AI Capex 如何被收入 Justify —— Sequoia $600B Question 框架与机构口径合成

一、Sequoia 原文核心：Cahn 的"2×2 公式"

1.1 公式拆解

David Cahn（Sequoia Capital 增长基金合伙人）2024 年 6 月给出的简洁倒推：

``` 所需 AI 终端收入 = NVDA 数据中心收入 × 2 × 2 ```

| 步骤 | 含义 | 系数依据 | |------|------|----------| | 第一个 ×2 | GPU 仅占 AI 数据中心总成本的 50%，另 50% 是电力 / 建筑 / 冷却 / 备用发电 | Sequoia 调研：芯片 = 一半 BOM | | 第二个 ×2 | 云用户（AI 创业公司或企业）需要 50% 毛利率才能维持业务 | 行业 SaaS 毛利常态 |

2024-06 测算瞬时值： - NVDA 数据中心 LTM 收入 ≈ $150B - × 2 = $300B 总 AI 数据中心年度成本 - × 2 = $600B 终端收入门槛 - 实际 AI 收入 ≈ $100B（OpenAI $3.4B + Hyperscaler AI 服务 + 其他） - 缺口 ≈ $500B/年

1.2 Cahn 对四种"误读"的反驳

| 反驳点 | Cahn 论证 | |--------|----------| | 铁路类比错在哪 | 物理基础设施有垄断定价权，GPU 算力沦为"按小时计费的 commodity"，云厂商间竞价拉低价格 | | 资本焚烧不可避免 | 历史上每轮基建狂热都伴随大量资本损毁——铁路、运河、电信光纤都曾死掉一大批"输家" | | GPU 折旧曲线 vs 物理基建 | 物理基建无摩尔定律；H100 在 3-4 年内会因 B100（性能 +2.5×、成本仅 +25%）快速贬值，市场低估了这个速度 | | 赢家与输家分化 | 长期看 NVDA 等基础设施供应商和"清醒"的应用层创业者获益最多，最受伤的是中间层投资者 |

1.3 Cahn 的核心结论

AI 仍是"代际定义型技术浪潮"，长期看好；
但当前存在"快速致富幻想 + AGI 明日降临"的泡沫心理；
实际路径将"漫长且曲折"——硬件囤积≠财富创造，真正价值来自**向最终用户交付成果**的公司。

---

二、最新机构口径合成（2024-09 → 2026-04）

把六家主流机构的"缺口测算"放到同一张表上对比，关键是统一口径：把所有数字换算成"年化稳态、capex vs revenue"。

2.1 主流口径对比表

| 机构 / 作者 | 时点 | Capex 假设 | 要求 Revenue | 隐含倍数 | IRR 假设 | 折旧期 | |-------------|------|------------|--------------|----------|----------|--------| | Sequoia / Cahn 200B | 2023-09 | NVDA DC ~$50B → ×2 = $100B/年 | $200B/年 | 2.0× | 隐含 ~50% GPM | 未明示，倾向短 | | Sequoia / Cahn 600B | 2024-06 | NVDA DC ~$150B → ×2 = $300B/年 | $600B/年 | 2.0× | 同上 | H100 3-4 年 | | Bain 6th Tech Report | 2025-09 | $500B/年（2030 稳态） | $2T/年 | 4.0× | 正常 ROIC | 5-7 年硬件 / 20 年 DC | | JPM AM "On the Minds of Investors" | 2025-10 | 5 年累计 $5T (~$1T/年终值) | $650B/年永续 | 0.65× | 10% IRR（极宽松） | 隐含混合 | | JPM AM (Cembalest EOTM) | 2026-01 | $1.3T 累计 capex+R&D 自 ChatGPT | 不直接给收入门槛 | n/a | 不用 IRR 框架 | GPU 3 年情景 EPS -6 to -8% | | Morgan Stanley | 2025-08 | 4 年累计 $2.9T (硬件 $1.6T + DC $1.3T) | 不直接给 | n/a | 转向融资口径 | 5-7 / 20 年分拆 | | Goldman Sachs | 2026-01 | $500B/年（2025-2027 平均） | $1T 利润 run-rate | 隐含 revenue ~$2.5-3T | 维持 ROIC | 5-6 年（账面） | | Gartner Agentic AI | 2035 终态 | 不直接给 | $450B（agentic 单项） | n/a | 长周期 | n/a | | Bain "AI Spend $2T" | 2030 总支出 | $2T 总 IT 支出（含 capex+opex+服务） | 同 $2T | 1.0×（口径不同） | n/a | n/a |

结论：六家机构的"乘数"差异巨大（0.65× 到 4.0×），核心原因是三个隐含假设： 1. IRR 门槛：JPM 用 10%，Bain 用正常 ROIC（隐含 15-20%） 2. 折旧年限：Cahn 倾向 3-4 年（GPU 重），Bain/MS 用 5-7 年混合 3. 毛利率假设：Cahn 50%（云客户视角），Bain 隐含更高综合毛利

2.2 当前实际 capex 与收入双侧（2026 实测）

| 项目 | 2024 实际 | 2025 实际 | 2026 预期 | 来源 | |------|-----------|-----------|-----------|------| | Big 5 (MSFT/GOOGL/AMZN/META/ORCL) capex | ~$240B | ~$485B | $660–690B（部分口径 $750B） | CNBC / CreditSights / Futurum | | 其中直接 AI 相关 | ~60% | ~70% | ~75%（≈$450–525B） | Futurum / IEEE ComSoc | | NVDA 数据中心收入 | $115B（FY25） | ~$160B LTM | $200B+ 预期 | NVDA 财报 | | OpenAI ARR | $3.4B → $6B | $20B（年底） | $25B（2026-02）→ $30B+ 趋势 | The Information / OpenAI | | Anthropic ARR | $1B（年初） | $9B（年底） | $30B（2026-04） | Anthropic / Sacra | | Microsoft AI revenue | ~$10B | ~$18B | $25B+（39% YoY） | MSFT 财报 | | Google Cloud AI | 不分拆 | GCP +50% YoY | $20B+ AI-attributed 估算 | Alphabet 财报 | | AI 终端总收入（合计） | ~$30B | ~$80B | ~$150–200B | 自下而上汇总 |

2.3 当前缺口的一致结论

把 2026 数字代入 Cahn 公式： ``` NVDA DC ~$200B × 2 = $400B 总 AI DC 成本 × 2 = $800B 所需终端收入 - 实际 ~$150-200B = 缺口 $600-650B/年 ```

这与 JPM 的 $650B IRR 门槛、Bain 的 $800B "after offsets" 缺口惊人一致——不同方法论得到同一数量级，提高了结论的可信度。

---

三、多情景现金流模型：拆解"乘数"的真实含义

承接前一轮对话，Capex 与 Revenue 的口径转换公式：

``` 年度 Revenue 需求 = (年度 Capex / 折旧期) × (1 / 目标毛利率) × (1 + opex 加成) ```

或等价倍数：

``` Revenue/Capex 倍数 = (1/T折旧) × (1/GPM) × (1 + opex) ```

3.1 情景参数设定

把"折旧期 × 毛利率 × opex 加成"做成三维参数，跑四个情景：

| 情景 | 折旧期 T | GPM | Opex 加成 | 隐含倍数 | 对应阵营 | |------|---------|-----|-----------|----------|----------| | 超乐观（Hyperscaler 自我视角） | 7 年 | 60% | 1.20× | 0.286× | 现行账面口径 | | 基准（SaaS 经济学 + GPU 5 年） | 5 年 | 50% | 1.30× | 0.520× | JPM 隐含 | | 悲观（Princeton CITP / Burry 视角） | 3 年 | 40% | 1.50× | 1.250× | Cahn 2024 / Burry | | 极端悲观（Cahn 2.0× 简化） | 1 年（视同流转）| 50% | 2.00× | 4.000× | Cahn 2024 原版 |

3.2 把 $700B Capex 代入四情景

| 情景 | 年化 Revenue 需求 | 实际 $150-200B 缺口 | 缺口/Capex 比例 | |------|------------------|---------------------|-----------------| | 超乐观 | $200B | 0 至 –$50B | 持平 | | 基准 | $364B | –$164B 至 –$214B | 23-31% | | 悲观 | $875B | –$675B 至 –$725B | 96-104% | | 极端悲观 | $2,800B | –$2,600B 至 –$2,650B | 371-378% |

3.3 关键洞察

**超乐观情景已经在兑现**：当前缺口接近 0——但前提是接受 hyperscaler 把 GPU 折旧拉到 7 年的会计假设（这正是 Burry 攻击的 $176B 低估口径）
**基准情景是"市场共识缺口"**：$200B 量级缺口，等待 agentic AI 收入填补
**悲观情景与 Cahn $600B / JPM $650B / Bain $800B 高度一致**：缺口 $650-725B，必须等"新商业模式"
**GPU 实际折旧年限差 1 年 = $100B+ 缺口移动**——这是最敏感的单一参数

3.4 哪个情景对？取决于三个变量的实测

#### 变量 1：GPU 经济寿命（实测口径，非账面）

| 数据点 | 来源 | 时间 | |--------|------|------| | Amazon Q4 2024 计提 $920M GPU 早期退役 | AMZN 10-K | 2025-Q1 | | Amazon 2025 起把服务器折旧从 6 年缩至 5 年（–$700M 当年净利润） | AMZN 10-K | 2025-01 | | Princeton CITP 实测 GPU 寿命 1-3 年 vs 账面 5-6 年 | Princeton CITP 报告 | 2025 | | Meta 把 server useful life 从 4 年延长至 5 年（+5% EPS） | META 10-K | 2024 | | MSFT 用 6 年（最长） | MSFT 10-K | 2024 | | Burry 估 hyperscaler 2026-28 累计低估折旧 $176B | Scion 13F + 推文 | 2025-11 |

注：账面与实测的 1-3 年差距，正是 Cahn 用"H100 在 B100 出来后 3-4 年内大幅贬值"论点的核心。

#### 变量 2：AI 综合毛利率

Microsoft AI 业务（ChatGPT-API + Copilot）目前毛利约 60%（公开口径），但 Copilot 为推动落地大量补贴
OpenAI 2024 年报口径净亏损 ~$5B vs $3.7B 收入 = 毛亏损
Anthropic 类似毛利结构（高 compute cost）
**真实"端到端 AI 毛利"今天大概率低于 50%**——Cahn 的 50% 假设偏乐观

#### 变量 3：opex 加成（销售 / 研发 / G&A 占 capex 的比例）

Hyperscaler 整体 OpEx/CapEx ≈ 1.5-2.0×（含人力、能源、销售）
AI 专项更高，因 talent war 推高人均成本
**基准 1.3× 偏低，真实可能在 1.5-1.8×**

三个变量同时偏悲观时，倍数从基准 0.52× 跳到悲观 1.25×——这是泡沫论 vs 软着陆论的真正分歧。

---

四、历史对照：电信 1999 vs 云 2010s vs AI 2024-2026

4.1 电信泡沫 1996-2002（最相关对照）

| 维度 | 数字 | AI 对照 | |------|------|---------| | 5 年累计 capex | >$500B（1996-2001 美国电信） | AI 5 年预计 $5T（10×） | | 峰值 capex / GDP | 1.0-1.2%（2000） | AI 2026 ≈ 2.4-2.7% GDP（已 2× 电信峰值） | | 峰值年度 capex | $120B（2000 名义 / $213B 2026 美元） | $700B（3.3× 通胀调整峰值） | | 实际利用率 | 2001 年仅 5% 光纤投入使用，85-95% 暗光纤 | 当前 hyperscaler 利用率 ~70-80%（待验证持续性）| | CLEC 数量 | 30 → 711（1996-2000） | AI Native 创业公司类似爆发，但更集中在 Top 10 | | CLEC 收入 | $5B → $43B（同期） | AI 同口径 ~$10B → $200B（4 年） | | 行业 vendor financing 占比 | 高（Cisco/Lucent/Nortel 提供贷款） | 已开始（NVDA→OpenAI $100B / Oracle→OpenAI $300B / AMD→OpenAI warrants） | | 崩盘后存活率 | WorldCom/Global Crossing/Qwest 全部破产；只有 Verizon/AT&T 等老牌运营商存活 | 待观察 | | 容量真正消化时间 | ~10 年（直到 2010s 流媒体起来才用完暗光纤） | n/a |

关键启示： 1. 基础设施过剩可以持续 10 年——电信光纤直到 Netflix / YouTube 兴起才真正被消化 2. 崩盘窗口的标志是 vendor financing 链条断裂——当 NVDA / Oracle / AMD 的"循环交易"开始 default，就是拐点 3. 底层物理资产价值不为零——但股权投资者损失惨重（电信指数从峰值跌 95%，10 年才恢复）

4.2 云第一波 2010-2020（对照"成功兑现"案例）

| 维度 | 数字 | |------|------| | 累计 capex（AWS+Azure+GCP，2010-2020） | ~$300B | | 2020 年云收入合计 | ~$130B | | 累计 capex/年化收入 | ~2.3× | | AWS 实现盈利时点 | 2015（成立 9 年后） | | Azure / GCP 盈利时点 | Azure 2018 / GCP 2023（成立 13/15 年后） | | 当前 AWS 营业利润率 | ~33% | | 当前 GCP 营业利润率 | ~21%（从 11% 升上来） |

关键启示： 1. 云第一波证明capex/revenue 倍数 2-3×、5-15 年实现盈利是可行路径——但前提是终端客户买单的稳定性（云的 enterprise IT 替代是确定的，AI 的 agentic 应用替代仍未证明） 2. 当前 AI 倍数 ($700B capex vs $200B revenue = 3.5×) 接近云第一波早期水平，但绝对量级是云第一波 5-10 年累计的体量 3. 时间是不是站在 AI 这边？——云用 10 年消化，AI 行业现在的资金压力（FCF 转负、外部融资 $1.5T 缺口）比云行业当年大得多

4.3 三轮基建周期对照表

| 维度 | 电信 1996-2002 | 云 2010-2020 | AI 2024-2030E | |------|----------------|--------------|---------------| | 5 年累计 capex | $500B | ~$200B | $5T（10× / 25×） | | 峰值 capex/GDP | 1.0-1.2% | <0.5% | 2.4-2.7%（峰值 2× 电信） | | 资产折旧期 | 20-30 年（光纤） | 5-7 年（服务器） | 3-7 年（GPU 主导） | | Vendor financing | 高（崩盘催化剂） | 低 | 高且加速（NVDA/Oracle/AMD circular） | | 股权融资为主 / 债权 | 债权（电信债崩） | 自有现金流为主 | 混合（2026 后债权占比上升） | | 利用率峰值时 | <10% | >80% | 70-80% 待验证 | | 资本回收周期 | 10 年（终被消化） | 5-10 年（成功兑现） | 3-5 年（账面）/ 实际未知 | | 终端市场确定性 | 低（互联网渗透不确定）| 高（IT 替代确定）| 中（agentic AI 待证明）|

---

五、监测仪表盘：8 个可观测指标 + 敏感性阈值

把上面的所有讨论压缩成"可量化、可定期跟踪"的指标体系。当指标穿越红线时，"是不是泡沫"的判定就从主观争论变为可观测事实。

5.1 一级指标（最直接，季度跟踪）

| # | 指标 | 当前值（2026-Q1） | 黄线（警告） | 红线（确认泡沫） | 数据源 | |---|------|------------------|--------------|------------------|--------| | 1 | NVDA 数据中心收入同比 | +60% YoY | <+30% | <+10% 或负 | NVDA 财报 | | 2 | Hyperscaler capex / OCF 比例 | ~80% | >95% | >100%（capex 超 OCF） | 自计算 | | 3 | OpenAI + Anthropic 合计 ARR | $55B | <+50% YoY | <+25% YoY | The Information / Sacra | | 4 | NVDA gross margin | ~75% | <70% | <65% | NVDA 财报 | | 5 | Hyperscaler IG bond 月发行量 | $10-25B/月 | >$30B 持续 | >$40B 持续 | Bloomberg / SIFMA |

5.2 二级指标（验证机制是否健康）

| # | 指标 | 当前值 | 黄线 | 红线 | 数据源 | |---|------|--------|------|------|--------| | 6 | GPU 二手价（H100 / H200） | H100 ~$22-25k（vs 新 $30k）| 跌至 <60% 新价 | <40% 新价（容量过剩信号）| eBay / 二手平台 | | 7 | AI 数据中心利用率（Prime Intellect / Lambda） | ~80% 可观测样本 | <60% | <40% | 行业调研 | | 8 | "循环交易"金额累计（NVDA/Oracle/AMD ↔ OpenAI/Anthropic/xAI） | ~$500B announced | >$1T | >$1.5T 且违约出现 | 公司公告 / 13F |

5.3 综合判定逻辑

``` 泡沫确认 = (≥3 个红线触发) OR (任意 2 个红线 + Vendor Financing 违约出现) 软着陆继续 = (≤1 个黄线触发) AND (一级指标 1+3 维持正增长) 观察区 = 介于两者之间 ```

当前状态（2026-04-26）： - 5 个一级指标中：#2（capex/OCF 80%）已接近黄线，其余仍健康 - 3 个二级指标中：#8（循环交易 $500B 已 announced）距黄线 $1T 还有空间 - 判定：观察区，倾向"软着陆继续但 2026H2 是关键窗口"

5.4 触发再评估的"硬事件"清单

如果以下任何一个事件发生，必须立刻重做模型：

1. NVDA 任一季度数据中心收入环比转负——需求侧第一个明确信号 2. 任意 hyperscaler 公告 GPU/数据中心 impairment > $5B——Burry 警告兑现 3. 任意"循环交易"主体（CoreWeave / xAI / 一家头部 AI 创业）违约或重组——电信 1999 类比启动 4. OpenAI 或 Anthropic 单季 ARR 环比下滑——需求曲线见顶 5. Microsoft Copilot / Salesforce Agentforce 任一披露 churn rate > 30%——agentic AI 的 Bain "$2T 收入"假设破裂 6. 私募信贷 AI 敞口出现首批 default——MS $1.5T 缺口的信用传导启动

---

六、结论与开放问题

6.1 三句话结论

1. 缺口确实存在但量级取决于乘数选择——基准情景下 2026 年缺口 $200-650B，悲观下 $650-725B；选择哪个数字主要取决于GPU 实际折旧年限和 agentic AI 综合毛利率这两个变量 2. 2026 是分水岭——hyperscaler 内部现金流首次接近 100% capex 覆盖，2027 起必须依赖外部融资；如果 OpenAI / Anthropic 的 ARR 同比增速降到 +50% 以下，三大支柱（自有现金流 + 债务 + 循环交易）会同时承压 3. 历史告诉我们泡沫消化要 10 年——即使破灭，底层物理资产（GPU + 数据中心 + 电力）仍会被未来需求消化；但股权投资者和循环交易上游的次级资产会承担主要损失

6.2 五个仍未解决的开放问题

| 问题 | 为什么重要 | 等待什么数据点 | |------|-----------|----------------| | agentic AI 真实 ARPU 多少？ | 决定 Bain $2T 是不是空中楼阁 | Salesforce / ServiceNow 2026 财报 disclosure | | GPU 实际经济寿命到底是 3 年还是 7 年？ | 单一参数 = $100B+ 缺口移动 | 2026 H100 vs B100 vs B200 二手价 + 利用率脱敏 | | OpenAI / Anthropic 的 token 价格能否守住？ | 推理价格已跌 280×，再跌就摧毁付费层 | 2026 monthly $/MTok pricing 跟踪 | | 私募信贷在 AI 上的真实损失率 | 决定 MS $1.5T 缺口的信用传导深度 | Fed / 保险监管 2026 数据 | | 企业 AI agent 的 churn 与续约率 | 决定"成本节省 = 等效收入"假设是否成立 | Microsoft / Salesforce 用户级数据 |

6.3 给"如何用收入 justify capex"的最简公式

``` Required_Revenue = Capex × (1 / T折旧) × (1 / GPM) × (1 + opex) = Capex × Multiplier ```

当前可被各家机构接受的"基准合理乘数"区间是 0.5-1.0×——这意味着： - $700B capex → $350-700B revenue - 当前实际 ~$200B → 缺口至少 $150B，至多 $500B - 用全球 GDP 衡量，缺口规模相当于 0.13-0.45% 全球 GDP 的"永续转移"

任何 AI 多头都必须回答："这笔转移在 5 年内从哪里来"——答案要么是新商业模式（未发明），要么是存量替代（IT 预算+人工成本），要么是接受较低 IRR（机构降低门槛）。

三个答案中只要任意一个被证伪，缺口就转化为减值。

---

七、引用与外部链接

一手原文 - [AI's $600B Question — David Cahn / Sequoia](https://sequoiacap.com/article/ais-600b-question/)（2024-06） - [AI's $200B Question — David Cahn / Sequoia](https://www.sequoiacap.com/article/follow-the-gpus-perspective/)（2023-09）

机构口径 - [Bain Technology Report 2025 ($2T Revenue Gap)](https://www.bain.com/about/media-center/press-releases/20252/$2-trillion-in-new-revenue-needed-to-fund-ais-scaling-trend---bain--companys-6th-annual-global-technology-report/) - [JPM AM: Does Circularity in AI Deals Warn of a Bubble? ($650B IRR)](https://am.jpmorgan.com/us/en/asset-management/adv/insights/market-insights/market-updates/on-the-minds-of-investors/does-circularity-in-ai-deals-warn-of-a-bubble/) - [Morgan Stanley: Credit Markets' Role in AI Financing Gap ($1.5T)](https://www.morganstanley.com/insights/podcasts/thoughts-on-the-market/credit-markets-ai-financing-gap-vishy-tirupattur-vishwas-patkar) - [Goldman Sachs: Why AI Companies May Invest More than $500 Billion in 2026](https://www.goldmansachs.com/insights/articles/why-ai-companies-may-invest-more-than-500-billion-in-2026) - [Goldman / Fortune: Tech may only get half the profit needed to justify AI](https://fortune.com/2026/01/07/ai-companies-profit-capex-investment-goldman-sachs-stocks/)

2026 实测数据 - [CNBC: Tech AI spending approaches $700 billion in 2026](https://www.cnbc.com/2026/02/06/google-microsoft-meta-amazon-ai-cash.html) - [Futurum: AI Capex 2026 — The $690B Infrastructure Sprint](https://futurumgroup.com/insights/ai-capex-2026-the-690b-infrastructure-sprint/) - [The Information: OpenAI Tops $25B ARR](https://www.theinformation.com/articles/openai-tops-25-billion-annualized-revenue-anthropic-narrows-gap) - [Anthropic: Run-rate revenue surpasses $30B](https://x.com/AnthropicAI/status/2041275563466502560) - [Princeton CITP: GPU useful life 1-3 years vs 5-6 years account](https://introl.com/blog/hyperscaler-capex-600b-2026-ai-infrastructure-debt-january-2026)

历史对照 - [Lessons from History: Telecom Bubble — Fabricated Knowledge](https://www.fabricatedknowledge.com/p/lessons-from-history-the-rise-and) - [Richmond Fed: Boom and Bust in Telecommunications](https://www.richmondfed.org/~/media/richmondfedorg/publications/research/economic_quarterly/2003/fall/pdf/wolman.pdf) - [Parallels Between the Hyperscalers and the Telecom Firms of the 1990s — MOI Global](https://moiglobal.com/lattice-work-hyperscalers/) - [AI Capex and the Telecom Bubble: A Comparative Analysis — 7gc&co](https://www.7gc.co/insights/ai-capex-and-the-telecom-bubble-a-comparative-analysis)

关联本仓库报告 - [06_Philipp_Dubach_AI_Capex_Arms_Race_FCF_Collapse.md](06_Philipp_Dubach_AI_Capex_Arms_Race_FCF_Collapse.md) — $690B Arms Race - [09_Michael_Burry_AI_Reckoning_Write_Off.md](09_Michael_Burry_AI_Reckoning_Write_Off.md) — $176B 折旧低估 - [18_Bain_6th_Global_Tech_Report_2T_Revenue_Gap.md](18_Bain_6th_Global_Tech_Report_2T_Revenue_Gap.md) — $2T Revenue Gap - [19_JPMorgan_Michele_Kolanovic_650B_IRR.md](19_JPMorgan_Michele_Kolanovic_650B_IRR.md) — $650B IRR - [20_Morgan_Stanley_AI_Financing_Gap_1.5T.md](20_Morgan_Stanley_AI_Financing_Gap_1.5T.md) — $1.5T Financing Gap