谷歌不仅把算力卖给OpenAI，甚至还通过博通（Broadcom）将自研的TPU芯片出售给OpenAI和Anthropic，然后再以云服务的形式“租回”给它们。谷歌在同一个交易链条上，赚了两份钱
这篇材料提出了一个值得警惕的判断：今天的AI繁荣，不一定全是终端需求推动的，也可能有相当一部分来自资本、算力和云收入之间的内部循环。
我认为，真正需要追问的不是AI有没有价值，而是当前的收入增长究竟由谁付钱，这些客户是否具备持续付钱的能力。
云收入正在向少数客户集中
材料援引分析称，谷歌云今年约有27%的收入来自OpenAI和Anthropic，2027年这一比例可能超过48%。如果这一估算成立，谷歌云的增长将越来越依赖两家仍在大量消耗资金的AI公司。
微软也面临类似问题。材料称，2025年微软智能云部门69%的同比增量来自OpenAI；剔除这部分贡献，增速只有8%。
表面上看，这是云业务高速增长。换一个角度看，却是少数客户正在决定大型云厂商的增长曲线。
客户集中本身并不等于虚假繁荣，但它会把风险藏在漂亮的总收入里。只要核心客户融资能力下降，上游的云收入、芯片需求和数据中心利用率就可能同时承压。
资本和收入形成了一个循环
材料把这种关系概括为“循环融资”：科技巨头投资AI公司，为它们提供资金和基础设施；AI公司再把获得的资金用于购买这些巨头的云服务。
于是，同一笔资本既可以被记作AI公司的融资，也可以转化为云厂商的收入。投资推动采购，采购证明需求，需求再支撑估值和下一轮投资。
谷歌的链条更复杂。按照材料的描述，它不仅向OpenAI提供云算力，还通过博通把自研TPU供应给OpenAI和Anthropic，再以云服务形式向它们提供计算资源。芯片和云服务处在同一条交易链上，谷歌可以从两个环节获得收入。
这不意味着相关交易没有真实价值，但判断需求时，不能只看收入是否发生，还要看最终现金从哪里来。如果客户支付账单主要依赖供应商及其盟友继续融资，收入的可持续性就值得重新估价。
最大的问题是客户尚未自我造血
整个链条能否成立，取决于OpenAI和Anthropic能否成长为拥有稳定现金流的超大型企业。
材料援引Zitron对OpenAI审计财报的判断称，OpenAI在2025年亏损209亿美元，而且仍需持续获得外部资金。材料还提到，其中超过8亿美元收入来自软银的Crystal Intelligence项目，但Zitron称没有找到该项目取得实际进展的证据。
这些说法来自材料所转述的分析，不能仅凭本文完成独立核验。但它提出的问题很明确：如果两家核心客户还不能依靠经营现金流支付算力账单，那么云厂商今天确认的增长，实际上依赖明天的融资。
这是一种脆弱的增长结构。它要求资本市场、基础设施建设和模型商业化同时保持乐观，任何一个环节减速，都会传导到其他环节。
科技巨头正在变成重资产公司
过去，大型互联网公司最吸引人的地方，是高现金流、低边际成本和相对轻的资产结构。
AI改变了这个模型。为了训练和运行大模型，科技巨头要提前购买GPU、建设数据中心、锁定电力，并承担设备折旧和利用率不足的风险。
材料引用Sightline Climate的数据称，未来几年全球规划中的数据中心容量约为190吉瓦。按1.3的PUE估算，这些设施每年需要超过1.6万亿美元收入才能支撑运营。
这里最尖锐的矛盾是：供给按全球基础设施的规模建设，需求却高度集中在两三家尚未盈利的客户身上。
如果AI确实带来广泛的生产力提升，算力需求最终可能从少数模型公司扩散到千行百业。但如果商业化速度低于建设速度，科技巨头留下的将不是轻资产平台，而是一批昂贵且利用不足的设备和数据中心。
风险会在时间差里暴露
数据中心从规划到投入使用需要12至36个月。资本开支发生在今天，真正的供给却要到未来才上线。
这个时间差会放大误判。如果今天的需求主要由融资推动，等新增产能交付时，客户可能已经缩减支出，或者资本市场不再愿意为亏损买单。
材料认为，另一个关键节点是OpenAI的IPO。如果上市推迟到2027年，它从公开市场获得资金的时间也会后移。对依赖其持续采购的供应链来说，这不只是OpenAI自己的融资问题。
应该重新定义AI繁荣
我不认为这些材料足以证明AI产业是一场骗局。循环交易是真实交易，云服务也确实被使用，模型能力还在进步。
但把所有云收入增长都当成终端需求，同样是不严谨的。
判断AI繁荣是否健康，至少要看三件事：收入是否来自广泛而独立的付费客户，核心模型公司能否逐步依靠经营现金流支付算力成本，以及新增数据中心能否在没有持续资本输血的情况下获得足够利用率。
AI真正的繁荣，不是巨头把钱投给客户，再由客户把钱花回来；而是企业和个人愿意用自己的钱，为可衡量的生产力提升持续付费。
在这一天到来之前，云收入、芯片销量和数据中心投资越亮眼，越需要看清它们背后的资金闭环。