华尔街一直在等 AI 算力像二十年前的光纤一样过剩崩盘

华尔街一直在等 AI 算力像二十年前的光纤一样过剩崩盘。 2000 年电信泡沫破裂的时候，全美铺好的光缆有超过 90% 闲置在地下。 很多分析师拿着同一套财务模型，断定今天几千亿美元的资本开支也是一场注定破灭的狂热。 但这两场基建狂潮，底层遵循的物理和经济学法则完全相反。 为什么互联网基建只要几年就迅速过剩，AI 半导体的建设周期却被越拉越长？ 要看懂这笔账，得先看清两代基础设施截然不同的生命周期。 光缆是管道。 一根埋进地下的玻璃纤维，物理寿命长达三十年，不会腐烂，也不会过时。 数据在光纤里传输的边际成本几乎为零。 当年电信公司一次性把管道铺满，后面的真实流量还没跟上来，多余的运力只能沉睡在泥土里。 那是管道的过剩。 今天数据中心里堆满的显卡和高带宽内存，根本不是管道。 它们是一台台每秒都在燃烧电力的工业母机。 硬件本身存在一条残酷的折旧悬崖。 芯片的算力密度和互连效率每两年翻上一倍，老一代硬件的经济半衰期只有三到四年。 算力无法像光缆那样埋在地下等十年后的需求。 一台造价上万美元的计算节点只要闲置三个月，它背后的资本价值就缩水了一大截。 这是供给端的根本差异：一个是寿命三十年的静态存量，一个是折旧极陡的动态消耗品。 再看需求端。 很多人觉得，当辅助写代码的工具普及之后，大模型的收入增长就会撞上天花板。 这种判断把大模型当成了静态的信息检索软件。 互联网时代的需求受限于人类生理极限，一个人一天只能刷几个小时网页、看几十条视频。 AI 时代消耗算力的主体正在从人类变成智能体。 一个辅助写代码的插件，人类敲一行它补一行，只消耗几百个 Token。 一个自主执行任务的智能体，为了解决一个复杂的系统错误，会在后台自动循环几十次，调用搜索、运行沙盒、自我纠错、验证结果。 它消耗的算力，瞬间暴涨了一百倍。 当单次计算的成本下降九成，系统不会减少开支，反而会赋予智能体更多的思考轮数和搜索深度，去攻克过去不敢碰的复杂业务。 这是 1865 年经济学家威廉·斯坦利·杰文斯发现的规律：提高资源使用效率，从来不会减少资源的消耗总量，反而会带来需求的报复性暴增。 代码场景只是第一个能被确定性验证的试验田。 金融审计、法律尽调、药物分子筛选、自动化供应链调度，每一个涉及多步骤验证的深水区，都在成倍吞噬推理算力。 开源模型的崛起不仅没有打破这个循环，还在给它加速。 开源模型把基础的对话和通用问答打成了免费商品。 这反而逼着闭源前沿模型放弃简单的问答场景，全面转向极其消耗算力的多步深度推理和复杂工具调用。 算力的供给端，又被死死卡在物理世界的硬边界上。 先进封装的晶圆厂扩建需要三年，一个超大规模数据中心申请变电站并网和特高压供电，往往要排队五年以上。 软件代码可以几天迭代一个版本，重工业的钢筋水泥和电网审批却只能按年推进。 一边是智能体自主循环带来的指数级算力饥渴，一边是三年折旧期与长达数年的电网建设周期。 把这场长达数年的重工业重构当成一次性的管道铺设，只能算出错误的账本。 当人类开始用机器来规模化生产智能，这笔开支的终点，就不再是把网线连通全世界。 它是给整个文明的生产力换一套运转底座。