一、美国版故事：1.4 万亿美元“基建狂欢”
OpenAI 三个月内签下 1.4 万亿美元 GPU 订单，相当于印度尼西亚全年 GDP。钱从哪儿来？循环融资：A 轮投资人用 B 轮估值抵押，再向银行借钱买芯片，芯片跑出来的算力再卖给下一轮投资人。只要估值曲线向上，游戏就能继续——典型的“左脚踩右脚”式泡沫引擎。

二、中国版故事：4000 亿元人民币“私房钱”
瑞银统计，2025 年中国头部云厂商全部资本支出加起来 4000 亿元，仅为美国同类的 1/10。钱不是来自外部融资，而是阿里、字节、腾讯的“母体现金流”。
• 阿里 3800 亿元 AI 基建预算，全部来自电商与云业务的经营性现金流；
• DeepSeek 百亿级训练费用，由创始人上一轮量化对冲基金分红覆盖；
• 字节跳动豆包大模型，预算直接写进广告业务 ROI 考核表。
没有外部杠杆，就没有估值刚性兑付，也就没有“必须讲故事—必须更大故事”的死亡螺旋。

三、省钱不省性能：三条“土办法”对冲算力缺口

  1. 算法层做“时间换空间”
    用 MoE+动态剪枝，把同样参数量的模型推理能耗降 40%，落后一代的 A100 也能跑出 H100 80% 性能。

  2. 数据层做“质量换数量”
    医疗、电商、物流等垂直数据先喂给 13B 小模型，再蒸馏到 1.3B 边缘模型，用“小步快跑”方式把 90% 通用任务收敛到 1/10 算力。

  3. 工程层做“闲置换峰值”
    把电商大促凌晨 2–6 点的闲置算力切成 15 分钟颗粒，实时调度给大模型训练，全年额外挤出 8% 免费 GPU 小时。

四、结果：上架率 72%，美国却掉到 65%
发改委严控 IDC 电力指标，谁有真实订单谁拿配额。2025 年中国核心机房上架率 72%，连续六个季度稳定；美国部分超建区域却出现 65% 空置。
“算力紧缺”在中国成了护城河：客户排队等上架，云厂商有底气涨价 15%，ROI 直接回正。

五、应用层提前变现：广告、云、智能体“三连击”
• 阿里妈妈 AI 原生广告，CPM 溢价 35%，一季度贡献 60 亿元增量收入；
• 腾讯云混元大模型 API 调用量环比 +180%，首次覆盖掉训练折旧；
• 字节豆包智能体，让 40% 短视频脚本由 AI 生成，创作者 MCN 成本降 25%。
当美国同行还在讨论“如何向 C 端收 20 美元/月”时，中国已经把 AI 变成广告系统、云服务、内容生产的“隐形税”。

六、投资者的新公式：
美国 AI 估值 = 算力军备 ÷ 故事半径²
中国 AI 估值 = 经营性现金流 × 垂直数据密度
前者对利率极度敏感，后者对场景极度敏感。全球资金开始重新定价：同性能大模型，中国公司 PS 只有美国 1/3，却提前实现正向经营现金流，稀缺度反而更高。

七、留给市场的 18 个月窗口
瑞银预测 2026 年中国模型能力全面对齐 GPT-5，但资本支出仍只会增至美国的 1/8。一旦国产 7nm 集群规模出货，边际训练成本有望再降 30%。届时“省钱+赚钱”双飞轮成型，中国 AI 资产可能从折价直接变溢价。观望者只剩下两条路：要么现在学会用 ROI 模型选公司，要么 18 个月后高价追“中国性价比”。

结语
泡沫的本质是烧钱速度超过赚钱速度。当美国用杠杆把 GPU 堆成摩天大楼，中国用现金流先盖了一层可出租的“商铺”——而且已有人排队交租。十倍省钱不是吝啬，而是把资源集中在商业闭环最快的赛道。谁先跑出正向现金流，谁就拥有下一轮技术爆炸的门票。中国 AI 没烧钱，却烧对了节奏：跳过泡沫期，直接进入“自我造血”时间。