奥特曼警示芯片产能过剩风险,多家厂商高估OpenAI采购规模

OpenAI CEO山姆·奥特曼公开指出,当前芯片厂商普遍高估了OpenAI等头部AI实验室的采购能力,存在需求重复统计问题,短期恐引发供给过剩。尽管算力长期增长逻辑成立,但行业正面临资本效率与供需错...

人工智能 阅读量: 28.06万

OpenAI首席执行官山姆·奥特曼近日发出明确预警:芯片产业链正面临短期产能过剩风险。他在11月17日的公开表态中指出,多家芯片厂商在规划产能时,将销售目标高度押注于OpenAI、Anthropic等少数头部AI企业,但这些企业的实际采购规模存在明确上限,无法消化全行业的扩张产能。

奥特曼强调,过去行业集中度高,仅有一两家主要芯片供应商时,终端需求可通过与AI实验室直接沟通进行合理预判;而如今参与者激增,不少新入局者仍沿用旧有逻辑——默认OpenAI会采购其全部出货量。“我们不可能、也没有必要从每一家芯片供应商那里采购全部产能。”他直言。

这一判断并非否定AI基础设施的长期价值。奥特曼承认,算力与数据中心建设的基本面依然坚实,例如OpenAI已规划到2030年建成12吉瓦(GW)算力基础设施。但问题在于节奏错配:短期订单火爆掩盖了结构性失衡。

当前产业链确实呈现“订单热、债务重”的两极分化。AMD的Helios算力方案已供货多家头部AI企业,公司预计2027年收入增幅超80%;美光2027财年超75%产能已被长约锁定;光模块厂商Coherent的2027年产能基本售罄,客户甚至开始预订2028年产能。然而,下游算力服务商的财务压力正在快速暴露。

AI云厂商CoreWeave披露,其2026年资本开支计划高达370–390亿美元,仅2024年第三季度利息支出就达8.46亿美元,净亏损7.09亿美元,并明确表示“不会不计代价扩张业务”。另一家服务商IREN的净债务从2.16亿美元飙升至44.3亿美元,一个月内股价暴跌42.39%。这种高杠杆扩张模式已难以为继。

文章配图

更深层的问题在于资本效率失衡。惠誉评级亚太区高级董事胡旸瑞指出,AI产业竞争重心已从模型能力转向部署效率、应用生态与商业化能力。商业化成败不再取决于技术指标,而在于能否将AI嵌入既有业务场景,依托存量客户与专有数据实现价值捕获。

联博基金市场策略负责人李长风进一步量化了矛盾:当前半导体行业营收已接近超大规模云厂商资本开支的100%,但从物理构成看,资本开支必须覆盖电力、土地、冷却等非芯片成本,这一比例显然不可持续。据其测算,半导体营收占AI总资本开支的比例将从2026年的约63%升至2030年的98%,斜率难以长期匹配。

高盛设定的回报门槛更为严苛:亚马逊、谷歌、微软、Meta、甲骨文和SpaceX六大云厂商2026–2027年AI资本开支合计约1.73万亿美元,若要实现15%的投入资本回报率(ROIC),2028–2030年需累计创造约1.42万亿美元AI收入——这一兑现难度显著抬升。

摩根士丹利则预测,AI资本开支增速或将在2027年上半年见顶,扩张斜率将明显放缓。市场需降低对“持续超预期投入”的预期。

风险传导路径也逐渐清晰。惠誉评级黄筱婷提出压力情景下的传导顺序:若AI收入不及预期,首先受冲击的是大模型企业,其长期算力采购与数据中心租赁履约能力被削弱;其次是算力服务商,因GPU采购与机房租赁成本刚性,终端需求下滑将迅速转化为现金流与再融资压力;最终订单收缩蔓延至服务器、存储及半导体硬件环节。

晶圆制造中的芯片封装环节

值得注意的是,行业内部存在明显分层。汇丰认为,头部云厂商凭借客户基础仍具备变现路径,但中小模型企业将面临更严酷的生存环境。李长风指出,超大规模云厂商拥有“削减资本开支、回归核心现金流业务”的缓冲能力,因此相对抗压。

奥特曼的警示背后,是AI基础设施投资从“抢跑阶段”向“精算阶段”过渡的信号。早期由模型突破驱动的算力饥渴正在让位于对单位算力产出效率的审慎评估。当英伟达面向AI初创企业的业务预计占明年营收四分之一时,市场必须意识到:初创企业未必都能活到规模化采购阶段。

产业链各环节正经历一场“去泡沫化”校准。芯片厂商需重新评估客户结构,避免将单一AI实验室视为“兜底买家”;云服务商需平衡扩张速度与自由现金流;而大模型企业则需加速证明其技术能转化为真实商业价值——否则,短期的产能过剩可能演变为中期的信用紧缩。

AI热潮仍在继续,但狂热之后的理性回调已悄然开始。