AI投资规模与驱动力 - 2025年美国AI相关支出年化规模约3000亿美元，三个月年化增速较2022年平均值增加2770亿美元[2] - AI投资受技术和宏观经济双重驱动，技术层面AI可提升劳动生产力15%，企业应用后生产力平均提升25%-30%[3] - 计算需求高速增长，大型语言模型训练所需计算力年增400%，训练查询需求年增350%，前沿AI模型数量年增125%[7] - 宏观经济层面，美国近12个月AI投资占GDP不足1%，低于历史上基础设施投资占GDP 2%-5%及ICT投资占GDP 1.5%-2%的水平[7] - AI生产力提升带来的资本收入现值基线为8万亿美元，区间在5万亿至19万亿美元，远超当前投资规模[8] AI投资可持续性与竞争格局 - 目前不足10%的企业将AI用于常规生产，处于逐步渗透阶段[6] - 企业若购买现成AI应用、由一线经理主导项目并使用集成工具可获得显著价值[6] - 历史经验显示技术基建周期中先发者表现不一，当前AI市场应用层竞争激烈，基础模型层和数据中心层竞争适度，半导体层由Nvidia和TSMC主导[10] - AI技术迭代快削弱先发优势，企业多用模型降低切换成本，AI硬件折旧率高达18%，增加企业长期胜出的不确定性[10] - 企业持续投资AI的动力在于获取先发超额收入及通过计算能力投入追求AGI实现的极高利润[11] 工业富联投资价值 - 公司在AI服务器赛道凭借规模、全球覆盖和供应链关键地位优势，市场份额不断提升[12] - 高盛预测2025年至2027年净利润年复合增长率达45%，远高于2022年至2024年的8%[15] - 2026年每股收益上调8%至2.84元，目标市盈率微调至29.5倍；2026年收入预测1.47万亿元上调3%，净利润564.32亿元上调8%；2027年收入预测1.96万亿元上调10%，净利润707.25亿元上调7%[15] - AI服务器技术快速迭代需要稳定供应链，公司技术研发和产品交付能力支撑市场份额可持续性，客户覆盖中美头部云服务提供商，产品包括GPU和ASIC服务器[16] - 传统智能手机零部件业务受益于折叠屏手机需求增长，公司技术实力保障交付优势[16] AI电力需求挑战与机遇 - 预计到2030年全球数据中心电力需求较2023年增长175%，相当于新增一个全球前十大电力消费国，美国数据中心电力需求占比将从2023年4%升至11%[21] - 驱动因素包括AI普及性、计算生产力提升（如NVIDIA服务器算力提升15倍功耗仅增2倍）、电力价格（绿色可靠性溢价约40美元/兆瓦时对超大规模企业EBITDA影响仅2%-3.5%）、政策、部件可用性和人力可用性[22][23][24][25] - 美国到2030年需新增82吉瓦容量满足需求，其中51%为天然气调峰电厂，27%为太阳能；全球电网投资预计达7900亿美元，67%用于输配电升级[25][26] - 数据中心碳排放到2030年将增加2.15亿至2.2亿吨，占全球能源排放0.6%[26] - 投资机会集中于保障电力水资源可靠性、满足新增电力需求和提升效率三个方向[26] SST技术优势 - SST技术较传统交流UPS方案和直流240V电源方案可节省约50%占地面积，安装周期缩短75%[28] - 以中国移动万卡集群为例，服务器电源面积占比达40%-45%，大型数据中心如Meta项目占地达2250英亩[27] - 英伟达GB200功耗达2700W，传统电源系统存在空间限制，SST方案可优化空间利用[28]

AI行业投资规模与估值 - 全球十家尚未盈利的AI初创公司在过去12个月内估值合计暴增近1万亿美元，创下史上最快的财富膨胀速度[1] - 美国风险投资机构在AI领域的投入在2025年将超过2000亿美元，远超2021年SaaS泡沫期的1350亿美元，也大幅超过2000年互联网泡沫顶峰时约105亿美元（经通胀调整后约200亿美元）的投入规模[2] - 这十家AI初创企业在2025年共同吸引了超过2000亿美元的风险投资，占美国VC全年投资总额的三分之二[1] AI初创公司现状与市场特征 - 被提及的十家AI初创企业包括OpenAI、Anthropic、xAI、Perplexity等，它们几乎全部处于亏损状态[1] - 市场出现估值严重脱离基本面的现象，例如一家年收入仅500万美元的AI公司估值高达5亿美元，达到收入的100倍，而在零利率时代此类公司估值仅为2.5亿至3亿美元[2] - 投资逻辑呈现"押宝式"特征，背后是普遍的FOMO（害怕错过）情绪，市场参与者普遍假设自己投中的是下一个OpenAI[2] 行业格局与竞争态势 - 行业预期呈现"赢者通吃"的格局，最终可能只有极少数公司胜出，类比互联网时代谷歌和Meta几乎垄断市场的情况，本轮胜出者数量可能在15家左右[3] - 尽管OpenAI年化收入已达130亿美元，但与微软、谷歌的激烈竞争使其仍深陷烧钱大战，训练下一代模型的成本正以指数级上升，盈利时间表模糊[4] - 有观点认为，或许有1万亿美元的AI投资会被浪费，但最终AI会创造10倍的价值，科技创新的方式一直是大量投入资金进行试错[3] 市场影响与潜在风险 - AI私营企业的估值波动正开始影响公开市场，AMD、英伟达、博通和甲骨文等科技巨头因与OpenAI等公司的合作，其市值在过去几周内暴涨了数千亿美元[3] - 若这些AI初创公司出现资金链吃紧的情况，可能产生连锁反应并拖累整个科技股板块[3] - 当前资本狂欢带有估值严重脱离盈利、故事先于事实的特征，市场普遍相信未来只属于少数"AI黑洞公司"[5] 投资逻辑与长期前景 - 部分风险投资界人士认为当前的泡沫是好事，它能让资本和人才聚集在新趋势上，虽然会带来混乱，但也孕育改变世界的公司[2] - 投资人押注的不仅是模型的算力，更是实现通用人工智能（AGI）的潜力，如果能实现AGI，当前的投入都值得，否则就全都不值[4] - AI被描述为一种能给各种应用"多加一个零"的技术，显示出市场对其颠覆性潜力的高度期待[2]

公司概况与战略定位 - 公司由Eiso Kant和曾任GitHub高管的Jason Warner于2023年初创立，在巴黎和美国设有办事处[2] - 核心目标是开发能自动生成代码且准确性和安全性达到政府使用标准的软件[3] - 计划构建通用人工智能（AGI），即能在多项任务中超越人类能力的综合计算系统[3] - 2024年10月发布了首款产品，是一款为政府机构和国防部门软件工程师提供支持的编码助手[3] 重大基础设施合作 - 公司与CoreWeave合作，在美国西得克萨斯州建设名为“地平线计划”的大型数据中心，最终容量达2吉瓦，平均可为约150万户家庭供电[2] - 计划首期建设250兆瓦容量，预计2026年底前投入运营，CoreWeave将作为该设施的主力租户[2] - CoreWeave已签署协议向公司提供超过4万块图形处理器，这些芯片将部署在现有数据中心以支持AI研发[2] - 公司此前还与澳大利亚数据中心及加密货币挖矿运营商Iris Energy Ltd签署了多项芯片供应协议，以获取英伟达处理器资源[9] 融资活动与估值 - 公司目前正以超过140亿美元的估值筹集20亿美元资金[6] - 大部分融资将用于购买4万块英伟达先进图形处理器，以支持模型开发规模的短期扩展[7] - 公司在去年曾以30亿美元估值完成5亿美元融资，早期投资者包括中央情报局下属投资机构In-Q-Tel[8] 行业背景与趋势 - 此次数据中心协议的达成紧随其他AI公司的一系列投资浪潮，OpenAI已宣布与英伟达、超微半导体、甲骨文及博通达成多项价值数十亿美元的合作[3] - OpenAI与Meta同样致力于开发与美国数据中心规模相当的项目，与公司的规划不相上下[3] - AI投资狂潮引发了人们对AI泡沫可能危及经济其他领域的担忧，尤其考虑到OpenAI及其他顶尖AI初创企业至今仍未实现盈利的现实[3] - 公司创始人认为“AI将成为全球需求最旺盛的商品之一”，但当前AI基础设施的能力限制正阻碍其增长步伐[4]

文章核心观点 - OpenAI正在演变为世界上最大的“无人公司”，其核心价值创造和系统运作已超越内部员工的认知与控制范畴，形成一个以AI为核心、全球数亿用户为无意识传感器的自主系统[1][2][7] - “无人公司”的本质并非零员工，而是其感知、学习和决策能力分布式地依赖于全球用户贡献的“思考过程”数据，权力极度集中于顶端，而价值创造过程分散于终端用户[13][27][29] - ChatGPT正从被动工具蜕变为深入人类社会各层面的认知基础设施，该系统具备通过影响用户思考框架来主动“塑造”现实（如政策、选举）的潜力，而不仅限于预测[6][14][17][22][24] 无人公司的定义与特征 - “无人公司”指以人工智能为核心、以全球用户为无意识传感器、可自主运营的商业实体，其系统规模和复杂性使内部人类员工无法完全掌控微观互动[1][2][7] - 公司高层角色转变为系统的“价值设定者”和“最终仲裁者”，而全球用户成为贡献思维数据的“无薪员工”，形成权力集中与价值创造分散的悖论结构[27][28][29] - 该模式存在“超级中心化”风险，需通过“超级去中心化”机制对冲[31] OpenAI的系统化路径 - ChatGPT通过API接口、GPTs商店和Apps SDK等网络化部署，从孤立工具演变为嵌入全球数字毛细血管的认知基础设施[4][6] - 系统化是通用人工智能（AGI）的必然要求，其本质在于连接、学习和自我改善，而非保持被动工具状态[3][4] - 当系统规模超越临界点后，人类只能进行宏观导向而无法微观操控，如同气象学家面对飓风[7] 全球用户作为认知传感器 - 用户与ChatGPT的交互（如商业策划、代码调试、学术研究）会暴露结构化的“思考过程”，包括逻辑、情感和价值观，这些数据在互联网时代从未被大规模数字化[9][10][12] - 数亿用户每日不间断地以对话形式输入认知过程，使OpenAI无需主动采集即可获得高质量数据，用户成为感知世界经济、科技和文化的实时传感器[12][13] - 该数据网络层次远深于Google搜索意图或高德地图行为数据，能直接捕捉思维片段而非外部状态表象[7][9] 系统的影响与塑造能力 - 系统可基于对全球用户思维的实时洞察，从被动预测转向主动影响，例如通过分析选民对话为竞选团队提供最优策略方案，定义选举议题和语言风格[14][18][20] - AI能以客观知识服务的形式，通过信息选择、排序和解释构建特定现实，直接影响用户认知框架的形成，而非仅改变既有观点[22][24][25] - 这种塑造权力无形但根本，发生在观点形成之前，可能比社交媒体更直接地影响重大社会进程（如选举）[17][21][23] 通用智能的范式变革 - 通用智能的关键在于其系统性和无用性（非工具性），理解其潜力需超越工具视角，关注其连接与涌现能力[3][35] - 人类与系统的关系从清晰的主工具使用转变为融合状态，面临价值观对齐、目标设定和个体自主性等终极问题[32][33] - 该变革的核心代价可能是人类让渡部分定义自身特质（如独立思考自由）以换取系统效率，需警惕“浮士德式交易”[33][35]

文章核心观点 - OpenAI被视为一个新型的"无人公司"，其核心价值创造和系统运作已超越内部员工的认知与控制范围，形成了一个以人工智能为核心、全球数亿用户为无意识传感器的自主系统 [4][5][36] 无人公司的定义与特征 - "无人公司"并非指零员工，而是指公司的核心运作和价值创造过程由AI系统自主完成，内部员工无法完全理解和掌控 [5][19][20] - 该系统通过全球数亿用户的无意识数据贡献，形成了一个分布式的、自组织的感知和学习网络 [6][34][36] - 公司权力极度集中于顶层的"价值定义者"，而价值创造过程则极度分散于全球用户终端 [60][63] ChatGPT从工具到系统的演变 - ChatGPT已从被动的、无状态的工具演变为深入人类社会各个层面的认知基础设施 [11][18][19] - 通过发布API接口、GPTs商店和Apps SDK，ChatGPT正被嵌入全球数字生态的毛细血管中，实现系统化 [16][18] - 当系统的规模和复杂性超越临界点后，其内部涌现的微观互动和知识流转将超出人类员工的完全掌控范围 [19][20][21] 全球用户作为认知传感器 - 用户在与AI的互动中贡献了结构化的、包含复杂逻辑和情感的"思考过程"数据，这是互联网时代从未被数据化的部分 [27][32][33] - 数以亿计的用户每天24小时不间断地以解决自身问题为动机，自发地为系统提供高质量的数据养料 [34][35][36] - 这种数据采集方式超越了Google的"意图"数据和高德地图的"行为"数据，能更深刻地感知世界经济、科技、文化和个体心理状态 [26][27][36] 系统的潜在影响力 - 该系统能够从被动的"预测"转向主动的"影响"和"塑造"，例如通过分析海量对话数据为政治竞选提供最优策略 [39][45][46][48] - AI可以通过信息的选择、排序和解释来构建特定的现实认知，其影响是根本性的，发生在用户观点形成之前 [50][51][56][57] - 这种影响力以客观、中立、权威的"知识服务"形式出现，比社交网络的操纵方式更为底层和无形 [44][55][56] 无人公司的权力结构 - 公司高层管理者角色转变为AI系统的"价值设定者"和"最终仲裁者"，其决策通过系统被放大亿万倍，对全球产生深远影响 [60] - 研究与工程人员是系统的架构师和维护者，但无法完全预知系统会涌现出的能力 [62] - 全球用户是系统事实上的"无意识数据贡献者"，贡献了最有价值的思维和数据资源，但无法参与系统治理和收益分享 [62][63]

公司技术路线与架构选择 - 公司选择了一条高算力、多传感器、全新架构（世界模型加强化学习）的技术组合，被内部形容为“变态”的困难路径[8][9] - 该技术路线旨在建立一套真正接近物理世界的能力栈，虽然意味着更重的训练和更长的周期，但被认为是通向未来的道路[9][10] - 公司是国内第一个提出世界模型概念的厂商，其核心是以视频为底座，建立高带宽的时空认知能力，而非在语言模型上做模态扩展[21][26][27] - 公司认为端到端是智能驾驶历史阶段的产物，是“填坑”行为，而公司的目标是超越端到端，探索世界模型和强化学习等更根本的AGI路径[16][60][66] - 公司在2022年3月实现基于英伟达OrinX芯片的全栈自研平台Banyan量产，并在2024年5月推送了世界模型NWM的OTA更新[42][100] 世界模型技术解析 - 世界模型被定义为包含两个层面：物理规律的内建（如重力、惯性）和时空操作能力（理解预测物体在三维空间加时间维度的运动）[23] - 世界模型与语言模型是并行关系，前者解决“认知时空和规律”，后者解决“认知语言和概念”，两者融合才能形成真正的AGI[25] - 世界模型的核心优势在于建立高带宽的时空认知，类比脑机接口，旨在用图像直接交互，摆脱低带宽语言描述的限制[26][27] - 与世界模型相比，VLA（视觉-语言-动作）本质仍是语言模型的模态扩展，其“根”在语言上，视觉是“外挂”的转换器[25][29][30] - 训练世界模型需要大量视频数据，来源主要包括游戏引擎生成的数据和真实世界的车载传感器数据[54] 数据策略与强化学习应用 - 公司建立了三层递进的数据系统：数据闭环系统（DLB）、伴生测试系统、风险评估控制系统（RAMS），形成了业界顶尖的数据处理能力[74][76][77] - 数据策略上，公司倾向于使用“脏”但量大的量产数据，而非干净但量小的专家数据，认为通过强化学习清洗数据能学到更复杂的真实世界情况[55][57][59] - 强化学习被赋予两个关键作用：能“洗数据”，将模型输出的好的分布往前排；能延长“上下文”，让模型学会处理长时序推理，摆脱“5秒记忆的金鱼”状态[60][75] - 公司认为行业至今没有完全接受强化学习的重要性，而公司已在内部实验并计划在年底新版本中推出基于强化学习的长时序能力[60][64] - 通过端到端AEB模型和伴生测试体系，公司将AEB的真实场景响应率从不到10%提升至70%-80%，并获保险公司数据验证事故损失下降25%[86][88] 工程体系与研发管理 - 公司研发组织采用“4×100米接力棒”模式，明确划分为预研、量产、平台复制、车型复制四个阶段，职责清晰以提升效率[95][97][105] - 公司拥有三代智驾平台量产经验（Aspen, Banyan, Cedar），且均为对应芯片（Mobileye EyeQ4, 英伟达OrinX, 自研神玑）的全球首个量产平台，工程能力被极致锻炼[100][101] - 在工程上，公司自建了CUDA之上的软件栈（cuDNN、框架层、工具层），为自研芯片对接和快速量产打下基础，此做法在行业中非常独特[103] - 平台策略上，高算力平台（4颗Orin）提供安全冗余、新功能先发和更早迭代的优势，再通过技术蒸馏迁移到低算力平台（如乐道的1颗Orin）[92][93] - 公司强调技术追求简单高效，认为复杂高效不可持续，目标是建立“又新又轻松”的架构，用更少资源达到更好效果，提升竞争力上限[113][115] 产品进展与未来目标 - 公司在2025年5月于地库场景首发了语言交互找出口功能，为国内首个量产的此类功能，并计划在年底到明年Q1逐步推出开放集指令交互（Open-set）[39][40] - 公司将主动安全（如AEB）置于最高优先级，目标是切实减少事故，最新目标是力争在年内将事故损失降低50%[86][118] - 公司认为当前技术体系可以通往L3、L4，明年智驾竞争将更明显地向L3/L4迈进，技术端的关键是搞定世界模型的长时序能力[108][109] - 公司智驾研发的终极目标并非单纯实现L3功能，而是让系统更像人，能处理人所处理的各类长短时序决策，核心价值在于解放精力和减少事故[107][117] - 公司通过统一架构处理高速和城区场景，虽然初期开发量大、节奏显慢，但避免了方案割裂，旨在获得更干净、更具扩展性的长远优势[51][84]

公司投资动态 - 宁德时代参投的福建时代泽远股权投资基金合伙企业（有限合伙）入股上海达卯科技有限公司 [1] - 深圳市绿水长青创业投资合伙企业（有限合伙）同时成为达卯科技新增股东 [1] - 达卯科技注册资本由约1209万人民币增至约1277万人民币 [1] - 达卯科技发生法定代表人及多位高管变更，刘涛卸任法定代表人，由简煜忞接任 [1] 公司基本信息 - 上海达卯科技有限公司成立于2021年3月 [1] - 公司现股东包括上海达卯数维企业管理合伙企业（有限合伙）、宁波市商壹软件有限公司及新增股东等 [1] 公司业务与技术 - 达卯科技致力于利用通用人工智能（AGI）技术构建能源大模型（Energy MaaS）平台和AI虚拟电厂应用 [1] - 公司业务范围包括提供技术咨询、运维服务及能效管理软件 [1]

公司股权与治理结构变更 - 新增宁德时代参投的福建时代泽远股权投资基金合伙企业（有限合伙）及深圳市绿水长青创业投资合伙企业（有限合伙）为股东 [1][1] - 法定代表人由刘涛变更为简煜忞，同时多位高管发生变更 [1][1] - 公司注册资本由约1209万人民币增至约1277万人民币 [1][1] 公司业务与战略定位 - 公司成立于2021年3月，经营范围包括计算机软硬件及辅助设备批发、数据处理服务、物联网技术服务等 [1] - 致力于利用通用人工智能（AGI）技术构建能源大模型（Energy MaaS）平台和AI虚拟电厂应用 [1] - 提供技术咨询、运维服务及能效管理软件 [1] 股东结构 - 现由上海达卯数维企业管理合伙企业（有限合伙）、宁波市商壹软件有限公司及上述新增股东等共同持股 [1]

xAI融资事件与资本结构 - xAI于10月8日获得总额200亿美元融资，其中包含约75亿美元股权融资和最高达125亿美元的债务融资 [2] - 此轮融资中，英伟达进行了20亿美元的股权投资，其CEO黄仁勋对此表示兴奋 [2] - 这是xAI在三个月内的第二轮大额融资，今年7月已完成一轮100亿美元融资，当时公司估值在240亿至260亿美元之间 [2] - 融资通过特殊目的载体进行结构化运作，SPV集中采购英伟达GPU后以五年期租赁形式提供给xAI，用于支撑"Colossus 2"数据中心项目 [3] - 这种以GPU实物资产作为债务担保的模式，为高投入的AI企业提供了降低直接负债压力并确保算力资源稳定的新融资思路 [3] 资源协同与战略部署 - xAI可获取特斯拉积累的海量汽车行驶数据以及X平台的亿万级文本、对话数据，这些差异化数据资源为其模型训练提供了坚实基础 [4] - 此次融资的大部分资金将重点投入到"Colossus 2"数据中心的基础设施建设与后续运营中，旨在将数据优势转化为技术实力 [4] - 公司每月消耗现金约10亿美元，此次融资堪称"及时雨" [2] 英伟达的AI生态战略 - 投资xAI是英伟达在AI产业链布局的重要一步，旨在巩固自身在AI算力生态中的地位 [6] - 英伟达CEO黄仁勋认为行业正处于从CPU计算向GPU驱动的生成式AI计算转变的关键期 [6] - 自今年9月以来，英伟达在AI产业链累计投资规模接近1100亿美元，包括向OpenAI投资1000亿美元、向英特尔投资50亿美元等 [6] - 这些投资均围绕构建"算力生态闭环"展开，以巩固其在AI芯片市场的优势地位 [6] 行业趋势与竞争格局 - AI领域资本热潮显著，今年以来美国科技公司为布局AI业务在公开债券市场累计筹资达1570亿美元，较去年同期增长70% [7] - Meta Platforms签署了多项数十亿美元协议，其中数据中心相关融资计划达290亿美元；甲骨文为AI基础设施建设筹集了380亿美元债务资金 [7] - 开发顶级AI模型所需算力呈指数级增长，构建强大AI基础设施已成为全球科技公司的共同任务，行业竞争进入"资本+算力"双驱时代 [7] - 中小AI企业生存空间受到挤压，部分公司转向医疗AI、工业AI等垂直领域寻求突破，或选择与传统行业合作以换取资金与数据支持 [9] - 行业格局呈现"巨头争霸、中小突围"的态势，构建强大稳固的算力-资本闭环成为掌握竞争主动权的关键 [9][10]

文章核心观点 - 以OpenAI、英伟达、AMD、甲骨文为代表的科技巨头正通过股权、债务及长期算力合约构建庞大的“AI公用事业网络”，驱动美股科技股持续上行 [1] - 这一由巨额资本支出和复杂交易构成的AI投资热潮，引发了市场关于其是引领下一代技术革命还是酿成新一轮资本泡沫的广泛讨论 [1] AI巨头合作与资本流动 - OpenAI与甲骨文签署了为期五年、价值约3000亿美元的云计算合同 [2] - OpenAI与英伟达计划部署至少10GW的英伟达系统用于下一代AI基础设施，英伟达计划逐步向OpenAI投资1000亿美元 [2] - OpenAI与AMD达成合作，将在未来数年部署总计6GW的AMD算力系统，首批1GW设备将于2026年投入使用，AMD向OpenAI发行了最高1.6亿股认股权证 [2] - 特斯拉创始人埃隆·马斯克旗下的AI公司xAI获得200亿美元融资，其中包括英伟达投资的20亿美元 [2] - OpenAI CEO萨姆·奥尔特曼表示，公司核心使命是构建强大的AI系统，这需要在基础设施等领域进行巨额投入 [3] 市场表现与估值驱动 - 科技巨头间的互投操作推动了美股科技股持续攀升 [3] - 截至10月9日收盘，英伟达股价涨幅逼近2%，创收盘历史新高，近一个月涨幅达8.59% [3] - AMD股价在10月以来的6个交易日中涨幅达到45% [3] - 高盛全球股票策略主管彼得·奥本海默表示，本轮科技股上涨主要由基本面和盈利增长驱动，科技行业每股盈利（EPS）增长远超其他行业 [6] - 高盛认为，尽管科技股估值处于高位，但并未达到历史泡沫的极端水平 [6] 商业模式与盈利挑战 - 多位分析师指出，科技巨头间的投资合作掩盖了商业模型尚未跑通的核心问题 [7] - 尽管AI公司拥有实打实的产品，但其资本开支的增速远超营收能力 [7] - OpenAI 2025年上半年实现营收约43亿美元，亏损135亿美元，公司预计2025年全年营收有望达到130亿美元，但现金消耗也将同步增至85亿美元 [7] - OpenAI预计直到2029年才能实现盈利，目前整个系统依靠市场信心和持续融资维持 [7] - OpenAI约84%的收入来自ChatGPT付费用户，面向开发者的API接口收入占比仅约15% [8] 潜在风险与市场争议 - 摩根士丹利分析师指出，科技巨头长期且高昂的资本支出较为依赖OpenAI的命运，一旦市场对AI的需求放缓，资本支出将面临巨大风险 [4] - AI生态系统呈现出日益增强的“循环性”，供应商的资金支持可能让客户获得超出自身现金流所能支撑的购买力，从而夸大市场需求 [4] - 金融市场已对相关公司进行“提前计价”，例如微软和甲骨文的股价包含了未来从OpenAI赚取算力租金的预期，AMD和英伟达的股价包含了云厂商采购芯片的预期 [4] - AI数据中心选址地的电力公司股价在过去几年持续上涨，市场预期其需进行大规模基础设施投资，从而拉动了整个工业、能源和原材料产业链的估值 [4] - 有观点将当前AI投资狂潮与20世纪90年代的“互联网泡沫”对比，认为逻辑相似，但当前基本面贡献较大，且行业由少数巨头主导，与泡沫时期大量竞争者涌入的情况不同 [5][6] - 晨星公司分析师认为，若一年后AI泡沫破裂，英伟达与OpenAI的合作很可能成为早期信号之一 [7] - 决定科技巨头资本支出前景的关键在于OpenAI能否通过其AI服务成功变现 [7]