黄仁勋被罢免!英伟达5万亿美元估值背后的循环泡沫被揭开?

2026年11月,黄仁勋突然被罢免英伟达掌门人一职,全球金融市场剧烈震荡,英伟达市值在短短数日内蒸发数千亿美元。

英伟达成AI央行 黄仁勋被罢免揭五万亿估值循环泡沫

「资产负债表黑洞」

财经媒体的头条集中报道这位长期执掌公司的首席执行官的个人丑闻与间谍指控。但真正让华尔街担忧的不是董事会里的失德丑闻,而是资产负债表上的黑洞。

黄仁勋不只是这轮人工智能热潮中极具个人魅力的推销员,更是一张庞大、自我循环的金融关系网的总设计师。正是这张网,让整场AI泡沫得以维持不破。

在黄仁勋掌舵下,英伟达已超越传统半导体供应商的角色,一度充当整个AI生态系统的「中央银行」和风险投资金主。

在AI算力竞赛中,英伟达累计构建了规模超1100亿美元的股权投资组合。其中超600亿美元注资OpenAI、Anthropic等前沿AI企业及新兴云服务商,其余重仓上游芯片与供应链巨头。

英伟达还通过表外融资与信用支持缓解客户资金压力:为超过1000亿美元的数据中心租赁债务提供担保,甚至承诺从自己的云服务客户手中回租算力。

实际上,英伟达是在出钱资助购买自家处理器的买家。资金从英伟达流向AI实验室和新兴算力云初创企业,随后又以硬件销售收入的形式流回英伟达的营收账面,形成一个资本循环回路。

只要黄仁勋坐镇这张网的中央,向投资者保证市场对芯片的需求永无止境、GPU的价值坚不可摧,这种左手倒右手的资金循环看起来就像有远见的生态布局。他的骤然离场打破了这层光环,市场不得不面对一个事实:英伟达高达5万亿美元的估值,完全建立在一个旨在人为消化芯片产能、托举硬件价格的循环融资回路之上。

AMP

不过,「仁勋府的倒塌」(the fall of the House of Jensen,化用自爱伦·坡名作《厄舍府的倒塌》)只是更深层结构性断层错动的表面震颤。即便黄仁勋能无限期留任,美国的AI繁荣也注定要与物理极限和经济现实迎头相撞。

在硅谷董事会议室和华尔街交易台上,关于人工智能的主流叙事仍像一种准宗教信仰:只要向芯片、数据中心和吉瓦级电力设施投入数千亿美元,宏观经济的全要素生产率就必然随之跃升。

这种植根于主流经济学教科书的世界观认为,不断堆砌资本就能自动向外推升经济的生产可能性边界,用高效率的算力取代昂贵的人类劳动力。

但如果用「热经济学」(thermoeconomics)来审视——即把物理能源、原材料和现实供应链视为一切经济活动不可化约的物质基础,而不是电子表格上被动的财务条目——美国AI产业的演进轨迹就不像一场势不可挡的工业革命,而更像一个自我吞噬的泡沫。

美国的AI大规模基建没有开启丰裕时代,反而正在酿成双重危机。

一方面,它疯狂抽取物理资源,让美国经济其他部门陷入电力、货币资本和熟练技工的极度匮乏。

另一方面,它是一个经济陷阱:举债堆砌的基础设施达到顶峰之际,企业端对AI的实际需求却面临全面崩盘的威胁。

债务驱动的超级周期与「提示词注水」神话

AI繁荣的账目算不平,体现在美国科技巨头的投入与实际收入之间日益扩大的鸿沟。

2023年至2026年间,美国4大超大规模云厂商——Alphabet、亚马逊、Meta和微软——的年度资本开支总额从约1300亿美元增至预估的7300亿美元。在这4年间,资本开支占总营收的比重从8.1%升至34%。而2026年整个行业由AI直接贡献的预估营收只有1500亿美元左右。

繁荣的头2年,科技巨头还能靠自身庞大的现金储备为扩张买单。从2025年开始显现、并在2026年急剧加速的趋势是,资本开支的膨胀速度彻底超过了企业内部现金流的造血能力。

为了不掏空自有资金池,各大超大规模云服务商大举转向公司债市场、银团贷款、私募信贷以及表外合资企业,仅一年之内就发行了远超2000亿美元的AI相关债务。一场起初由自有现金驱动的软件竞赛,就此变成一场高杠杆、由巨额债务托底的重资产基础设施超级周期。

更关键的是,被用来为这笔巨额债务做合理性背书的「算力消耗暴增」,很大程度上并非真实自发的市场需求。

在美国各地的企业办公室里,急于向华尔街展示「数字化转型」政绩的高管自上而下给员工摊派硬性的AI使用指标。迫于内部绩效考核压力,员工把日常邮件、基础摘要和琐碎行政杂务都塞进高耗能的大语言模型跑一遍,只为凑够词元(token)消耗量的考核指标。

这种被称为「刷词元」(tokenmaxxing)的现象,制造出大量低价值的「提示词泡沫」。云服务供应商却把这种靠行政命令推出来的虚假用量误判为深不见底的真实市场需求,并基于「企业算力胃口将永远膨胀下去」的假设,投入数千亿美元兴建吉瓦级数据中心。

主流经济学理论纵容了这种盲目,因为它把「资本」视为一团均质、单一的货币符号,认为钱堆得越高,产出的回报必然越多。

早在上世纪50、60年代,「剑桥资本争论」就从逻辑上击穿了新古典经济学「资本可以加总为一种同质生产要素」的前提。

皮耶罗·斯拉法(Piero Sraffa)证明,资本不是某种均质的「魔法物质」,而是由车床、输电线、硅芯片、冷却塔等具体物理实体组成的集合。这些资本品的价值不是内在的物理量,而是随工资与利润率等分配关系变动的相对价格。

因此,技术进步并不沿着「越发达越资本密集」的平滑单向扶梯直线上升。在工资—利润率的不同区间,成本最小化的技术选择可能来回切换:当利润率降到某一区间,经济体完全可能出于理性算计,放弃精密复杂的资本密集型技术,重新采用资本—劳动比更低、劳动密集度更高的生产方式。

这一现象被称为「技术再转换」(reswitching)。

AMP

剑桥资本争论又称两个剑桥之争(the two Cambridges debate),是20世纪50年代至70年代新古典综合派和新剑桥学派(后凯恩斯学派)在资本理论领域的争论。争论始于新剑桥派对资本加总的质疑,逐渐扩展到分配理论、价值理论与一般均衡理论。

「技术再转换」陷阱:当企业算清成本账……

在当今美国AI行业,触发剧烈「技术再转换」的所有前置条件正在全部就位。

热潮初期,AI算力显得异常廉价,是因为风险投资的补贴和科技巨头的资产负债表替客户承担了硬件建设与运营的真实成本,而白领薪资仍维持在正常基准线上。在这种条件下,用聊天机器人处理日常行政工作自然显得划算。

现在,2股反向力量正冲击这一商业模式。

第一,企业界借AI之名大举推行白领裁员、招聘冻结和降薪施压,压平了受冲击白领群体的实际工资,并掀起新一轮白领岗位海外外包浪潮。

第二,支撑AI运转的物理基础设施撞上物质极限,运营成本急剧上升。数据中心需要海量、全天候不间断的稳定电力,而美国电网深陷多重瓶颈:高压变压器订单积压长达数年,特种电工钢(取向硅钢)严重短缺,重型燃气轮机的交货排队周期长达10年。电力基础设施无法像软件代码那样凭空变出来,新建数据中心获取稳定电力的边际成本正陡峭攀升。

这让超大规模云服务商和前沿AI实验室陷入死胡同。

如果它们提高云服务和应用程序接口价格,把飙升的电费与偿债成本转嫁给企业客户,正在审计IT预算的CFO们很快会算清这笔账:花高昂的云服务费、驱动高耗电的GPU集群处理臃肿的日常行政流程,成本远高于直接雇佣薪资被压低的本土员工或海外外包团队。届时,企业的词元预算将被大幅削减,人为凑数的「提示词泡沫」将迅速消失,企业将纷纷发生「技术再转换」,重新使用人类劳动力。

反过来,如果云服务巨头为抵御廉价开源模型的激烈竞争而人为维持低廉的词元价格,它们就无法赚取足够利润偿还积压的债务,收回成本将遥不可及。无论走哪条路,这套商业模式都已撞上南墙。

上一篇 2026/11/19 00:01
下一篇 2026/11/19 00:01

相关推荐

发表回复

登录后才能评论