从约1000点涨至5000点（涨5倍）
- 风险投资总额从约80亿美元飙升至约1000亿美元
- 典型估值逻辑：不看收入，只看“眼球”/点击量
- 流行语：“我们每年亏损1亿美元，但我们是一家互联网公司”——投资人真信
破裂期（2000年3月-2001年）：
- 纳斯达克从5048点跌至约1200点，跌幅76%
- 亚马逊股价跌94%（从$106到$6）
- 2001年约500家互联网公司倒闭
- 活下来的：亚马逊、谷歌、eBay、Priceline
破裂原因：ROI算不过来账、烧钱速度失控、美联储加息收紧流动性。
3.2 移动互联网周期（2007-2013）
投资期（2007-2010年）：
- iPhone销量从140万部（2007年）增长到4000万部（2010年）
- App Store应用数从500个（2008年）增长到25万个（2010年）
洗牌期（2011-2013年）：
- Facebook IPO破发，股价跌50%
- 大量低质量应用公司倒闭
- 活下来的：Uber、Instagram、Snapchat、字节跳动
与互联网泡沫的关键区别：移动互联网有真实的设备销量和用户增长曲线，不是纯概念。因此是“洗牌”而非“破裂”。
3.3 两个周期的对比总结
| 维度 | 互联网泡沫（1995-2001） | 移动互联网（2007-2013） | AI周期（2022-2027？） |
|---|---|---|---|
| 投资时长 | 5年 | 3-4年 | 约3年（2022年底起） |
| 泡沫破裂 | ✅ 严重破裂（-76%） | ❌ 洗牌，非破裂 | ？ |
| 破裂/洗牌时间点 | 2000-2001年 | 2012-2013年 | 2026-2027年 |
结论：你的“2026-2027见分晓”完全符合历史规律。互联网是5年投资→1年破裂，移动互联网是3-4年投资→2年洗牌，AI是3年投资→1-2年洗牌。
四、AI周期可能的三种结局
| 结局 | 概率 | 条件 |
|---|---|---|
| 类似移动互联网的洗牌 | 60% | AI有真实用户、真实收入、ROI逐步好转；2026-2027年不是崩盘，而是行业整合 |
| 类似互联网泡沫的破裂 | 30% | 云服务持续涨价、客户ROI为负、资本撤退；2026-2027年纳斯达克跌50%+ |
| 持续增长，没有洗牌 | 10% | AI成为第四次工业革命，需求持续超过供给（概率低，历史无先例） |
“见分晓”的具体含义：不是末日，是清算。谁会裸泳？那些依赖“免费算力+不计成本”的应用会死。谁会赚钱？云厂商（涨价）、芯片厂（稀缺）、高效应用（ROI为正）。
五、ROI怎么算？——三种客户的账本
5.1 云厂商（采购GPU建数据中心）
算账公式：ROI = (GPU出租收入 - 电费 - 运维 - 折旧) / GPU采购成本
以H100为例的拆解：
- 采购成本：约$30,000/卡
- 使用寿命：3年（之后性能落后）
- 出租收入：$2-4/小时（按需实例）
- 利用率：50-70%
单卡3年总收入（按$3/小时、60%利用率）：约$47,304
减去成本：$47,304 - 运维成本（约$15,000） - 采购成本（$30,000）≈$2,304利润
结论：H100的ROI极薄。利用率低于50%、电价上涨、或下一代芯片推出太快导致上一代加速贬值，都可能亏本。
危险信号：GPU闲置率上升、下一代芯片推出太快、云厂商打价格战。
5.2 AI应用公司（调用API做产品）
以AI代码助手为例：
- 每月用户付费：$20/人
- 每用户每月API成本：$5-10
- 毛利率：50-75%
- 获客成本（CAC）：$100-200
- 用户生命周期（LTV）：12-24个月
危险信号：
- API成本波动：如果OpenAI涨价20%，毛利率从60%骤降到40%
- 用户算账更精明：如果省的时间价值 < $20/月，用户会流失
- 模型同质化：竞品用更便宜的API，定价压力巨大
5.3 企业客户（内部部署AI提升效率）
以AI客服替代人工为例：
- 人工客服年薪：$40,000/人
- 替代比例：30%（仍需人工处理复杂问题）
- 每年节省：$12,000/人 × 100人 = $1.2M
- AI软件年费：$200,000
- 实施+集成成本：$100,000（一次性）
- ROI：第一年约3倍
危险信号：
- 替代比例被高估（实际可能只有10%）
- 隐性成本巨大：数据清洗、模型微调、持续运维、AI输出错误风险
- ROI计算周期过长：如果企业要求6个月回本，AI项目可能被砍
六、危险的“三体问题”：巨额投入但没有盈利
判断标准不是“是否盈利”，而是“盈利路径是否清晰”。
| 公司 | 投入巨大 | 是否盈利 | 危险程度 | 原因 |
|---|---|---|---|---|
| OpenAI | 是（百亿级） | 否 | ⚠️ 中等 | 收入增长快（年化~$3.4B），路径清晰 |
| Anthropic | 是（数十亿） | 否 | ⚠️ 中等 | 收入增长快，To B稳健 |
| Inflection | 是（数十亿） | 否 | 🔴 高 | 产品没找到PMF，被“收购式解散” |
| Stability AI | 是（数亿） | 否 | 🔴 很高 | 开源模型被Llama碾压，商业化失败 |
关键问题：收入增速是否跑赢成本增速？是否有清晰的盈利时间表？是否有战略价值支撑持续烧钱？
七、Token：AI世界的“通用能源”
7.1 为什么是Token？
一个奇妙的标准化过程正在发生。无论底层用的是：
- 什么硬件：NVIDIA B200、AMD MI350、华为昇腾、寒武纪690
- 什么软件：CUDA、Triton、Python、JAX
- 什么模型：Qwen、Gemini、DeepSeek、Sora
输入的是Token，输出的是Token。用户可以按Token付费。
Token屏蔽了底层所有的硬件、软件、模型架构差异，在“语义空间”里建立了一个统一的度量衡。就像用千瓦时（kWh）计量电能，不管这电是火电、水电还是核电发出来的。
7.2 Token标准化的三层含义
对用户：按Token付费，极其公平和灵活。用多少付多少，不用为闲置资源买单。
对应用开发者：Token既是成本（调用API），也是收入（向客户收费）。“Token效率”——每解决一个任务消耗多少Token——会成为应用层的核心竞争力。
对模型/云厂商：Token是他们的“产品”和“货币”。核心竞争力变成“每Token成本”和“每Token质量”。
7.3 “Token和Token还是不同的”
当前现状：价格表差异巨大。GPT-4的Token比LLaMA 3的Token贵得多，因为大家认为GPT-4的Token“质量更高”。
长期趋势：随着模型能力普遍增强，差距会缩小。竞争会从“绝对质量”转向“每美元Token的性价比”和“特定领域的性能”。
八、NeoCloud现象：为什么Oracle和CoreWeave能重新上桌？
8.1 传统云服务的“超卖”模式
什么是超卖？把同一份物理资源卖给多个不同的用户，赌的是他们不会同时用满。
类比航空公司卖票：一架200座的飞机敢卖210张票，因为总有约5%的乘客会误机。赌赢了多赚钱，赌输了赔钱改签。
云端CPU的超卖，逻辑一模一样。通过虚拟化技术，1个物理核心可以伪装成10个“虚拟核心”卖给10个客户。只要他们不是同时跑到100%，大家就觉得“挺快的”。
超卖的技术门槛极高：
- 精准预测：一个物理核心能安全地超卖多少倍
- 实时调度：当多人突然需要算力时，能瞬间调度
- 隔离技术：让客户A完全感觉不到客户B的存在
AWS、Azure、Google Cloud花了十几年、几百亿美元，才把这套技术打磨到极致。小云厂商根本玩不起。
8.2 AI训练为什么难以超卖？
CPU场景：Web服务器95%的时间在“等请求”，有空闲可被超卖。
GPU训练场景：一块H100被用来训练大模型，在接下来的几个小时甚至几天里，100%占满，一刻不停地进行矩阵乘法。没有空闲时间，就没有超卖的空间。
结论：卖AI算力，回到了“卖硬件”的旧模式——买到卡、插上电、连上网、租给客户。核心竞争力不再是“超卖技术”，而是“你能不能搞到卡”。
8.3 为什么Oracle能杀出来？
- 有资本，敢下注：拉里·埃里森选择把回购分红的钱省下来，疯狂扫货NVIDIA GPU
- 有存量客户：全球大公司都在用Oracle数据库，数据就在Oracle的“墙内”，把AI算力部署在数据旁边是一个极有说服力的故事
- 有网络和硬件积累：搭建万卡集群需要极致的低延迟网络和并行文件系统
核心差异：AWS的成功靠按秒计费、无数小功能、丰富生态；Oracle的成功靠“我有你们现在最缺的东西——GPU”。
8.4 CoreWeave：更极致的“新物种”
- 出身：加密货币挖矿公司。挖矿和AI训练对算力的需求非常相似
- 技术：非常懂怎么把成千上万张GPU用高速网络连接起来
- 金融化运作：拿着NVIDIA订单合同找华尔街融资，告诉投资人“我已经把未来几年的H100都卖出去了”
核心差异：CoreWeave不卖虚拟机，只卖“算力容器”或“裸金属GPU”，放弃灵活性，换来极致的AI性能。
8.5 NeoCloud未来会怎样？
风险1：GPU不再稀缺。当H100不再是紧俏货，竞争会回到价格和软件生态上，那时AWS/Azure的“规模效应+全套软件”优势会重新显现。
风险2：客户做大后自建。创业公司一旦融到钱、模型成熟，很可能会自己去租数据中心、买卡。
风险3：资本成本。买GPU是极度烧钱的游戏。一旦AI投资热度下降或利率维持高位，高杠杆模式会很危险。
一句话总结：Oracle和CoreWeave的成功，不是在AWS的规则下赢了它，而是用AI时代的规则重新开了一局游戏。
九、高通：规模优势与苹果分手的阴影
9.1 真正的底牌：规模
高通在CPU和NPU上的技术优势被形容为“牵强”——不是因为不强，而是在绝对峰值上未必领先竞争对手。但高通有一个无人能及的护城河：规模。
- 客户规模：三星、小米、OPPO、vivo、荣耀、索尼、谷歌Pixel……全球除苹果外的几乎所有安卓手机厂商
- 产品规模：手机SoC、射频前端、Wi-Fi/蓝牙模组、车规级芯片、物联网芯片
- 供应链规模：与台积电、三星晶圆厂的长期大单，保证产能和成本优势
- 生态规模：全球数百万开发者基于高通芯片开发应用——这不是技术壁垒，是时间壁垒
“We can do things at scale”的真正含义：只有高通能同时满足三星、小米、OPPO、vivo几大客户对旗舰芯片的年度需求，并提供全球技术支持。
9.2 高通的AI叙事
高通不讲“最强的AI芯片”，讲“最普及的AI芯片”。当AI从云端走向终端（on-device AI）时，高通的芯片已经在那里了。
- AI手机：骁龙8 Gen 3的NPU算力已经可以跑Stable Diffusion、Llama 2
- AI PC：骁龙X Elite系列面向Windows on ARM
- 智能汽车：Snapdragon Ride做自动驾驶/座舱芯片
一针见血：NVIDIA赢在深度（单点性能极致），高通想赢在广度（覆盖所有终端）。
9.3 苹果分手的阴影
阴影是什么？不仅仅是失去苹果基带芯片订单（每年约60-80亿美元），而是可能导致整个专利授权体系被撬动（苹果每年还交约20-30亿美元专利费）。
为什么前途不明朗？失去每年约100亿美元的收入（占高通总营收20-27%），高通暂时找不到同等体量的替代者。汽车业务2023年约15亿美元，AI PC刚起步，物联网碎片化毛利低——短期补不上缺口。
但也不用太悲观：
- 苹果自研基带可能延期或失败（5G基带的全球运营商认证极难）
- 专利授权协议签到了2027年，短期稳定
- 安卓高端市场仍是“压舱石”（每年约150-200亿美元）
时间窗口：
- 现在-2026年：相对稳定
- 2026-2027年：开始切换，收入下滑
- 2028年以后：要么找到新增长曲线，要么沦为“安卓芯片公司”
十、OpenRouter与“Token商店”生意
10.1 OpenRouter的商业模式
OpenRouter的本质不是拥有算力，而是聚合和分发各大模型厂商的API。它是一个“AI机票代理”，不拥有飞机，只是把不同航空公司的机票放在一起卖。
- 成本：向上游支付Token费用
- 收入：向下游收取Token费用
- 毛利：中间的差价，极窄
10.2 为什么利润微薄？
- 上游定价权极强：OpenAI、Anthropic给大客户的API价格几乎是透明的
- 下游价格敏感：开发者会对比“官方直营店”和“OpenRouter超市”的价格
- 竞争激烈：几乎没有门槛
10.3 为什么还有人用？
不是因为它便宜，而是因为它提供了整合价值：
- 统一接口：不用对接各家不断变化的API
- 自动路由与降级：可设置“优先用GPT-4，挂了自动切到Claude”
- 单一计费与密钥管理：不用管理一堆云厂商账户
- 模型发现与实验：方便尝试新出的、小众的模型
一句话：OpenRouter卖的不是“更便宜的Token”，而是“集成的便利性和业务的鲁棒性”。
10.4 “闲置算力卖Token”为什么难？
一个自然的问题是：如果把闲置的智算中心上电，搞一个类似的Token商店，能行吗？这里有三大天堑：
坑一：你卖的不是标准化商品。OpenRouter聚合的是API，背后是已经优化好的服务。让一个模型在你闲置的卡上跑起来并对外提供稳定、低延迟的API服务，中间有巨大的工程鸿沟。
坑二：解决不了“冷启动”问题。没有大厂品牌背书，没有爆款模型，没有开发者生态。最关键的是，算力是“闲置资源”，随时可能被收回——没有开发者愿意把自己的应用建在“可能随时消失的算力池”上。
坑三：面临的不只是价格战。竞争对手不是OpenRouter，而是云大厂的“Spot实例”或Together.ai这类专门做“长尾模型托管”的平台。
结语：2026-2027，算总账的时刻
回到最初的论断：2026年，最迟2027年，就见分晓。
这个时间点的精准之处在于，它对应着三个关键转折：
- HBM产能释放，存储涨价的供给端原因消失
- 云厂商涨价效果显现，客户开始续约决策
- 上一轮AI投资的ROI计算完成
“见分晓”的具体内容是：哪些公司有真实盈利能力（类似2000年后的亚马逊、谷歌），哪些只是烧钱的画饼公司（类似2000年后的Pets.com）。
AI不会消失。就像互联网没消失一样，只会变得更务实。2026-2027年不是末日，是清算。
本文内容整理自相关技术讨论与问答记录，仅作为个人学习笔记存档。
