在被誉为“第四次工业革命引擎”的生成式 AI 身上，一场巨大的经济现实考验正在逼近。
美国科技评论人 Ed Zitron 近日在长文《AI Is Slowing Down》中直指，当下 AI 泡沫远不止是“估值过高”这么简单，而是一整套几近不可持续的资金与基础设施结构：巨额数据中心投资、天文数字的算力采购承诺、以及远远跟不上的真实营收。
他给出的核心结论是：如果按现在的建厂和算力承诺继续走下去，到 2030 年前后，AI 相关服务每年至少要创造 2 至 3 万亿美元营收，整套体系才能勉强自洽。
「为了不崩盘，AI 只能不断加速」
Zitron 引述多方公开数据指出，当前全球规划中的数据中心容量约为 190GW。按英伟达 CEO 黄仁勋此前对外给出的估算，每 1GW 数据中心投资额在 800 亿至 1,000 亿美元之间，这意味着正在建设或规划中的数据中心总体投入高达 9.5 至 15 万亿美元——远高于市场舆论中常被提到的「3 万亿」。
与此同时，云厂商与 AI 实验室之间，已经签下了体量惊人的长期算力采购合约：
- Anthropic 与 Google、亚马逊、微软等签下的算力与芯片承诺总额，已达数千亿美元量级，还包括与 CoreWeave、SpaceX 等的额外协议。要支撑这些支出，Anthropic 需要在 2029 年把年营收做到千亿美元级别。
- OpenAI 同样签下了数千亿美元的算力承诺，并预计在本十年末前合计烧掉近万亿美元资金，远超其当前营收与已完成融资体量。
与之形成鲜明对比的是：除了这两家“超级买家”和少数几家云厂商外，市场上几乎不存在其他能稳定消化如此庞大算力的终端客户。目前整条 AI 产业链之外的真实需求，仍停留在“几十亿美元级别”，而非“几千亿”。
在 Zitron 看来，要支撑这些投资，“AI 不能慢下来”不是口号，而是赤裸裸的财务刚性约束：OpenAI、Anthropic 这类公司未来几年几乎每年都需要实现营收翻倍式增长，同时在极短时间内走向盈利，否则根本无力履行合约。而一旦它们压缩开支，意味着对云厂商和数据中心的算力需求下降，进一步冲击上游 NVIDIA 等硬件厂商的增长故事。
token 计费时代，企业开始「清醒」
更直接的压力，已经在下游客户身上显现。
随着 OpenAI、Anthropic 等在 2026 年陆续将企业用户切换到基于 token 的精细计费模式，算力真实成本开始暴露。《华尔街日报》等媒体报道显示，大量企业 CFO 发现自己对 AI 成本几乎没有实时可视性，往往只能在账单出来之后，才意识到支出已经“失控”。
文章援引多家公司的案例：有企业在未设置预算上限的情况下，一个月就在 Anthropic 的模型上花掉 5 亿美元；也有公司一个季度就耗尽了全年的 AI 预算，被迫紧急设定严格额度上限。Uber、T-Mobile、Brex 等，被曝已经对内部工程师和员工设定每人每月乃至每周的 token 花费上限，有的非工程人员每周可用额度甚至被压缩到个位数美元。
Zitron 将这种商业模式形容为“靠蒙住客户眼睛赚钱”——在他看来，如果企业连单次 AI 任务的真实成本、与业务产出之间的关系都说不清，那么这类收入根本谈不上可持续。如今，随着 token 制计费的普及，“AI 是否真的值得这笔钱”成了越来越多大公司的公开疑问。
产品能力与成本结构的双重困局
在算力与资本的高压之下，AI 公司一方面试图通过新形态的“agent”“循环式工作流”等概念，鼓励用户在自动化任务中“多烧一点 token”；另一方面，却迟迟拿不出能够稳定创造可衡量价值、且拥有清晰盈利路径的产品形态。
Zitron 以电影《飙风战警》中的巨型机械蜘蛛作比：一台每次启用就要花 4 万美元的“金属蜘蛛”，有时能帮你打开冰箱拿出饮料，有时却会一拳打穿冰箱；有时能泡出一杯咖啡，有时则会把咖啡壶砸个稀烂。对于被高额订阅费和补贴屏蔽掉真实成本的普通用户来说，这些代价尚可被当作“新技术早期的小瑕疵”；但对于必须为每次调用付费的企业客户而言，每一次失误都是赤裸裸的费用。
他直言，生成式 AI “无疑能完成一些任务，有时甚至能做到与人类相当”，但其本质特征——结果不可预测、错误难以界定责任、成本刚性且高昂——让其很难在关键业务流程中扮演“基础设施级”的角色。
更棘手的是资本结构：当前 AI 公司与云厂商、硬件供应商之间，形成了一个高度循环的资金闭环——AI 实验室向云厂商购买算力，云厂商将资金投入扩建数据中心与购入 GPU，硬件厂商再以投资、合作等形式，将资金回流至 AI 公司和云厂商。只要故事还在继续，这套循环可以暂时维持；一旦真实需求无法按预期放大，任何一环的放缓都会引发连锁反应。
泡沫的压力，最终落在从业者身上
在文章的最后，Zitron 将视角转向被夹在这场叙事与资本博弈之间的一线科技工作者。他称，自己每天都能听到来自大厂工程师、产品经理的反馈——在“必须全力做 AI、不然就被裁”的内部口号之下，许多人被迫将大部分时间投入到效果模糊、价值难以衡量的 AI 项目中，同时还要承受持续裁员和绩效压力。
他认为，这种“方向不清的军备竞赛式投入”，既没有给用户带来更好的产品体验，也没有给员工带来更好的工作环境，反而让整个行业在技术与业务上都愈发焦虑。