年入500亿依然在巨亏：博通CEO拆解AI大模型背后的算力折旧与资本硬墙

一年进账 500 亿美元，换成任何一家传统软件公司，早就是一台每年净赚上百亿的印钞机了。 OpenAI 刚刚在 2026 年 9 月把年化营收推到了 500 亿美元。 但全球最大半导体巨头之一博通的掌门人陈福阳，在新加坡的一场峰会上，给所有人浇了一盆冷水。 陈福阳说，500 亿美元的年化收入，确实证明前沿生成式 AI 有真实的市场需求。 但这家公司目前依然在巨额亏损。 这个漂亮的营收数字，在长期能不能走通上，说明不了任何问题。

这话如果是华尔街某个看空 AI 的对冲基金经理说的，大家可能根本不会当回事。 但说话的人是陈福阳。 在半导体行业里，陈福阳以严苛计算每一分钱的现金流和资本回报率著称。 更关键的是，博通本身就是这场 AI 狂欢里最赚钱的军火商之一。 各大科技巨头用来把几万张显卡串在一起的高性能网络芯片，主要来自博通； 谷歌的张量处理器 TPU、Meta 的定制 AI 芯片，也全由博通在背后协同设计。 一个天天在机房门口收算力过桥费的人，为什么会说客户的 500 亿美元营收看不出未来？

答案全藏在 AI 与传统软件完全颠倒的账本里。

过去三十年，硅谷科技巨头的超高利润建立在一套极具吸引力的商业规律上： 软件开发是高固定成本、零边际成本。 写第一行代码需要雇最顶尖的工程师，烧掉几千万甚至上亿美元。 可一旦软件开发完成，多卖一套系统的边际成本几乎是零。 用户从一百万涨到一亿，服务器带宽多花不了几块钱。 营收只要冲过盈亏平衡线，多进来的每一张钞票，扣除税费后几乎全能转化为纯利润。 软件巨头动辄 30% 到 40% 的自由现金流利润率，就是这么来的。

但大模型完全不按这套规矩运转。

大模型的第一个窟窿，是它每一次回答都在真实烧钱。 用户在对话框里敲下一行字，后台数以千计的显卡就要跟着运转几百毫秒，真金白银地吃进电力、吐出热量。 这叫推理成本。 只要有调用，边际成本就始终压在上面，它不是零。

但真正把利润吞噬干净的，还不是日常的推理调用。 是训练下一代模型那条永远停不下来的跑道。 在传统工业里，买机床、盖厂房属于资本支出，可以在财务账本上平摊二十年。 一家工厂今年建好，未来十年都可以靠它源源不断地生产折旧。 但前沿大模型的寿命短得惊人。 花上百亿美元算力训出来的顶尖模型，领先优势通常维持不到一年。 开源社区在后面紧追，竞争对手在旁边挖人。 想要守住这 500 亿美元的年化流水，你就不能停留在原地吃老本。 你必须立刻掏出 200 亿、500 亿甚至上千亿美元，去采购下一代更昂贵的芯片集群，去训练下一个更大参数的模型。 上一代模型还没收回研发成本，它在技术上就已经迅速过时了。 赚来的现金流连机房的电费和下一代训练账单都盖不住，只能靠一轮又一轮的融资继续输血。

除了成本端的无底洞，陈福阳还指出了收入端的另一个隐患： 这 500 亿美元里，究竟有多少是不可替代的刚需？

陈福阳用街机厅打了个比方。 他说，现在的企业蜂拥采购 AI 服务，很像小孩子去街机厅打游戏。 父母给了 10 美元买游戏币，小孩冲进街机厅，10 分钟全投进机器里玩完了，走出来的时候什么技能都没学到。 今天许多大企业也是这样。 管理层出于技术焦虑，批了一笔几十万、上百万美元的预算，让各个部门买调用额度跑概念验证。 员工拿来写写邮件摘要、做做演示文档、搭个内部聊天机器人。 这些尝试看起来热火朝天，在账面上推高了模型提供方的营收。 可一旦经济周期波动，企业财务官开始拿着放大镜逐项考核投资回报率。 如果这些昂贵的花销没有真正嵌入核心业务流程、没有带来实打实的降本增效，这笔买游戏币的预算随时会被整刀切掉。

陈福阳把当前不少追逐 AI 的投资者，比作赌场里押注的赌徒。 很多人根本不清楚自己投资的技术底层到底要消耗多少成本，只凭着对未来的无限幻想把估值推上天。

在过去两年里，科技圈一直在为各种物理层面的瓶颈焦虑。 一会儿是先进制程产能不够，一会儿是高带宽内存缺货，一会儿是变压器短缺，甚至有人担心电网撑不住巨型数据中心。 但在陈福阳看来，这些硬件与电力的问题，只要给足时间和工程投入，迟早都会被供应链逐步抚平。

最后能给这场狂飙踩下急刹车的，是资金本身的硬约束。 当几千亿美元砸进机房，如果产生的自由现金流始终无法打平下一代算力的巨额投入； 当资本成本因为利率和估值见顶而变得越来越贵； 哪怕显卡堆满仓库、电力拉满管道，没有谁能长期忍受一台只吞钞票却吐不出净利润的机器。 500 亿美元确实证明了市场有多大。 但能不能在这场军备竞赛中活着走出亏损泥潭，答案不在热闹的营收数字里，它在每一行调用背后冰冷的回报率上。