【行情快报】一文看懂「AI 永动机」！

我们想让你知道的是：
今年 AI 领域的主要参与者之间陆续签订了许多合作协议，形成错综复杂的利益共同体，并被市场戏称为「 AI 永动机」。企业间循环交易是否有资金断链的风险？后续又该关注什么指标？这是本文想要分享的。

本文重点：

何谓 AI 永动机：AI 领域的主要参与者透过相互承诺购买、投资计画，彼此形成利益共享的命运共同体，其中包含作为「燃料」的算力供应商、作为「齿轮」的云端服务供应商、以及作为「引擎」的终端应用供应商。
剖析 AI 应用增速：终端应用能否持续扩大是永动机当中最关键的部分。目前 AI 普及速度远超过去生产力循环，进一步估算 OpenAI 营收、成本，中性偏乐观的情境下，我们认为 OpenAI 有望于未来 3 年内资金缺口翻正，支撑 AI 资金生态系持续运行。
后续关注三大指标：1）终端应用供应商：引擎是否空转；2）云端服务供应商：齿轮是否顺利运作；3）算力供应商：燃料是否足够。

加入 MM 订阅会员看全文 !!

自 9 月以来，AI 产业链的利好消息接连不断，先是 Oracle 取得来自 OpenAI 高达 3,000 亿美元的采购大单，随后 Nvidia 、 CoreWeave 、 AMD 等厂商也陆续宣布与 OpenAI 达成投资与其他合作协议。如今的 AI 产业似乎逐渐形成为一个错综复杂的利益共同体，并被市场戏称为「 AI 永动机」，这也反映出外界对企业间循环交易风险的关注正在升高。究竟 AI 永动机的架构为何？资金是否有断链的风险？后续又该关注什么指标？本文将带你一次解析。

一、何谓「 AI 永动机」？真正的关键节点在哪？

今年以来，AI 领域的主要参与者之间陆续签订了许多合作协议，大体上以 OpenAI 、 Nvidia 、以及几大 CSP 厂为核心，形成彼此利益高度绑定的生态圈。上述科技公司透过相互承诺购买、投资计画，彼此形成利益共享的命运共同体，而这样的「 AI 永动机」存在着什么风险？我们首先用一张图看懂「 AI 永动机」的各个节点，可以大致将 AI 相关企业分为三个阶层：

算力供应商（燃料）：最底层是提供 CPU 、 GPU 等 AI 芯片的上游厂商，例如 Nvidia 、 AMD 等。这些厂商提供的芯片相当于整座 AI 系统的「燃料」，是支撑整个 AI 发展的基础。
云端服务供应商（齿轮）：第二层是提供云端基础设施与运算服务的中游厂商，也就是所谓的云端服务供应商（Cloud Service Provider，以下简称 CSP 厂），包含 Microsoft 、 Amazon 、 Meta 、 Alphabet 等。这些企业搭建的云端基础设施相当于 AI 系统的「齿轮」，齿轮顺利运转之下，便能将燃料顺利转换为算力。
终端应用供应商（引擎）：最后一层是直面终端需求，提供终端应用的下游厂商，以开发出 ChatGPT 的 OpenAI 为主要代表。而 OpenAI 也相当于 AI 系统最终驱动的「引擎」，负责将中上游的算力资源落地为具体的生产力与商业价值，进而推动整个产业链的运转与增速。

file

接着，我们再将企业间琳琅满目的合约、承诺整理后，可以归类为三大主要类别：

芯片购买协议：中游 CSP 厂直接向芯片供应商约定，购买特定金额或数量的芯片，以进行算力的布建。
算力购买 / 租赁协议：中、下游厂商在特定期间内，再向上层厂商购买或租赁算力的合约，其中特别值得留意的是，由于承诺采购金额多在未来发生，因此当下尚未完成的合约义务便会反映在财报中的剩余履约义务（Remaining performance obligations，RPO），例如 Oralce 拿下 OpenAI 3,000 亿采购大单后，2025 Q3 剩余履约义务同比飙高超过 350% 。
投资 / 分润协议：最后是企业之间的互相投资、分润，例如 Nvidia 于 9/22 宣布向 OpenAI 投资 1,000 亿美元、 Microsoft 与 OpenAI 达成的分润计画、又或是 10/6 OpenAI 向 AMD 部署 GPU 、换取 10% 的股权的战略协议。

经过这样的梳理后，便能看出目前 AI 产业的运作生态：下游直接面临终端需求的 AI 软件公司，透过一层一层的算力交易，取得运算资源生产 AI 产品（获得燃料及齿轮，以打造引擎），中游的 CSP 厂以及上游的半导体芯片公司将获取的资金，重新投资到下游厂商，期待随着 AI 应用扩大，能够一同分享其增速带来的收益。

file

然而，在这样的生态系底下，不免也会产生隐藏风险，如同客户过度集中、营收重复计算、财务槓桿风险等，我们从上述分析中，可以得出针对「 AI 永动机」的三点结论：

越往下游、财务槓桿风险越大：不同于上游面对实际芯片需求的算力供应商，中游的 CSP 厂的需求来自于对 AI 终端应用持续扩大的预期，却必须提前投入大量资本搭建算力基础设施，属于「先支出、后变现」的商业模式，而最下游的软件公司，更是直接面对消费者是否买单 AI 产品的未知，且须依靠接收投资延续现金流，槓桿风险也最大。
客户集中度上升伴随营运风险：分散风险在此生态系中更加重要，尤其须留意营收高度集中在单一客户的厂商，以 Oracle 为例，预其未来五年营收一度会有超过 8 成集中在 OpenAI，远高于其他 CSP 大多不到 2 成的比例，使 Oracle 面临更高的营运风险，反之，若有其余客户或是业务项目支撑现金流的 CSP 厂则能相对稳健。
「引擎」仍然是永动机最关键的部分：上述风险是否会引爆形成资金断裂，最终的关键取决于终端应用扩散的速度，若 AI 应用场景能够持续拓展，使 AI 渗透率如预期提升，AI 生态系的「引擎」便能够落地运转，让整个 AI 产业链共享利润、带动正向循环。针对终端应用这个关键节点，也是我们将在下段深入探讨的重点。

file