Citadel：算力稀缺仍是AI最大瓶颈，超大规模云厂商或成最终赢家

<p>AI行业的竞争格局正在加速分化，而决定胜负的关键变量并非模型能力，而是物理算力的可用性。</p> <p>Citadel Securities最新分析指出，算力需求持续超越供给增速，<strong>真正稀缺的资产不是仓库里的芯片，而是已通电、可立即投入使用的算力。</strong></p> <p>这一结构性瓶颈短期内难以消除——电网接入与项目审批周期动辄以年计，即便是规模庞大的资本开支计划也无法在短期内弥合缺口，这意味着超大规模云厂商（hyperscaler）当前的现金流可能低估了其已有基础设施的真实盈利潜力。</p> <p>从市场信号来看，包括旧型号GPU在内的算力租赁价格依然坚挺，<strong>表明现有产能仍在被持续消化，市场供需紧张格局并未因大规模建设投入而明显缓解。</strong>与此同时，AI智能体（agent）的兴起正在放大算力消耗——一条人类指令可触发数十乃至数百次模型调用，单任务算力消耗随之上升，进一步支撑需求端。</p> <h2>算力瓶颈的本质：不只是芯片</h2> <p>Citadel Securities分析师Nohshad Shah指出，"算力"并非单指GPU，<strong>而是GPU、电力、数据中心空间、内存、网络、冷却系统以及运营专业能力的综合体。真正稀缺的，是"已通电、随时可用的算力"，而非静置于仓库中的硬件。</strong></p> <p>算力远期曲线数据显示，供给虽在增加，但需求增速更快。由于电网接入和项目审批周期以年为单位，即便是体量庞大的资本开支计划，也无法在短期内填补这一缺口。AI当前面临的制约，不是用户不足，而是能够真正开机运行的算力不足。</p> <p><img class="wscnph" src="https://wpimg-wscn.awtmt.com/02cd6474-15fe-46d1-9b28-c67e9f98738d.jpeg" /></p> <p>值得关注的是，当前大量算力产能系于2024至2025年签订的合同，彼时需求强度尚未充分显现。随着这批合同陆续到期，现有基础设施有望在利用率提升的同时实现重新定价，而成本基础基本固定，经营杠杆效应将逐步释放。<strong>该分析认为，市场目前倾向于立即计入资本开支成本，却可能低估了后续盈利能力的上行空间。</strong></p> <p>此外，token价格下降未必构成利空。更低廉的智能成本将使更多应用场景具备经济可行性，叠加AI智能体对算力的倍增消耗，整体算力需求有望持续扩张。关键变量在于需求弹性：若使用量增速超过单价降幅，低价将扩大市场而非压缩市场；真正的利空情形，是token变便宜了，但使用量并未实质性增长。</p> <h2>行业分化加剧，超大规模云厂商占据双重优势</h2> <p>Citadel Securities的分析勾勒出AI行业日益清晰的两极格局：<strong>一端是OpenAI、Anthropic等纯前沿实验室，以智能本身为产品；另一端是谷歌、微软等多元化超大规模云厂商，无论哪个模型最终胜出，均可通过覆盖全栈实现变现。</strong></p> <p>在这一框架下，前沿模型将专注于高价值任务，包括规划、推理、编程与任务编排，在较小的token份额上获取溢价收益；而更廉价或开源模型则承担高并发的执行层工作。前沿实验室或在高端任务上保有定价权，但超大规模云厂商和推理服务提供商则同时受益于两个层级——因为无论何种工作负载，都离不开芯片、内存、网络与电力。</p> <p>这一逻辑的落脚点在于：前沿模型负责规划，廉价模型负责执行，而"已通电算力"的拥有者，将同时收割两端的经济价值。对于投资者而言，在AI商业化路径仍存不确定性的背景下，掌握物理算力基础设施的超大规模云厂商，或许是这场竞赛中风险收益比最为确定的标的。</p><div style="color: #666; margin-bottom: 15px;">风险提示及免责条款</div> <div> 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 </div>