已投入8000亿美元建设人工智能数据中心的公司面临无法收回这些资金的风险。市场混淆了两种本质不同的产品：极难盈利的大众化AI服务，以及无法被单方掌控的科学突破。
正是这一矛盾构成了重新评估AI基础设施估值的核心论据。支持大规模投资算力的人往往对行业经济性理解肤浅，凭“感觉”累积了数千亿美元的债务。
数据中心靠什么赚钱
数据中心算力用于两项任务。第一是模型训练。第二是模型就绪后处理用户请求。正是推理带来主要收入：数百万人使用它，需求看似无穷无尽。
但这部分存在结构性问题。用户呈波浪式涌入，服务器负载剧烈波动。为了在高峰时段不出故障，必须建设大量冗余容量。结果如今的数据中心数量超过了实际所需。
训练则没有这个问题：负载平稳，需求可提前预知。Anthropic、OpenAI等开发商承诺用训练新模型来消化过剩算力。但它们的目标不是便捷的工作服务，而是突破：新药物、网络武器、自我改进的模型。当Anthropic谈论“对人类威胁”时，说的不是失业，而是暗示重大发现即将到来。
为什么突破赚不到钱
这一计划的最大弱点在于任何模型都会被迅速复制。小模型可以用大模型的回答来训练，从而继承其能力。此外，许多模型被公开发布。最终，即使最先进的开发成果也会在几个月内过时。专利保护发明，而模型不受任何保护。
制药业的类比很能说明问题。一家公司花费数十亿研制罕见病药物，两个月后就出现了廉价仿制药。它无法收回资金，除非能一个接一个地不断找到这类药物。8000亿美元押注的正是这种情景。
由此对AI投资者提出两个问题：
- 普通AI服务究竟值多少钱，通往突破之路又值多少钱；
- 投资是否考虑了模型在回本之前就贬值的风险。
结论并不乐观。普通AI服务人人需要，但竞争压低价格，难以大赚。突破性发现无法大规模销售。而如果它们真的发生，没有哪家私营公司能在没有国家帮助的情况下独占。因此Anthropic大力渲染风险话题，尽管并未表明自己接近此类发现。剩下的问题是，最终谁会亏钱。
Cryptalist分析： AI基础设施市场在价格中同时计入了两个互斥情景的实现——服务的大规模变现和技术优势的保持。这两个假设在结构上都很脆弱：竞争和开放模型会迅速将开发成果的价值归零。对机构投资者而言，这是一个信号：应重新评估数据中心债务融资的风险，并对依赖AI算力回本的资产保持谨慎。