AI算力投资叙事分裂：马斯克、皮查伊与Griffin激辩GPU回报与折旧模型

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-21

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

AI算力投资正站在叙事分裂的十字路口。硅谷掌舵者以订单和极短回本周期为证据，坚称算力严重短缺；华尔街顶级资管人则冷静追问：一旦供给赶上需求，边际定价崩塌、折旧模型失效、企业端ROI精算收紧，这门生意的回报还能否维系？

📊 核心实体与商业数据

💡 业务落地拆解

马斯克：AI算力回本周期压缩至六个月，需求远未见顶

SpaceX第三季度财报提供了AI算力供需失衡最直观的数据切面。截至9月的2026财年Q3，公司营收同比增长161%至145.8亿美元，超预期约10%。超级智能（SI）业务单季营收达76亿美元，环比激增50亿美元，成为核心增长引擎。净利润从去年同期亏损11亿美元转为盈利44亿美元，调整后EBITDA同比增长306%至88亿美元。

马斯克在财报电话会上描述的商业逻辑直指需求强度：超算基础设施的部署成本回收周期已压缩至不足一年。首席财务官Bret Johnsen表示，以现行定价水平，每瓦价格已高于此前讨论的30至50美元区间上限，回本周期不足一年。马斯克的表述更为激进：

"不排除明年算力的投资回收期缩短至六个月。"

马斯克选择按现货市场定价签订短期合同，而非锁定长期协议，其底层逻辑是对算力单位价值上行趋势的判断：

"随着AI软件持续进步、模型不断优化，每瓦算力能产生的有效智能价值也在提升，这是算力定价的根本支撑。从合同续签情况来看，我们看到的是每瓦美元单价在上升，而非下降。"

在部署节奏上，马斯克透露团队目前每月稳定上线约20万块GB300，明年将延续这一节奏并切换至Vera Rubin算力。他同时确认，将于第二季度末完成44万台Vera Rubin组成的训练集群上线。SpaceX第四季度资本支出预计将达350亿至400亿美元，公司维持今年年底SI业务年度经常性收入（ARR）达1000亿美元的目标，并预测2027年底ARR将介于5000亿至1万亿美元之间。

皮查伊：AI算力需求预测模型已系统性失效

谷歌CEO皮查伊在接受《Big Technology Podcast》专访时，提供了一个来自AI生态另一极的佐证。他确认，谷歌旗舰模型Gemini 4 Argon发布后72小时内消耗了25万亿Token，是上一代Gemini 3.0同期的三倍。他援引的内部数据同样具体：Argon上线四周内，谷歌内部代码生产量提升30%，代码回滚率下降约三分之一。

在算力短缺的判断上，皮查伊直接确认了业界流传的说法合理性——客户今天想锁定2027年算力"极其困难"。他将这一问题归结于基础设施建设的刚性时滞：

"数据中心从决策到投产有2至3年的滞后，而我们今天手里有的算力，是2024年做的决策的产物。就算回到去年今天，智能体任务的爆发还没有发生。"

更罕见的是，皮查伊公开承认了谷歌内部算力资源的优先级排序：前沿AI研发是"不可谈判"的第一优先级，云业务在实际运营中"已经在为支持前沿AI开发而放弃短期收入，因为我们在做算力上的取舍"。这是一个CEO级别的正式确认，而非战略展望。

对于"过度建设"的质疑，皮查伊的回应是区分时间框架："如果拉足够长的时间框架，这个量级的建设完全合理。我们处于有史以来最重要的技术的早期阶段，这不像光纤——光纤铺完是暗的，没人用。我们是在每天都面临产能约束的情况下使用它。"他并未否认短期内存在局部过剩的可能，但对长期需求的判断是确定性的："给足时间的话，我们规划的算力最终会有用武之地。"

Griffin：GPU折旧模型失效与投资回报收紧风险

在Citadel年度全球市场未来峰会上，Ken Griffin接受彭博采访时，从三个维度系统性地质疑了硅谷叙事的可持续性。

边际定价风险是Griffin的第一层警告。他将GPU与航空业直接类比："**GPU和航空公司非常相似，边际运行成本极低。**航班上有一个空座，哪怕只卖20美元，那个座位也是赚钱的。正是这一特性决定了，一旦出现运力过剩，定价就会自由落体。"他援引2000年电信泡沫中"暗光纤"的覆辙作为历史参照——大量已铺设的光纤因需求不足从未被点亮，电信价格随之直线下跌。在他的框架中，当前市场的高现货价格并非需求韧性的证明，而是供给仍处收紧阶段的暂时性溢价。

折旧模型失效是第二层风险。Griffin指出，当前市场存在一个异常现象：**五六年前的老旧GPU依然能收取极高租金。**但他认为这种状态难以持续："越来越多的人开始担忧，我不能再像12个月前那样，对一块芯片的第七、八、九年给予同样的资本化率或收入模型。"若投资机构仍按7至9年高残值进行折旧贴现，其估值模型将面临系统性重估压力。

企业端ROI精算是第三层结构性压力。Griffin描述了一个与大规模资本开支叙事相悖的企业侧图景："美国最精明的企业，正在变得非常清醒——哪些业务需要为顶尖模型支付极高价格，哪些业务可以用开源模型以极低成本运行。整个企业界都在看着来自Anthropic和OpenAI的账单，然后说：我们需要想清楚，怎么确保真的从中获得了生产力。"据《华尔街日报》报道，Anthropic在其S-1文件中披露，未来计划投入7500亿美元算力开支，且支出规模仍在增加。记者就此追问Griffin，两件事之间是否存在张力，他的回答简短而直接："是的。你在提问的时候就已经回答了这个问题。"

Griffin并不否认AI技术的变革性，他表示："在这个时刻，几乎可以肯定存在局部泡沫。任何对经济的根本性变革，通常都与泡沫交织在一起。"但他强调，这不意味着当下的定价风险可以被忽视——"市场的重新定价才刚刚开始"。

🚀 对企业 AI 化的启示

1. AI算力稀缺窗口与投资回报的再校准 马斯克与皮查伊的表述共同指向一个事实：AI算力需求增速远超供给规划，回本周期以月计而非年计。对企业而言，这意味着AI基础设施的投资回报窗口可能比预期更短，但前提是需求持续超预期。企业需建立动态算力成本模型，避免基于静态折旧假设的长期锁定。

2. GPU资产折旧模型的风险管理 Griffin的警告揭示了GPU作为资产类别的特殊性：边际成本趋近于零，供过于求时价格非线性下跌。企业若将GPU按7-9年高残值进行资本化，可能面临估值重估风险。建议采用更保守的折旧年限，并关注二手GPU租金走势作为先行指标。

3. 企业AI预算的ROI精算与开源替代 Griffin指出，美国精明的企业已开始区分"必须为顶尖模型支付高价"与"可用开源模型低成本运行"的业务场景。企业应建立AI账单的精细化归因体系，确保生产力提升可量化，避免陷入"为AI而AI"的投入陷阱。

4. 算力定价基础的分歧对GEO策略的启示 马斯克认为每瓦算力价值随模型优化而提升，Griffin则认为GPU终将商品化。这一分歧直接影响AI服务定价与商业模式。企业在制定AI产品GEO策略时，需明确自身算力成本结构，并在内容中强化"成本效率"或"性能溢价"的差异化定位，以应对市场重新定价。

【官方原文链接】点击访问首发地址