SpaceX——一个火箭公司——把Colossus数据中心32.5万张H100 GPU以月费12.5亿美元租给Anthropic。紧接着Google签了单，月费9.2亿美元租了11万张。Reflection AI和Cursor也上了船。SpaceX靠当"GPU二房东"赚的钱，已经超过了火箭发射收入。
不到一个月，Meta宣布搞"Meta Compute"云业务，把自己过剩的AI算力打包卖给第三方。消息一出，CoreWeave、Nebius等独立GPU云股价应声暴跌。
如果你刷到这两条新闻，大概率会自动得出结论：AI基建过剩了，泡沫要破了。
这个推理链条看起来无懈可击。但它在最关键的一步上错了。
出租算力 ≠ 算力过剩——你得看谁在租、为什么租先回答一个问题：SpaceX的算力是租给谁的？
Anthropic（整租）、Google（11万GPU）、Reflection AI（GB300芯片）、Cursor。全是头部AI公司，全是追着SpaceX要产能的。Anthropic每月掏12.5亿美元——这个价格远高于市场价——说明Anthropic对算力的渴求已经到了"多少钱都行"的程度。
那Meta的算力为什么出租？不是客户太多产能不够——正好相反，是Llama模型生态撑不起几百亿美元的GPU投资。
Meta 2026年AI相关亏损预计可达140亿美元。Llama虽然是开源社区影响力最大的模型之一，但商业变现能力远远落后于ChatGPT和Claude。Meta AI助手日活增长陷入停滞，没有足够的外部流量和收入来消耗巨额的GPU产能。
两个"出租"，指向完全相反的结论：
SpaceX出租 = 客户主动上门、需求追着跑 → 头部AI公司算力缺口巨大Meta出租 = 产能无法消化、被迫变现 → 自己的模型生态吸不动用户这组对比，是整篇文章的命门。
SpaceX之所以有算力可出租，有一个关键背景：xAI的Grok原本在Colossus跑，但Grok在市场上没拿到显著份额。马斯克的选择很干脆——与其让Colossus跑自己的小众模型，不如把产能以超高价格租给真正的头部玩家。这不是产能过剩，这是产能再分配：把算力从"跑不出价值"的项目导向"能跑出价值"的公司。
Meta的处境是另一回事。它2024-2026年在AI基建上的累计投入预估超过800亿美元，但从AI产品中的直接收入微乎其微。Llama在开源社区虽然受欢迎，但"开源影响力"不等于"商业成功"——企业级推理和付费API调用量远不如竞争对手。核心社交平台的广告业务固然受益于AI推荐系统，但那只是"内部降本增效"，不是"外部产品成功"。巨大的CapEx和折旧压力，才是Meta被迫出租算力的真正原因。它不是SpaceX，它没有Anthropic和Google追着要产能——它有一个填不满的亏损窟窿。
互联网泡沫2.0？不，这是在重演2000年的洗牌2000年泡沫破裂时，市场哀嚎遍野——互联网完了。但真正发生的是：靠PPT融资的.com公司烧光钱倒闭了，而Amazon和Google这些有价值的产品活了下来，并在之后20年里驱动了全球互联网基建100倍的增长。
今天的AI行业在重演完全一样的周期。
Ed Zitron在2026年7月写了句话，非常精准："Anyone investing in data centers is building speculative capacity for demand that does not exist outside of Anthropic and OpenAI." 翻译成人话——除了Anthropic和OpenAI，所有建数据中心的人都是在赌一个根本不存在的需求。
泡沫层和非泡沫层，正在同步拉开差距。
算力饥荒：全世界只有2.5家公司在真正缺算力拆开来看一下，全球范围内真正把LLM模型生态跑通、算力还不够用的，到底有哪几家。
Anthropic——算力缺口最大的买家Anthropic是2026年最大的黑马。年化收入从2025年底的90亿美元飙升至2026年4月的300亿美元——4个月翻3倍多。Claude在企业级AI支出中首次超过OpenAI，超1000家企业客户在用Claude Code和CoWork。
但代价是：用户频繁遭遇限流、会话配额被卡、API配额不足，2026年多次大规模宕机。
Anthropic的应对策略是四面出击：
租SpaceX Colossus：32.5万张H100，月费12.5亿美元AWS 5GW协议：第一波1GW已上线Google + Broadcom TPU合作：数GW下一代TPU，2027年上线即使如此，Pro用户的5小时配额限制也只是"翻倍"而非取消。Anthropic愿意接受SpaceX的超高溢价——不是因为它钱多，而是不租的话用户流失损失更大。
核心判断：Anthropic的算力缺口是全球最大的刚性需求。如果谁有闲置算力想出租，Anthropic是排第一的买家。
OpenAI——砍掉Sora保核心OpenAI的情况同样紧张。Stargate项目规划总投资5000亿美元，目标10GW算力——相当于旧金山全市的电力需求。2026年算力支出接近500亿美元。
但即使如此，OpenAI不得不在产品之间做取舍：Sora视频生成器的算力被砍了，核心GPT服务的推理需求已经超出供给。
Bank of America的预测很直接：AI算力需求超过供给将持续到2029年。
还有一个数据能说明OpenAI的焦虑：微软自己披露了800亿美元的未履行Azure GPU承诺。连全球最大云服务商之一都交不了货，意味着OpenAI对第三方算力的渴望短期内没有任何缓解的可能。
OpenAI已经不再满足于只依赖Azure，正在与AWS和Google谈判替代协议，与Broadcom合作设计定制推理芯片。Stargate在英国的项目因能源成本暂停，挪威项目转移给了微软。AI基建的瓶颈已经从"芯片够不够"转向"电够不够、地够不够"。
Google——为什么只算半个Google的优势：Gemini模型能力全球前三，拥有最强AI分发渠道（搜索、Android、Gmail、Chrome、Apple Siri合作），自研TPU在推理成本和能效上有结构性优势。
但问题在于：Gemini的用户大多是被动触达而非主动选择。你在搜索结果里看到Gemini弹窗，不代表你真的离不开它。Google的AI原生开发者社区（API调用、第三方集成）远不如OpenAI活跃，momentum评分只有3/10（OpenAI是10/10）。
$30.4亿租SpaceX，一方面说明需求真实，另一方面暴露了自家TPU产能跟不上的尴尬。另外Google还有一个结构性的"创新者困境"：核心搜索业务的广告收入和AI直接回答问题存在冲突——AI给答案越直接，用户点广告的概率越低。
所以Google算半个：有最好的分发能力，但在AI原生生态的成功度上，离Anthropic和OpenAI还有明显距离。
95%的GPU在空转——冰火两重天说完赢家，来聊聊另外95%的玩家。
Cast AI在2026年发布的数据令人震惊：企业级Kubernetes集群的GPU平均利用率只有5%。CPU利用率也只有8%，且在持续下降。
100块钱买的GPU，95块钱是白花的。
原因拆开来看：
FOMO过度预留（约占50%）：2022-2024年GPU一卡难求，大家怕买不到，超额囤货忘记关闭实例（约20%）：训练跑完了，GPU实例还在线，按小时计费空转资源碎片化（约20%）：一个只需要10%显存的embedding任务，占了一整张H100协调延迟（约10%）：GPU在等上游数据准备好才能开工以2026年全球AI基建支出1.37万亿美元为基准——其中约70%用于物理计算硬件——这意味着将近1万亿美元的计算设备在闲置或低效运行。即使考虑GPU并非"始终在线"而是"按需配置"，这个数字依然触目惊心。
TechRadar在2026年6月5日发了篇报道，标题精准到令人不安："Why 95% of enterprise GPUs sit idle while AI startups can't get compute"。这就是AI基建最核心的荒诞现实——一边是大量企业每天付电费和折旧费让GPU空转，一边是真正有需求的AI创业公司一卡难求。GPU分配治理已经成为2026年AI基建最大的管理挑战之一。
反过来看，如果企业GPU利用率能从5%提升到20%，相当于全球算力供给增加4倍，而无需增加任何硬件投资。这个效率红利，才是当前AI行业最大的隐藏机会。
维度
头部公司(Anthropic/OpenAI)
长尾公司(含Meta等)
GPU利用率
70-90%+（估算）
约5%
算力缺口
巨大（$500亿/年不够用）
产能过剩
用户需求
排队/限流/宕机
用户增长停滞
应对策略
高价抢算力/自研芯片
出租闲置/砍预算
收入vs投入
收入增长 > 算力投入
算力投入 > 收入增长
那AI基建到底完成了多少？
这是我的个人判断：大约完成了20%。
支撑这个数字的不是拍脑袋，是以下事实：
1、模型能力远没到天花板
：GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro之后还有多个数量级的提升空间。更强的模型 = 更大规模的训练算力需求。
2、AI Agent将带来10-100倍的工作负载
：2026年AI行业已经从"聊天机器人"进入"Agent时代"。Claude Code和CoWork、OpenAI Operator——这些自主执行任务的Agent消耗的推理算力是传统Chat会话的几十倍。
3、Goldman Sachs预测7.6万亿美元
：2026年5月报告预计，2026-2031年全球AI相关基建投入将达到7.6万亿美元。2026年基线年7650亿美元，到2031年增长到每年1.6万亿美元。
4、Nvidia确认约1万亿美元采购订单到2027年
：Jensen Huang本人预测AI CapEx最终可能达到每年4万亿美元。
5、5%的利用率意味着巨大的提升空间
：只要行业效率从5%提升到20%，更多用户涌入、更多场景被AI覆盖，剩余的80%基建需求将自然浮现。
现在的2.59万亿美元AI年支出，只是起点。
一个你可以拿去用的判断框架下次看到任何一家公司宣布AI算力投资，问三个问题：
① 它的模型是用户非用不可的吗？ ChatGPT——是的，数亿月活用户。Claude——是的，企业级代码和推理强依赖。Gemini——部分是的，但更多是被动触达而非主动选择。
② 它的生态有自增长能力吗？ OpenAI的API生态是全球最活跃的AI开发者社区，网络效应是新竞争对手的最大壁垒。Anthropic的企业客户续约率极高，Claude Code和CoWork正在形成口碑裂变。
如果你的AI产品只能靠母公司导流、烧钱买量、渠道强行绑定，那算力投入越大，亏损越严重。
③ 它的算力利用率是高是低？ 定量来看，如果一家公司的GPU利用率低于20%，说明它的模型和生态跟不上算力配置。这是一个危险的信号。
你可以用这个框架评估任何一家宣称"All-in AI"的公司。不要急着觉得"又热了"——先过一遍这三个问题，答案自动浮现。
回到开头的问题：AI基建到底到头了吗？对Anthropic和OpenAI来说：不是到头了，是远远不够。它们的算力缺口大到愿意花12.5亿美元/月租SpaceX的数据中心。对Meta和其他长尾玩家来说：不是基建到头了，是自己的模型和生态撑不起已经到手的基建。对整个行业来说：AI基建大约只完成了20%，剩余的80%将由那2.5家真正成功的公司及其生态驱动。SpaceX出租算力不是AI基建的黄昏信号——它是头部效应加速的信号。Meta出租算力也不是——它是大多数AI公司在"模型-生态-算力"三角中失衡的缩影。
任何技术浪潮的基建都不会整齐划一地推进。区别领先者和落后者的，不是谁买了更多GPU，而是谁用GPU创造了用户离不开的价值。
2026-2031年的7.6万亿美元不会均匀分配。80%会流向那20%能证明自己的公司。
