近期，人工智能和半导体专家迪伦·帕特尔 (Dylan Patel) 接受采访时，深入探讨了计算的过去、现在和未来，推动人工智能发展的巨额资本需求，从 OpenAI 与甲骨文达成的 3000 亿美元交易到英伟达的战略合作。内容涵盖了电力基础设施挑战、美中在人工智能领域的竞争、前所未有的人才争夺战，以及当前人工智能热潮与以往科技泡沫的不同之处。

由于全文较长，特摘取了核心部分，分成了上、下两篇，逻辑是从“为什么要烧这么多钱”，到“钱到底烧出了什么”。

上篇：钱、算力、资本赌局 ，AI 为什么变成了万亿美元工程？
下篇：智能如何落地，AI 怎么从“会说话”变成“会干活”？

下面是上篇的部分：

如果把 2025 年的 AI 讨论全部拉平，你会发现一个颇具讽刺意味的事实：技术本身反而不再是最难的部分，真正让人睡不着觉的，是电力账单、资本支出和“还能不能撑到下一轮进化”。这是一个越来越清晰的产业现实，AI 正在从一场工程竞赛，迅速演变为一场万亿美元级别的耐力赛。

过去几年，人们习惯用“模型参数”“能力跃迁”“通用智能”来讨论 AI 的未来，但资本市场已经悄悄换了一套语言体系。现在的问题不再是模型够不够聪明，而是：谁能持续供得起算力，谁能在亏损周期里活下来，谁又能在真正变现之前不被账单拖垮。AI 的分水岭，正在从“技术领先”转向“资本续航”。

这也是为什么，当 OpenAI、微软、甲骨文、英伟达围绕算力展开合作时，市场的第一反应不是“这是不是左手倒右手”，而是“这得烧掉多少钱”。答案并不温柔。按照行业通行测算，1 吉瓦级别的数据中心，每年的综合投入和运行成本大致在 100 亿到 150 亿美元之间，而 OpenAI 已经公开讨论 5 吉瓦、甚至 10 吉瓦规模的长期算力需求。这意味着什么？意味着五年期合同动辄就是数千亿美元级别的承诺，几乎相当于一家大型科技公司一个完整周期的资本支出总和。

在这种量级面前，争论“AI 会不会有泡沫”反而显得有点小家子气。真正严肃的问题是：如果不这样烧钱，会发生什么？答案可能比泡沫破裂更难看。模型能力一旦停滞，应用层的效率红利就会戛然而止，而美国当前这轮由 AI 驱动的投资、就业和生产率预期，也会随之失速。这并不是危言耸听，而是很多决策者心里清楚却不太愿意明说的底层逻辑。

因此你会看到一个看似矛盾、但其实非常理性的现象：即便 AI 还没完全跑通商业闭环，资本依然选择提前下注，把算力先堆出来。不是因为他们对未来过于乐观，而是因为他们承受不起“掉队”的后果。AI 不是传统意义上的渐进式创新，而是一种一旦形成规模优势，就会迅速拉开差距的技术体系。谁先把基础设施搭好，谁就有资格进入下一阶段；没进场的人，连犯错的机会都不会有。

这也解释了为什么“无限资金 Bug”会成为行业的隐性门槛。理论上，任何公司都可以训练模型，但现实是，真正能长期负担顶级训练和推理成本的玩家，已经屈指可数。算力不是云服务菜单上的一个选项，而是一条不断上涨、几乎没有天花板的成本曲线。当竞争进入这个阶段，所谓的“创业公司机会”，往往只存在于 PPT 和发布会上。

很多人喜欢用“算力收益递减”来质疑这场豪赌，认为模型越往后越不划算。但这种说法忽略了一个关键事实：AI 能力的提升并不是线性的。就像一个 6 岁的孩子和一个 16 岁的少年，看起来只是年龄差，但背后是认知结构、抽象能力和执行力的断层式变化。模型也是一样。能力提升的边际曲线看似放缓，但一旦跨过某个阈值，带来的应用空间往往是全新的维度。

真正的问题不在于模型有没有价值，而在于模型太贵、太慢、太难规模化服务。这也是为什么 GPT-4.5 这样的“能力展示型模型”在商业上并不成功，而更“务实”的模型反而成为企业客户的首选。市场用真金白银投票，投的不是“最强智能”，而是“性价比最高的智能”。

在这个过程中，一个原本偏技术的话题，正在被重新定义为经济学问题。Token 不再只是工程指标，而是成本单位；智能不再是抽象能力，而是可以被生产、被定价、被消耗的商品。你有 1 吉瓦算力，可以选择训练多个中等模型，也可以孤注一掷押注一个顶级模型，甚至可以把算力分配到推理服务上直接换现金流。不同的选择，决定的是完全不同的商业路径。

这也是为什么，AI 的竞争越来越像重资产行业，而不是软件创业。它更接近能源、基建和制造业的逻辑：前期投入巨大，回报周期极长，中途几乎没有回头路。站在今天这个时间点，很多公司其实已经没有“观望”的选项了。要么进场烧钱，争取未来的主动权；要么保持谨慎，然后接受被边缘化的结果。第三条路，基本不存在。

当然，这并不意味着风险消失。恰恰相反，这种规模的资本投入，把不确定性放大到了前所未有的程度。如果未来几年，AI 的需求增长低于预期，或者效率提升没有兑现为真实现金流，那么高昂的算力资产很可能会变成沉重的负担。到那时，市场的情绪切换也会异常迅速，今天的“战略投入”，可能明天就会被贴上“过度扩张”的标签。

但这正是这场耐力赛最残酷、也最真实的地方。AI 的问题从来不是“值不值得做”，而是“谁有资格把它做完”。当行业进入拼资本、拼耐心、拼现金流承受力的阶段，很多看似宏大的技术讨论，其实已经退居二线。真正决定胜负的，是那些不太性感、但极其现实的数字：电力容量、服务器数量、折旧周期、融资成本。

所以，当人们还在争论 AI 是不是泡沫时，赛道的规则早已发生变化。今天的 AI，不再是讲故事的游戏，而是一场持续多年、消耗巨大的耐力对决。能留下来的，不一定是最聪明的玩家，但几乎一定是最能熬的那一批。接下来的问题也随之浮现：如果单纯堆算力的红利逐渐变薄，AI 的下一次跃迁，究竟靠什么发生？这，才是真正值得下一篇去拆解的地方。