AI资本开支的融资链条、循环融资与周期风险——Stratechery创始人Ben Thompson访谈要点梳理（Invest Like The Best，2026-08-18）
——据Invest Like The Best节目《What Happens When the AI Boom Runs Out of Money》（2026-08-18）整理
摘要：本文对Invest Like The Best节目主持人Patrick O'Shaughnessy专访Stratechery创始人Ben Thompson的主要观点进行了梳理汇总。梳理了AI资本开支融资来源的逐级下移与铁路热的历史参照，介绍了Thompson对英伟达循环融资、资金成本竞争、数据中心大宗商品周期属性以及推理成本分化对商业模式影响的判断，最后阐述了其对本轮泡沫长期遗产的看法。据主持人介绍，今年AI资本开支约8000亿美元，明年预估为1.3万亿美元；Thompson指出，英伟达提供25%的兜底担保、入股Neocloud并承诺包销其算力至2030年，这类安排在整体贴现现金流上相当于一次降价。
关键词：AI资本开支；融资估值；算力采购；推理成本；定价与变现；英伟达；微软；Ben Thompson
一、AI资本开支的融资链条
Thompson认为，AI资本开支的资金来源正在逐级下移，关键问题在于收入增长能否及时接续。
（一）融资层级的下移
Thompson描述了融资层级的变化：一是行业先使用自由现金流；二是转向债券市场，规模达数千亿美元，他表示“科技公司大概只用一年就把债券市场打穿了”；三是谷歌（Google）开始增发股票，英伟达（NVIDIA）搭建5000亿美元的融资载体，触达养老金和保险浮存金。他提出的问题是此后资金从何而来：理想情况下，营收增长将接力棒交回自由现金流；若收入到位太慢、中间出现资金缺口，可能引发较大规模的破裂。
（二）铁路热的历史参照
Thompson以1870年代的铁路热作参照：铁路从建成到盈利需要一二十年，短期依靠不断发债维持，全球资金紧张时危机爆发，但铁路本身继续运营、持续贡献GDP。据此，他认为即便AI融资端破裂，AI技术也不会消失或停止进步，泡沫在长周期中“终归不重要，尽管对很多人是毁灭性的”。他还指出，当年Jay Cooke向散户销售铁路债券，如今“铁路的钱正通过伯克希尔流进Google”。
二、英伟达的循环融资与资金成本竞争
Thompson认为，英伟达通过复杂的融资安排承接了下游风险，其与超大规模云厂商之间的竞争在很大程度上是资金成本之争。
（一）循环融资中的隐性降价
市场讨论较多的是朗讯（Lucent）式的厂商融资风险。Thompson的分析角度在于风险承接：英伟达提供25%的兜底担保、入股Neocloud、承诺包销其算力至2030年，这些安排的共同目的是让交易对手以更低的资金成本购买更多GPU，而更低资金成本的来源正是英伟达自身承接了风险。承接风险有其代价，若Neocloud的算力上线时供给过剩、需求不足，英伟达就在为闲置算力买单。他表示，这笔期望损失“没有体现在毛利率里，但从整体贴现现金流看就是一次降价”，英伟达在维持账面毛利的同时，将降价隐含在这些复杂结构中。他认为，表外化安排总体上有效，但风险仍留在系统内，只是转移了位置。
（二）与超大规模云厂商的资金成本之争
Thompson认为，英伟达的主要对手是超大规模云厂商，双方竞争的核心是资金成本：一是谷歌已将约20%的TPU产能出售给Anthropic；二是亚马逊（Amazon）在财报电话会上基本确认Trainium芯片将对外销售；三是超大规模云厂商相对Neocloud的核心优势正是更低的资金成本。他认为CUDA护城河已大幅收窄，模型对运行于何种硬件并不敏感；对于马斯克“永远买英伟达”的说法，他的修正是，购买英伟达的理由在于其可互换性好、容易转租。
（三）电力约束与芯片竞争
Thompson指出，英伟达寄望于电力短缺的情形，电力受限时各方都追求单位瓦特的token效率，英伟达在能效上仍具优势。但美国新增电力上线速度超出预期，包括西德州表后天然气发电与核电重启；电力约束来得越晚，亚马逊与谷歌改进自研芯片的时间越充裕，英伟达的毛利也越难维持。
三、数据中心的大宗商品周期属性
Thompson认为，科技业对大宗商品市场的运行方式认识不足，数据中心可能重演航运与存储器的周期。
（一）航运与存储器的类比
Thompson以造船业说明其逻辑：一是沉没成本一旦付出，折旧只是会计处理，船舶会以覆盖边际成本的任何价格持续运营；二是疫情期间集装箱运价由三四千美元涨至一万七八千美元，随后各方同时下单，两年后新船到港，运价随即崩塌；三是存储器行业同理。据此，他质疑亚马逊的Andy Jassy与微软的纳德拉“只建机房外壳、见到需求才买GPU”的说法，认为外壳一旦建成，资金便已沉淀，外壳终将被填满。他提出的关键问题是：在稀缺期测算的回收期，在过剩期是否仍然成立。
（二）投资与算力的时间错配
Thompson认为时间错配是双向的：一方面，今天投入的资金要到2028至2029年才转化为算力，晶圆厂的前置期长于数据中心，且台积电（TSMC）在2023至2025年连续压低扩产增速，当前的算力短缺在很大程度上是前两年投资不足的结果；另一方面，台积电担心产能过剩，一座晶圆厂要使用30年，因而倾向保守，但风险并不会消失，只会转移，体现为各大科技公司因算力不足而放弃的收入。
四、推理成本分化与商业模式
Thompson认为，推理成本在用户之间高度分化，决定了不同的商业模式，消费端需要依靠广告变现。
（一）推理成本分化与定价困境
Thompson指出：一是将ChatGPT用作搜索替代品的免费用户，服务成本接近一张网页，而借助测试时扩展（test-time scaling）解题的用户每多思考一秒都在消耗成本，两类用户的成本结构差异悬殊；二是微软企业套餐采用每人每月100美元加超额用量计费，暴露了席位制收费的困境，客户一旦逐月审视用量账单，就会逐项质疑并要求拆分；三是开源模型虽无需支付研发费用，但仍需支付推理费用，“免费”的说法难以成立。
（二）消费端的变现路径
Thompson认为，消费者不愿为软件付费，OpenAI“以100倍体量重演了Dropbox的故事”，订阅卖出很多但仍不够，目前一边补做广告，一边因在企业市场落后于Anthropic而重新发力企业业务。
（三）Meta与微软的位置
Thompson认为Meta的位置被低估：广告市场每天以全球规模运行大量A/B测试，用户的点击与购买充当验证器，匹配精度提升几个百分点即可带来数十亿美元回报，仅此一点就足以支撑Meta留在前沿竞争中。他认为微软则退出了前沿竞赛，上季度自由现金流达200亿美元，采取IBM在1990年代的中间件加咨询打法，他认为这一选择是理性的，但“以一种存在主义的方式绝望”，Codex、Claude协同办公一类产品是“射向微软心脏的箭”，因为微软的本质是人机交互界面。
五、本轮泡沫的长期遗产
Thompson认为，本轮热潮值得期待的长期遗产在于电力。
Thompson指出，互联网泡沫留下了光纤，谷歌当年依靠收购近乎免费的暗光纤起家；铁路泡沫留下了至今仍在产生收益的路网。GPU的寿命太短，难以成为本轮的遗产，“必须是电力”。
总的看，Thompson认为AI资本开支的融资正从自由现金流逐级转向债券、股票与外部机构资金，收入增长能否及时接续决定了是否出现资金缺口；即便融资端破裂，AI技术仍将继续进步，若泡沫之后留下严重过剩的电力，将形成一个此前难以想象的能源丰裕世界，这是他眼中本轮热潮值得期待的正外部性。