終局思維看AI：大模型淘汰賽之后，算力還會稀缺嗎？

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：大國產業邏輯Paul哥

來源：雪球

如果按終局思維看，現在的大模型競爭，很像幾年前的新能源車競爭。

一開始大家都覺得賽道足夠大，所有人都有機會。資本、人才、政策、產業鏈一起涌入，市場相信只要站在風口上，就能成長為下一個時代巨頭。

但最后一定會發現，真正能活下來的公司不會太多。

新能源車如此，大模型也會如此。

不是每家公司都有資格訓練基礎大模型，不是每一個創業團隊都能承受千億級別的算力投入，不是每一個模型都能拿到足夠多的用戶、數據、場景和現金流。

最終，大模型行業一定走向強者恒強。

頭部模型吃掉用戶，頭部平臺吃掉生態，頭部云廠吃掉基礎設施，弱模型、偽模型、重復模型、沒有應用場景的模型，會被逐漸淘汰。

所以，從這個角度看，市場擔心算力過剩，并不是沒有道理。

過去兩年，全球AI硬件鏈最核心的敘事就是一句話：算力永遠不夠。

只要模型參數繼續擴大，只要訓練集群繼續堆疊，只要英偉達下一代芯片繼續迭代，只要云廠資本開支繼續上修，那么GPU、HBM、光模塊、服務器、液冷、PCB、交換機、數據中心，就都能享受持續高景氣。

這個邏輯在產業爆發初期是成立的。

但問題在于，任何產業都不可能永遠停留在不計成本搶產能的階段。

終局一定會回到商業本質：誰在付錢？誰在賺錢？投入的算力能不能變成收入？收入能不能覆蓋折舊、電費、HBM成本、網絡成本和運維成本？

這才是現在市場真正開始擔心的地方。

大模型會死掉一大批，這意味著什么？

首先，訓練算力會出現階段性過剩。

很多模型公司過去買卡、租卡、建集群，本質上是在賭自己能夠進入終局。但如果融資環境變冷，模型能力追不上頭部，用戶增長停滯，商業化不及預期，這些公司就不可能繼續高強度訓練。

一旦中小模型公司停止燒錢，邊際訓練需求一定會下降。

這部分算力需求，確實存在泡沫。

這就像新能源車行業早期，大家都在建工廠、上產能、搶供應鏈，最后需求沒有想象中那么快，價格戰就來了，產能利用率就下來了，設備商、材料商、二三線零部件公司就開始承壓。

AI硬件鏈也會有類似過程。

尤其是那些單純綁定下一代訓練集群擴張的公司，最容易受到沖擊。

但是，不能因此簡單得出結論：大模型死掉，所以算力需求崩塌。

因為AI和新能源車有一個非常大的不同。

汽車賣出去以后，是一臺車；AI模型跑起來以后，是持續消耗算力。

模型公司的數量減少，不代表用戶需求減少。恰恰相反，當模型能力更強、成本更低、體驗更好以后，用戶可能會更加集中地使用頭部模型。

以前一個人一天問AI幾十次，未來一個Agent可能替你連續工作幾個小時。

以前AI只是回答問題，未來AI可能寫代碼、做設計、生成視頻、分析報表、處理郵件、操作軟件、輔助科研、參與工業控制。

以前算力主要消耗在訓練端，未來算力會越來越多地消耗在推理端。

所以，真正的變化不是算力需求消失，而是算力需求結構發生變化。

訓練端從百花齊放走向頭部集中，推理端從早期嘗鮮走向日常消耗。

這也是為什么我認為，終局不是算力完全過剩，而是無效算力過剩，有效算力繼續稀缺。

什么是無效算力？

沒有客戶的算力，是無效算力。

沒有高利用率的算力，是無效算力。

沒有電力、網絡、運維優勢的算力，是無效算力。

只能服務重復訓練、不能服務真實推理需求的算力，是無效算力。

只靠地方補貼、講產業園故事、沒有商業閉環的數據中心，也是無效算力。

什么是有效算力？

綁定頭部云廠、頭部模型、頭部應用的算力，是有效算力。

單位成本足夠低、利用率足夠高、能持續轉化為收入的算力，是有效算力。

能夠服務推理、Agent、多模態、產業應用、國家級AI基礎設施的算力，是有效算力。

未來過剩的，不是所有算力，而是無效算力、重復算力、低利用率算力、沒有ROI的算力。

從中國視角看，算力還不只是商業問題，也是一種戰略基礎設施。

AI已經越來越國籍化、軍事化、產業化。中美科技競爭的背景下，算力不會完全按照市場經濟的短期回報來配置。

國家要有自己的模型，重點行業要有自己的模型，金融、能源、軍工、制造、通信、醫療、政務，都需要可控算力和可控數據。

所以，中國不可能因為海外模型公司死掉一批，就停止算力建設。

但這也帶來另一個問題：戰略投入不等于所有上市公司都有投資價值。

基礎設施建設可以繼續，產業趨勢可以繼續，但股票估值不能無限透支。

這就像新能源車行業一樣。

新能源車是大趨勢，這一點沒有錯；但在趨勢中，很多整車廠死掉了，很多電池廠利潤被壓縮了，很多材料公司從高增長變成強周期，很多設備公司從香餑餑變成產能過剩。

產業趨勢沒有錯，錯的是市場把所有環節、所有公司、所有估值都當成贏家來定價。

AI硬件也一樣。

AI產業長期一定有未來，但不代表所有AI硬件股都有未來。

真正需要警惕的是，市場之前把算力永遠不夠交易成了一個線性外推的故事。

今年買，明年翻倍；明年買，后年繼續翻倍。

GPU繼續漲，HBM繼續缺，光模塊繼續擴，液冷繼續爆，PCB繼續漲價，服務器繼續堆，數據中心繼續建。

但當市場開始問ROI的時候，估值體系就變了。

云廠資本開支能不能回收？

高端AI服務器折舊幾年？

HBM價格漲到最后，客戶能不能接受？

Rubin機柜成本太高，部署節奏會不會放慢？

推理價格持續下降，能不能覆蓋硬件投入？

模型公司集中化之后，中小訓練需求會不會消失？

這些問題一旦被市場反復追問，AI硬件就會從無腦成長股變成周期成長股。

這不是說產業結束了，而是說最舒服的估值階段可能過去了。

以前市場只看需求彈性，不看供給周期；只看收入增長，不看資本回報；只看技術迭代，不看客戶利潤。

后面市場會越來越看質量。

誰有定價權？誰綁定頭部客戶？

誰不是單一代際依賴？誰的產品不是隨時被替代？

誰能在需求放緩時保持利潤？誰能從訓練切到推理？

誰能從海外鏈切到國產鏈？

這才是下一階段AI硬件投資的核心。

所以，如果按終局思維看，大模型會死很多，但AI不會死。訓練算力會階段性過剩，但推理算力不會簡單崩塌。無效算力會過剩，但有效算力仍然稀缺。硬件需求不會歸零，但硬件估值泡沫會被重估。

產業趨勢還在，但股票會分化。

頭部模型更強，二三線模型出清；頭部云廠更強，弱算力平臺出清；核心硬件仍有需求，邊緣硬件開始承壓；有定價權的環節活得更好，沒有定價權的環節開始被周期審判。

這是AI硬件接下來最需要面對的問題。

真正的風險不是AI沒有未來，而是很多股票已經把未來提前漲完了。

真正的機會也不是繼續相信所有算力都稀缺，而是去尋找那些在終局里仍然稀缺的東西。

終局不是算力崩塌。

終局是泡沫退潮后，市場重新區分什么是有效算力，什么是無效算力；什么是真需求，什么是偽需求；什么是真龍頭，什么只是風口上的豬。

AI大時代還沒有結束。

但AI硬件的無差別狂歡，正在進入下半場。