Where're All the AI Chips：作者称超 2000 亿美元 GPU 仍闲置在仓库

如果你喜欢这篇文章，你应该订阅我的付费新闻通讯，你可以通过以下链接订阅：每年70美元、每季度18美元，或每月7美元。

作为回报，你将获得每周付费新闻通讯，其中包括对NVIDIA、Anthropic和OpenAI的财务状况以及AI泡沫整体的广泛而详细的分析。这是支持我免费工作的绝佳方式，你将获得我对科技和金融行业大量付费分析档案的完整访问权限。

周五，我将发布《AI债务厌恶者指南》的第二部分（这里是第一部分）——我们将讨论与搭建算力相关的螺旋式上升的成本、为什么这些成本不会好转，以及这种情况如何对Oracle等交易对手构成生存风险。有鉴于此，如果你还没有看过，请查看第一份Oracle厌恶者指南（或第二部分），或者我关于OpenAI如何杀死Oracle的付费文章，甚至是我关于SaaS末日、私人信贷和私募股权的厌恶者指南。

如果你想联系我——尤其是如果你有关于Anthropic、OpenAI或AI泡沫中任何其他公司的劲爆信息——请在Signal上通过ezitron.76联系我。你也可以在你的Bloomberg终端上通过IB联系我。

配乐：Flobots - Handlebars

几个月前，我问所有数据中心都在哪里，因为我很难找到证据证明，尽管有所有这些资本支出、建设和飙升的RAM成本，却有很多数据中心已经完工。

这个问题的答案实际上是“哪里都没有”。我能找到的微软数据中心项目绝大多数都才刚刚开始，除了OpenAI专用的大型“Fairwater”数据中心，这些数据中心之所以“开放”，是因为其中一些建筑已经通电，其余建筑要么正在积极建设中，要么预计在稍后的某个时间点开始建设。

几个月后，《卫报》和我进行了一项调查，与一位熟悉微软GPU产能的消息人士合作，发现其拥有约220万块芯片。当时，我无法核实这些是否是其全部GPU，或者OpenAI是否有自己的分配量不会出现在我们获得的数据中，这就是为什么我遗漏了一条报道——根据正在运行的GPU的精确配置，微软拥有约1.993GW的容量，由约500亿美元的GPU支持，主要由NVIDIA H100和H200芯片组成，还有相当数量的GB200和GB300。

两周前，彭博社报道称微软拥有“约12吉瓦的容量”，但“……该公司当前12吉瓦容量中只有约2吉瓦集中在AI专用芯片上。”引述如下：

据[基础设施专家Alistair] Speirs称，较新的AI工具除了GPU之外还使用越来越多的CPU服务器，这意味着微软需要扩展所有类型的计算能力，他说：“GPU本身并不能构成出色的AI基础设施。”

这是一种非常委婉的说法，实际上是在说微软就其产能直接误导了记者、投资者和公众。近一年来，它一次又一次地声称自己已经上线了吉瓦级的产能，在我看来，这一切都是为了掩盖一个AI数据中心建设规模的真相——我相信其中大部分GPU，用萨提亚·纳德拉的话说，如今正“躺在库存里，[他们]根本插不上电”。

今天的通讯要讲一个残酷的事实：英伟达的收入增长几乎完全来自超大规模云厂商和新型云厂商的投机性采购，而这些GPU需要数年时间才能安装完毕。

换句话说，我认为所有人对数据中心产能的理解都完全错了，而一旦他们弄明白，收拾这个烂摊子将是一场噩梦。

所有人都希望AI就像互联网泡沫那样，但我担心GPU最终可能会像雅达利《ET》那数百万份未售出的卡带一样，被埋在新墨西哥州的垃圾场里。

微软仅有2GW的AI专用数据中心产能，却声称连续三个季度每季度新增1吉瓦

根据我自己的文章：

2025年9月，CEO萨提亚·纳德拉声称微软“在过去一年里”新增了2GW产能，并且表现得好像Fairwater——一个拥有两座正在积极建设的数据中心的项目，一座在威斯康星州于2023年9月破土动工，另一座在亚特兰大于2024年7月破土动工——是什么值得“宣布”的东西，而不是“一个耗时无比漫长、极其昂贵的项目”。纳德拉还声称“有多座完全相同的Fairwater数据中心正在建设中”，但他没有说出它们的名字。

在第二、第三和第四财季的财报电话会议上，微软使用了几乎相同的措辞：

萨提亚·纳德拉，2026财年第二季度（2026年1月28日）财报电话会议：总计，仅本季度我们就新增了近1吉瓦的总产能。
萨提亚·纳德拉，2026财年第三季度（2026年4月29日）财报电话会议：总计，本季度我们又新增了1吉瓦产能，并且仍有望在短短两年内将整体规模翻倍。
萨提亚·纳德拉，2026财年第四季度（2026年7月29日）财报电话会议：总计，本季度我们又新增了1吉瓦产能，并且仍有望在短短两年内将整体产能大致翻倍。

虽然我无法说出发表这些声明的确切理由，但除了将其视为一种欺骗行为之外，我找不到其他解读方式。

在2026年第二季度财报电话会议上，微软CFO艾米·胡德回应了瑞银分析师卡尔·基尔斯泰德的提问，再次重复了“吉瓦”的说法[重点为我所加]：

KARL KEIRSTEAD, UBS: Okay, thank you very much.
萨提亚和艾米，无论你们如何在一方和第三方之间分配产能，能否定性地谈谈你们即将上线的产能规模？我认为12月季度新增的1吉瓦非同寻常，暗示产能新增正在加速，但我想很多投资者都在关注Fairwater亚特兰大和Fairwater威斯康星，很想听听关于未来几个季度产能新增规模的评论，无论它们如何分配。谢谢。
艾米·胡德
: Yeah, Karl, I think we’ve said a couple of things. We’re working as hard as we can to add capacity as quickly as we can. You’ve mentioned specific sites like Atlanta or Wisconsin. Those are multiyear deliveries, so I wouldn’t focus necessarily on specific locations.
我们真正必须做的事情，而且我们正在极其努力地去做，就是在全球范围内增加产能。其中很大一部分将增加在美国，也就是你提到的这两个地点，但也需要在全球各地增加，以满足我们看到的客户需求和不断增长的使用量。
我们将继续增加这两类长期基础设施。可以这样理解：我们需要确保有可用的电力、土地和设施，并在它们建成后尽快把 GPU 和 CPU 装进去。最后，我们会努力确保在我们完成这些工作的速度以及运营方式上尽可能高效，以便它们能发挥尽可能高的效用。

请注意，Karl 的提问直接指向 Fairwater 的亚特兰大和威斯康星，这两个明确以 AI 为重点、专为 OpenAI 服务的数据中心，而 Hood 的回应是谈到 12 月季度有 1 吉瓦的产能（指的是 2026 财年第一季度，当时并未提及在一个季度内增加 1 吉瓦）。

我已经预料到这里的回应会是：微软在这里说的是“合法的”，因为它从未说过这是 AI 产能，但任何这样回应的人都是带着农奴心态在行事。任何读到这份文字记录或听到微软提到其增加了“吉瓦”级数据中心产能的人，想到的都是 AI 数据中心产能——这篇文章和这篇文章，以及基本上你在这个话题上交谈过的每个人，都证明了这一点。

让我说得非常直白：看起来微软自 2022 年初以来，已在资本支出上花费了约 2650 亿美元（并为其财产、厂房和设备增加了约 3200 亿美元的资产），以让约 500 亿美元的 GPU 上线，并且使用了宽泛、模糊的措辞，使其看起来效率要高得多。

这世上没有人会坐在这里琢磨微软增加的是不是 CPU 产能或云存储的吉瓦数，分析师们也不急于听到总体数字——他们问的是你花在 AI 上的钱都去哪儿了，而答案似乎是“进了仓库”或“进了一个没有电力的数据中心”。

为了把这一点说清楚，我分析了微软 2010 财年至 2022 财年之间的财报电话会议，发现除了与 Amazon Web Services 和 Google Cloud 的竞争之外，几乎很少讨论数据中心产能，也完全没有讨论兆瓦或吉瓦。就财报电话会议而言，微软对兆瓦和吉瓦的使用明确是 AI 时代的术语，首次使用是在其 2025 财年第四季度财报电话会议上，尽管它在其他地方也用过，例如 Business Insider 在 2024 年 4 月报道过的一份文件中说，它已上线“超过 500 兆瓦的新数据中心产能”，其中包括这句极具杀伤力的话，强调部分为我所加：

文件称，去年下半年，微软交付了“创纪录水平的 GPU 产能”，使其 GPU 总装机量增加了一倍多，但没有提及具体数字。

看来微软在数字上含糊其辞，是为了掩盖一个非常明显的事实：它正花费数千亿美元购买GPU，而这些GPU却闲置在仓库或未通电的数据中心里，很可能还是提前数年购买的。

这是一桩巨大的丑闻。如果微软无处安放这些GPU，为什么要买这么多？为什么不在需要时再买，而要提前数月甚至数年购买？为什么微软告诉我们它正在上线吉瓦级的容量，而事实却明显相反？

到了这一步，我们还能认真对待任何人的容量公告吗？

微软估计有500亿至1000亿美元的GPU被囤积在仓库中

微软是最早建设GPU驱动AI数据中心的企业之一（早在2020年，专门为OpenAI而建），并且在搭建计算基础设施方面拥有极其丰富的经验和资源来实现这一目标。

我必须强调这一点，因为除了超大规模云厂商之外，其他建设大规模数据中心的公司要么是新云厂商（其中许多曾是加密货币挖矿公司），要么是甲骨文——后者直到2016年才涉足云基础设施，远晚于微软推出Azure和谷歌推出Google Cloud。

如果说有谁拥有大规模部署AI基础设施资产的专业知识和资源，那就是微软——因此，微软部署AI基础设施的成效，比新云厂商甚至甲骨文都更有意义。

正如我上面所说，截至几个月前，微软约有价值500亿美元的GPU在实际服役，对应约1.993GW的AI容量，而彭博社在2026年9月11日报道称其容量“大约”为2GW。

其资本支出已达2650亿美元，根据富国银行的Michael Turrin和瑞穗证券的Gregg Moskowitz的估算，以及微软自己在财报电话会议上的说法：

在2025财年（2024年7月1日至2025年6月30日，总资本支出646亿美元），微软在短寿命资产（即：GPU及相关设备）和长寿命资产（即：建筑物等物理基础设施）之间的分配为50/50，这意味着约323亿美元是GPU及相关设备。
在2026财年（2025年7月1日至2026年6月30日，总资本支出1159亿美元），微软的分配为三分之二（67%）短寿命对长寿命，即约744亿美元用于GPU及相关设备。
这样算下来，我们估计有约1067亿美元的短寿命、未安装的GPU。
I will concede that there may be other short-lived assets, Microsoft’s own language from earnings calls notes they refer to “primarily CPUs and GPUs.”
- 我严重怀疑微软在CPU上花费超过几十亿美元。
- 我预先假设AI多头会首先抓住这一点，并想明确表示，确实没有其他大额项目能占用如此多的资本支出。

如上所述，纳德拉在2025年11月提到，他有“……一堆芯片躺在库存里，[他]插不上电”，但没有提及数量有多少。

换句话说，微软囤积了500亿至1000亿美元的GPU，而在过去四年里，它只安装了价值勉强500亿美元的GPU。

如果微软都举步维艰，那所有人都举步维艰，我们可能面临一个非常令人不安的事实：英伟达可能已经提前数年卖出了价值数千亿美元的GPU。

而且，每个人都在苦苦挣扎。

Neoclouds 和超大规模云厂商拥有超过 3740 亿美元的“在建工程”资产，估计还有 2000 亿美元以上的 GPU 堆在仓库里

微软作为一家极其不帮忙且具有欺骗性的公司，不在其资产负债表上披露“在建工程”——而资产负债表正是公司放置所有正在建设的东西的地方，在 AI 时代，就是他们尚未建成的数据中心和尚未安装的 GPU（或者，就谷歌而言，是其定制的 TPU AI 芯片）。

旁注：在建工程是一个存量而非总量——资本支出是花了多少钱，而 CIP 代表的是东西的累积。

在包括谷歌、Meta、甲骨文、亚马逊、SpaceX 和特斯拉在内的超大规模云厂商，CoreWeave 和 IREN 等 neoclouds，以及 Core Scientific 和 Applied Digital 等托管数据中心公司中，在建工程超过 3740 亿美元，这个数字很可能低于真实数字，因为亚马逊的贡献（717 亿美元）仅截至 2025 年底。

3740 亿美元这个数字不包括微软、Firmus、Sharon AI、Equinix、Nebius 的任何 CIP，也不包括 Vantage、DataBank、CyrusOne 或 QTS 等众多私营运营商的任何 CIP。它不包括任何主权 AI 项目（Humain/沙特阿美、新加坡、印度的 Reliance、阿联酋的 G42），不包括由 OpenAI 或 Anthropic 运营或为其运营的私人项目，不包括 Stack Infrastructure（该公司正在建设甲骨文的新墨西哥州数据中心，其 CIP 不会出现在甲骨文的资产负债表上，因为它并不“拥有”该项目），也不包括 Meta 273 亿美元的表外“Hyperion”数据中心。我认为这些加起来至少还有 500 亿到 1000 亿美元的 CIP，但为公平起见，我不将其计入更大的总数中。

这一数字在整个数据集中从 2023 年的 1029 亿美元，增至 2024 年的 1456 亿美元，再到 2025 年的 2432 亿美元。

2023 年至 2025 年间，这些公司的合计资本支出为 3516 亿美元，对应 2432 亿美元的 CIP。换句话说，大量资金流出，换来一大堆东西堆在一个庞大、混乱且可能毫无产出的地方。

说实话，我觉得 2000 亿美元这个数字可能有点慷慨了。

考虑到甲骨文最新季度财报中的 CIP 数字为 485 亿美元，而谷歌 2026 年第二季度的“尚未投入使用的资产”达到惊人的 1228 亿美元，高于 2026 年第一季度的 1085 亿美元，以及2025 年底的 785 亿美元，有理由相信微软的在建工程至少有 500 亿美元。我也认为可以合理假设，自 2026 年初以来，亚马逊已为 CIP 增加了至少 250 亿美元，不过我们会在年底见分晓。

就资产构成而言，我认为可以合理假设50/50的拆分是准确的。在谷歌最新的财报电话会议上，CFO Anat Ashkenazi表示，“……本季度我们在技术基础设施方面的投资有60%用于服务器，”指的是配备GPU或TPU的服务器。富国银行的Ken Gawrelski在2026年1月的一份报告中估计，Meta约65%的资本支出与“寿命较短的服务器和网络设备资产”相关。根据瑞银的Karl Keirstead在2026年1月的一份报告，“……甲骨文的资本支出绝大部分用于设备，主要是Nvidia GPU，”并补充说，“……相比之下，我们估计微软未来5年的年均资本支出中，可能有60%左右、约1250亿美元用于短寿命设备/芯片。”

然而，可以说我能找到的最能说明问题的是CEO Andy Jassy在4月亚马逊2026年第一季度财报电话会议上的发言：

……AWS必须在我们能够将其变现之前，提前为土地、电力、建筑、芯片、服务器和网络设备支出现金，根据组件的不同，通常是在我们开始向客户计费前6到24个月。

因此，如果我们假设这个数字大约为3740亿美元，加上微软的（至少）500亿美元，再加上亚马逊的（至少）200亿美元，那么总计约为4440亿美元，其中谷歌的份额——1208亿美元——有60%是GPU及相关硬件，总计724.8亿美元，这样算下来（假设50/50拆分），估计有2340亿美元的GPU和TPU堆放在仓库里。

自2023日历年年初以来，NVIDIA已售出约4964亿美元的GPU及相关设备，Broadcom售出约651亿美元的AI芯片（不过我要补充一点，Broadcom直到2024年3月财报才开始披露其AI业务部门），总计5615亿美元。

附注：除另有说明外，我使用日历年，因为这是在我的分析中与CIP保持一致的最佳方式。

根据与熟悉Azure基础设施的消息人士的讨论，微软有大量H100和H200库存在运行——主要由数十万颗Hopper芯片组成，以及在讨论时大约16万颗Blackwell GPU。

基于对NVIDIA在此期间财报电话会议的进一步分析，以及Mizuho的Vijay Rakesh和德意志银行的Ross Seymore的估计，我大致估计NVIDIA已售出约2226亿美元的Hopper GPU和2709亿美元的Blackwell GPU。我认为有理由相信，Hopper GPU的大部分——即使不是全部——已经安装完毕，这意味着还有数百万颗Blackwell GPU等待安装。

需要说明的是，这是我在2025年11月提出的一个论断，当时我按字面意思理解了Jensen Huang关于NVIDIA出货“600万”颗GPU的说法，而不是使用古怪的Jensen数学，即“每颗GPU实际上算两颗GPU”，从而将总数降到300万。

尽管如此，基于我今天讨论的所有内容，我们非常有理由问这些Blackwell GPU中是否真的有四分之一实际位于数据中心，或者至少是已接通电力的数据中心。

而如果事实——看起来极有可能就是如此——是NVIDIA已经提前数年售出了价值数千亿美元的GPU，那么这将在根本上改变关于AI泡沫和AI数据中心建设的一切。

所有AI数据中心容量数据如今都变得可疑、存疑，或作为实际运行状况的晴雨表已完全无用

我有时会引用Sightline Climate二月份的估算，现在我将全文引用：

我们正在追踪自2024年以来宣布的777个大型数据中心和AI工厂（>50MW）共计190GW的容量。至少有16GW的容量计划在2026年上线，涉及约140个项目。然而目前仅有约5GW正在建设中。约11GW仍处于宣布阶段，没有可见的建设进展，尽管典型的建设周期为12至18个月。

我喜欢Sightline Climate，并相信他们做着重要且有帮助的工作，但基于微软对“容量”实际含义的模糊处理，我认为几乎所有关于运行中AI数据中心容量的估算如今都已实际无用。虽然我们可以用Sightline的数据来衡量有多少在规划中，但我不再认为任何人能掌握有多少容量已经建成。

对于企业就其潜在容量所做的或围绕其潜在容量报道的几乎任何声明，只要没有明确将活跃AI容量与总容量区分开来，情况同样如此。

AI数据中心容量的含糊措辞

据报道，微软声称其拥有12GW的容量——其中3GW是在过去三个季度上线的！——但其中只有2GW是AI数据中心容量，这引出了两个问题：

Are we talking about power capacity or IT load?
- 如果是电力容量，这个数字实际上毫无用处。
Is this actual data center capacity or total power secured?
- 如果是后者，微软基本上是在说“我从别人那里获得了电力”，而不是“我有一个自己建造或委托建造的、已接入电力的数据中心”。
If it brought online 3GW of capacity in nine months but AI capacity only increased by, at best, a few hundred megawatts, what the hell is in the other data centers?
- 我真的无法理解微软如何做到总容量达到12GW，但AI数据中心容量只有2GW。

很明显，微软在“容量”一词上玩弄花招，这让我相信这是整个行业的问题。

CoreWeave

例如，CoreWeave在其最新财报演示中声称，上一季度新增了850MW的“活跃电力”：

这究竟是活跃的、产生收入的AI数据中心容量，还是某个工厂的850MW电力，但由于数据中心尚未建成而并未接入任何东西，两者之间有着巨大差异，就像它仅仅是50MW或200MW的AI数据中心容量也大不相同。

Oracle

在Oracle的案例中，其最近一次财报电话会议上，联合CEO Clay Magouyrk发表了一些同样具有误导性的言论：

好的。谢谢，Mike。OCI继续快速增长，通过提供客户所需的容量。自第四季度末以来，我们向客户交付了850兆瓦的AI容量，包含超过30万块GPU。第一季度的交付量几乎是第四季度全部交付量的3倍，占我们上一财年总交付容量的73%。这反映了多年来在基础设施各个方面的投资，从数据中心设计到供应链和制造，再到安装和运营。

为了明确起见，以下是Magouyrk先生的原话：

自第四季度（2026财年，截至2026年5月31日）结束以来，Oracle已交付了850MW的AI容量，其中包含“超过30万块[非特定型号]GPU”。
2027财年第一季度的交付量是“我们上一财年交付总容量的73%”，这可能意味着620MW的AI数据中心容量，但他所说的是总容量，其中包含非AI数据中心。

然后还有另一段话让我对Stargate Abilene非常困惑，这是一个总容量1.2GW/IT负载824MW（即：GPU和关键硬件）的数据中心园区，自2024年6月起一直在建设中。

Abilene继续以非凡的速度交付。我们在第一季度在那里交付了131,000块GPU，是第四季度交付量的1.9倍。8栋园区建筑中的6栋，代表618兆瓦，以及总容量的75%，现已交付给客户。客户验收时间已压缩至仅24小时，表明系统到达时已准备好承载客户工作负载。最近发布的GPT-6 Astra就是在我们Abilene的站点训练的。

我正在等待一位消息人士的更新，但截至今年6月，Abilene只有三栋建筑准备就绪，第四栋则一直处于在建状态。我承认开发可能已经加速，但根据Yes Energy的分析，截至6月，Stargate Abilene的总电力负载约为450MW——而Magouyrk先生特别提到了“总容量的75%”和“618MW”，这听起来指的是IT负载。

对于这里到底发生了什么，我甚至没有明确的答案，只是我们对于究竟在建多少数据中心容量，几乎没有（如果有的话）清晰的了解。

Amazon

深埋在7月发布的一份可持续发展报告中，其中写道……

我们在全球新增的数据中心容量超过任何其他公司，仅第四季度[2025年]就新增了超过1.2吉瓦（GW），我们预计AI和云服务将继续增长。随着我们的增长，我们持续不懈地投资于效率。

你读到这段话时应该会说“哇，1.2GW的AI数据中心容量”，但正如我们在微软那里已经确认的那样，这根本不是那个意思。

Data Center Dynamics在报道该报告时无意中解释了这个问题：

至于Amazon的竞争对手，确切数字同样未披露。微软在其所谓的2026财年第二季度上线了1GW的数据中心容量，但这实际上与Amazon的第四季度是同一时间段。在其2025财年，微软总共上线了2GW。

正如我们已经确认的，那“1GW容量”在任何意义上都不意味着1GW的AI数据中心容量，甚至不意味着任何类型的可用容量。事实上，新增了什么并不清楚，因为这些公司都不告诉你。

OpenAI

在2025年底，OpenAI声称其拥有“1.9GW的计算能力”——这似乎表明它占用了微软基础设施的绝大部分以及Oracle的一部分——但它并未区分这是有功功率、IT负载还是甚至公司可访问的容量。

超大规模企业的折旧基于其当前资本支出并不合理

正如我几个月前所讨论的，尽管资本支出规模庞大，但超大规模企业的折旧——我指的是从GPU投入使用开始将其成本分摊到6年——也表明绝大部分资本支出尚未投入使用。

为了说明这一点，我拉出了一张超大规模企业折旧和摊销占资本支出百分比的历史图表。如果资本支出迅速转化为可运营、有用且能产生收入的资产，这个百分比应该逐季增长而非暴跌，而谷歌的这一比例仅为尴尬的15.8%，表明每1美元资本支出中只有不到16美分流入折旧与摊销。虽然这不是一项成本（因为它是在一段时间内分摊某物的成本），但它会侵蚀净利润。

如你所见，超大规模企业在多个时间点重新分类了服务器的“使用寿命”，允许他们将包含AI GPU的服务器成本多分摊一两年，从而降低折旧成本。

例如，2022年，微软将服务器的使用寿命从四年延长至六年——而今年，又将实际数据中心结构的折旧年限从15年改为25年。次年，Meta和谷歌也纷纷效仿，Meta将寿命延长至五年，谷歌延长至六年。Meta在2025年再次延长其服务器的使用寿命，将其推至5.5年。

与此同时，亚马逊对其服务器的使用寿命犹豫不决，在过去六年中多次增加（和减少）。引用MoneyWise的话：

Depreciation is the mechanism underneath all of this — the way a company spreads equipment cost across the years it expects to use it. Stretch the assumption and current profits look better. Shorten it and the bill comes sooner.
亚马逊两者都做过，而且反复如此。服务器寿命从2020年的三年增至四年，2022年从四年增至五年，2024年1月从五年增至六年，然后在2025年逆转[回到五年]。

这张图表告诉我们三件事：

超大规模企业将资本支出转化为运营能力的能力越来越差。
超大规模企业将面临巨额折旧费用，这将吞噬它们的利润。
超大规模企业存在支出问题。

而且由于它们对其实际产能或资本支出的实际去向一直遮遮掩掩，折旧何时会飙升只能靠猜。

但除非它们打算将GPU减记，否则总有一天会飙升。

英伟达提前数年售出价值数千亿美元的GPU——为什么公司还在购买？

这种情况简直荒谬至极。

很明显，英伟达至少有2000亿美元——甚至可能超过3000亿美元——的GPU销售是提前一年或数年完成的，正如该公司所预告的那样，它将在2028财年（始于2027年2月）实现超过6700亿美元的收入。

同样明显的是，微软、谷歌、亚马逊、Meta、SpaceX以及每家新云都在一次购买数百亿美元的英伟达GPU，它们心照不宣地知道建设产能并为其接通电力需要数年时间，这构成了资本主义历史上最大的预购活动，但也是对当前AI建设情况的重大失实陈述。

超大规模企业超过1.2万亿美元的资本支出中，不到50%已转化为可运营的数据中心容量——这意味着估计有3900亿美元以上的AI硬件尚未安装

投资者——以及记者们——一直假设，数以吉瓦计的AI数据中心容量正在定期上线，而NVIDIA则从中赚取了数百亿美元，其GPU被迅速投入AI基础设施。

自2022年初以来，亚马逊、谷歌、微软和Meta已在资本支出上花费超过一万亿美元，如果微软能代表更大范围的状况——约18%（约500亿美元）的资本支出转化为可产生收入的IT基础设施——那将意味着四大超大规模企业中，实际投入运营并发挥作用的NVIDIA及其他AI芯片仅约2226.6亿美元。

旁注：我意识到亚马逊在AI数据中心之外还有与其电商和物流业务相关的资本支出，但基于其自2022年以来的快速增长，我认为其中大部分应归因于AI。以下是不完美但我认为有充分依据的估算。

如果我们——宽容地——假设数据中心成本的50%是建设费用，这将意味着约4453亿美元的数据中心容量已投入运营。

这让我们有约7910亿美元的资本支出无法解释，这相当灾难性，而如果我们假设其中50%是GPU（涵盖NVIDIA、AMD、Trainium、TPU及任何其他定制芯片），那就是约3950亿美元的芯片已经售出，我希望它们正躺在仓库或未通电的数据中心里，因为如果它们只是纸面上售出，那……是存疑的会计操作。我愿意相信其中一部分也是CPU基础设施、存储以及其他并非直接流向NVIDIA的支出。

无论如何，那是极大量未部署的芯片，与NVIDIA和超大规模企业一直向投资者描绘的景象非常、非常、非常不同。

“我们购买大量GPU并建设大量数据中心以赚取大量金钱”与“我们投资这些东西，指望它能在未来数年后为我们赚钱”之间有着天壤之别。

我来拆解一下：

如果投资者和公众相信微软、谷歌、亚马逊和Meta正在快速上线容量，那么以当前速度进行资本支出就是合理的，因为这被视为花钱来赚钱。
如果真相是这些资本支出的绝大部分进了黄仁勋的口袋，并让仓库里堆满了GPU，那意味着投资者在收入增长方面被灌了一通鬼话。

如果大多数“AI押注”甚至还没上桌，那就没人能说“AI押注已见回报”

在很大程度上，超大规模企业因其资本支出而获得了赞誉，因为整体收入增长了，所有人都说他们的“AI 押注已经获得回报”，而显然，所讨论的AI押注才刚刚开始上线。

我认为，Google、Amazon、Microsoft，以及尤其值得注意的是并非Meta，在AI时代实现显著营收增长的原因在于，它们实际上把所有可用的算力都卖给了Anthropic或OpenAI，这两家贡献了它们AI营收的70%以上，这也是为什么唯一实现营收增长的AI数据中心公司——CoreWeave、Nebius、IREN等——都直接或间接地与这两家AI实验室相关联。

得益于近乎无限的资源——仅2026年就超过2170亿美元——投入到OpenAI和Anthropic，超大规模云厂商实际上可以饱和消化它们上线的任何GPU基础设施，因为这两家AI实验室资金充裕，且愿意购买几乎任何可用的算力。

而由于产能在其他情况下上线得非常缓慢，这释放出一种关于AI算力“需求永无止境”的虚幻信号，而实际情况是几乎没有算力在上线，即便是由全球规模最大、资金最雄厚的公司建设的也是如此。

超过2000亿美元未安装的GPU保证我们正处于过度建设的情景中——以及Anthropic和OpenAI如何扭曲AI算力的需求

我举个例子。Microsoft自2022年初以来在资本支出上花费了2650亿美元，而在其最近一个财年，其AI营收的70%——以及整体营收的7%——来自OpenAI。如果你作为投资者，认为这一营收是所有这些资本支出的结果，那你就大错特错了。事实上，这些资本支出的大部分并未投入使用。

Amazon、Google和Microsoft已多次表示，它们的需求远远超过产能，但它们对需求来自何处完全讳莫如深，很大程度上是因为答案是OpenAI、Anthropic，或者在Google和Microsoft的情况下是Meta。如果我解释得过于啰嗦，我深表歉意，但我真的需要把这个问题说清楚。

如果“需求超过供给”是因为数百万客户争相购买AI算力，那与“需求超过供给”是因为三个客户占据了大部分或全部产能，是完全不同的。

同样，如果“需求超过供给”是因为大量产能正在上线，且多样化的客户群体在购买，那与产能上线缓慢，且绝大部分被直接交给OpenAI、Anthropic或Meta，是天差地别的。

Anthropic和OpenAI高达1.3万亿美元的算力承诺扭曲了AI算力的需求，部分原因是它们拥有巨额资本，部分原因是它们对算力的荒谬需求。

Google、Microsoft、Amazon、CoreWeave、IREN、Nebius 和 Nscale 的大量积压订单并非来自对 AI 算力的惊人需求，而是来自Anthropic 和 OpenAI 惊人的签约能力。例如，Nscale 与 Anthropic 的 450 亿美元交易以及与 Microsoft 的合同，占其 1030 亿美元积压订单的 85%，而 Anthropic 的交易取决于尚未筹集的融资。这些积压订单经常被用来为大规模 AI 数据中心建设辩护，而它们更多是 Dario Amodei 和 Sam Altman 的 DocuSign 账户的产物。

你看，最终的问题在于，超大规模云厂商之外的世界——由于数据中心容量数据被混淆——相信这些公司是在购买 GPU，然后迅速将其转化为现金，而不是购买这些 GPU 并迅速将其转化为库存。

顺便说一句，这就是超大规模云厂商不明确披露其 AI 收入的问题所在，因为这样做制造了一种（我认为是故意的）假象，即AI 资本支出正在创造收入增长，这既诱使投资者买入它们的股票，也诱使开发者建设 AI 数据中心，相信资本支出会迅速转化为收入。

你可以嘲笑投资者或开发者应该“做更好的研究”或“多学点东西”，但请记住，关于数据中心建设的绝大多数数据点都介于误导和彻头彻尾的幻想之间。我见过 2026 年将有 12GW、15GW 乃至 20GW 容量上线的估算，但基于我今天所谈的一切，我认为相信实际存在超过五到十吉瓦的可运行 AI 数据中心容量是荒谬的。

附注：据 Bloomberg Intelligence 的 Kunjan Sobhani 和 Oscar Hernandez Tejada 称，截至 2026 年 3 月 2 日，有“大约”九吉瓦的 AI 数据中心容量“已投运并被基本吸收”，但即便如此，我也怀疑这个数字指的是总容量，而非这些数据中心的关键 IT 负载。

当 Microsoft 和 Amazon 这样的公司每个季度都说自己要上线一吉瓦的容量——措辞让你相信这是 AI 数据中心容量——你该相信什么？相信世界上最大的公司会主动误导你，以此让它们的资本支出看起来更有效？

反过来，你是否该相信，每一个每年发布理论上线吉瓦容量的媒体和研究机构也都错了？

不，你大概会相信共识，即使底层数字并不真正合理，即使 Microsoft 宣布的容量似乎从未上线，因为如果你不相信，你就得接受所有人都搞错了。

如果……我们正处于 AI 数据中心过度建设之中呢？

那么，在我们继续之前，让我解释几件事：

就目前情况而言，根据我能看到的所有来源，建设一个 AI 数据中心似乎需要数年时间。
价值数千亿美元的 GPU 已被提前售出，基于这样一种信念：这些容量将被建成、通电并租给某个人。
目前，产能增长非常、非常缓慢，而且没有人真正愿意谈论这件事。

你还会注意到，关于已宣布的 AI 数据中心的报道铺天盖地，但关于已建成的却寥寥无几，而且那些报道大多是在为声誉洗白。

例如，CNBC 帮助 Oracle 和 Amazon 玩了同样的把戏，声称他们的数据中心已经“开放”，而事实上，那只是一个数据中心园区众多部分中的一个或几个在开放：

2025 年 9 月 23 日，记者 MacKenzie Sigalos 报道称，“OpenAI 在 5000 亿美元 Stargate 项目中的首个数据中心已在得克萨斯州开放，新墨西哥州和俄亥俄州的站点也即将到来”，而事实上，八栋建筑中只有一栋开放，这一事实被埋没在报道的第六段。
2025 年 10 月 29 日，Sigalos 报道称，“Amazon 在印第安纳州农村开设了其价值 110 亿美元的 AI 数据中心，竞争对手正竞相破土动工”，并声称——我引用原话——它“已投入运营，而大多数 AI 竞争对手还在承诺未来的数据中心”。事实上，三十栋建筑中只有七栋完工，这一事实被埋没在文章第九段和一个视频之后。

为 Sigalos 说句公道话，Amazon 才是这场骗局的始作俑者，同一天发布的一篇博客中声称 Project Rainier“现已全面投入运营”，用含糊其辞的说法将 Rainier 称为AI 计算集群而非数据中心，尽管其博客和 CNBC 报道的一切都是为了让你以为它指的是整个数据中心项目。

所有这些都说明，大多数情况下，AI 数据中心项目总是被宣布和获得资金，媒体有意或无意地参与洗白这些项目的规模和完工情况，而外界所有人都被欺骗，以为 AI 建设比实际更快、更有效。

这意味着今年发行的2900 亿美元 AI 数据中心债务（超大规模企业之外）将以其所能达到的速度用于建设产能，这是个问题，因为这些交易绝大多数是基于项目融资的，也就是说，它们的资金来自一个可能并不存在的客户的收入。

老实说，最好的情况是 NVIDIA 停止销售 GPU，或者 AI 数据中心债务停止发行，因为每一次数据中心获得资金并破土动工，都会加剧过度建设的严重性。

正如我在几个月前的付费文章这比互联网泡沫更糟糕中所讨论的，GPU 与暗光纤完全不同。一个未完工的数据中心在 2030 年完工的成本与今天一样高，GPU 的运行成本也一样。不同之处在于，一旦 AI 泡沫破裂，AI 算力的客户——主要是尚未盈利、由风险投资支持的初创公司——将不复存在。

目前，超过一半的 NVIDIA GPU 尚未转化为运营产能，每一座正在建设的新数据中心实际上都是在押注2028 年或 2029 年的 AI 需求是否大于今天，因为届时你将与之前几年已经破土动工、即将上线的所有其他产能竞争。

接下来是即将到来的 Blackwell GPU 洪流问题，其中绝大多数尚未投入运营，这意味着任何在 2025 年购买它们的人，很可能在 Vera Rubin 首批产品上线时才会看到它们被安装，这将在没有大量可用产能的情况下压低价格，更何况未来几年还会有大量此类产品上线。

说实话，我觉得我们现在就谈论Vera Rubin 有点可笑。我们什么时候才能看到它大规模应用？2030 年？得了吧。

NVIDIA 应就 AI 实际运营产能与销售额发布指引，否则它就是在主动误导投资者和客户

多年来，我们一直听到关于 NVIDIA GPU“需求惊人”的说法，而且明确地说，黄仁勋的钱是真实存在的，无论它们最终去向如何，GPU 确实在卖。

然而，“我们卖出这么多 GPU 是因为人们立即安装它们并赚钱”与“我们卖出这么多 GPU 是因为我们最大的客户买了这么多，因为他们的收入在 2022 年放缓，而且他们已经没有超高速增长的点子了”之间存在巨大差异。

现在，我明白，告诉人们为什么人们购买 GPU 并不是黄仁勋的职责，我完全同意！

话虽如此，NVIDIA 确实有信托责任披露其销售产品的重大事件——例如，如果数百万 GPU 实际上并未运送给客户，或者运送到仓库，或者以其他方式并非以立即安装为目的而销售。

我想明确一点：除非供应商（NVIDIA）采取强硬手段，否则提前数月或数年购买 GPU 绝对没有任何优势或理由。然而，占其收入 50% 以上的超大规模企业似乎愿意这样做，一个季度又一个季度，囤积数百亿美元来“确保供应”，而这种供应紧张正是因为这些超大规模企业自身造成的。

虽然瑞银的 Timothy Arcuri 在 2026 年 3 月指出客户提前约22 个月下单，但 NVIDIA 却唱出了截然不同的调子，黄仁勋说“token 是有利可图的，算力就是收入”，而他绝大部分销售既不产生 token 也不产生收入，因为他妈的这些数据中心建设耗时太长。

我需要更直白地说：绝大多数购买了 GPU 的公司尚未将它们转化为有意义的收入，如果它们甚至已经开机的话。NVIDIA 的大部分销售都躺在仓库里，这是 NVIDIA 早该被迫做出的重大披露。

这与NVIDIA 上次在 2022 年与 SEC 发生纠纷的情况不会太相似，当时它未能披露其游戏部门的收入增长实际上来自加密货币矿工而非游戏玩家，这被认为“披露不充分”。

虽然这里有一个明显的区别——因为 NVIDIA 的客户表面上购买其数据中心 GPU 是为了放进数据中心——但这些芯片的“需求”周期，或者实际上任何 AI 芯片的需求周期，完全是由四五个大客户大量购买以及黄仁勋发表不符合现实的营收言论所制造出来的。

也许这还不足以引发 SEC 行动，但每一位记者和分析师都应该向黄仁勋以及每一位购买 GPU 的超大规模企业高管提出以下问题：

致 NVIDIA：

目前有多少 Hopper GPU 在运行并产生收入？
目前有多少 Blackwell GPU 在运行并产生收入？
超过 100MW 的数据中心需要多长时间才能完成，我指的是完全通电并产生收入？
目前有多少 NVIDIA GPU 处于库存中、等待供电，或者已购买但尚未投入运行？
在 2025 财年和 2026 财年售出的 NVIDIA GPU 中，大约有多大比例正在运行并产生收入？

致超大规模企业 CEO：

你们有多少专门用于 AI 的数据中心容量在运行？
你们有多少 GPU——按品牌和类型——在数据中心中运行、安装并产生收入？
How many GPUs — by make and type — do you have in storage, awaiting power, or otherwise purchased but not yet in operation?

NVIDIA’s Revenues Are Driven By Speculative Sales Of Assets That Take Years To Make Money, And Everybody Conflating Demand For GPUs With Demand For AI Compute

I realize that I’m Mr. Bubble and everybody gets mad at me for poo-pooing our big, beautiful AI bubble, but I cannot express how serious this situation has become. Hundreds of billions of dollars of debt has been issued, the price of every imaginable consumer electronic has been inflated, and both most of our stock market and parts of our economy have become dependent on the sales of GPUs, most of which are going to a handful of companies that are, for the most part, not fucking using them.

There’s also something profoundly sad about the entire thing.

So much money has been spent building and buying silicon for AI capacity that takes years to build, all as the AI industry tells us that right now there’s insatiable demand and that we’re fools to question it.

One of the core reasons that people believe that AI isn’t a bubble is because of NVIDIA’s perpetual quarterly revenue growth, which is branded, once again, as insatiable demand for AI compute, when it’s actually almost entirely-speculative purchases based on potential revenues, with said potential mostly driven by the compute spend from OpenAI and Anthropic, two unprofitable and unsustainable AI labs.

This is one of the reasons that Jensen Huang continues to funnel endless billions of dollars into circular financing — because the sense of ever-expanding demand for GPUs has become a proxy for ever-expanding demand for AI compute, even though it takes years for the first part to become the second, if it ever does.

NVIDIA has now sold at least $200 billion dollars’ worth of GPUs — multiple gigawatts-worth — that have yet to be ingested by the market, and hyperscalers have, through their obfuscation of operational capacity and refusal to disclose AI revenues, helped create one of the largest speculative asset bubbles in history.

Everybody who participated in this obfuscation owns part of what comes next.

There’s 190GW of Capacity In Planning, Needing Roughly $1.62 Trillion to $2.92 Trillion Of Annual Demand…And That’s If It Gets Built

As I estimated a few months ago, Sightline Climate’s data has us at over 190GW of planned data center capacity, or, at 1.3 PUE and $12 million per megawatt, around $1.62 trillion in annual compute demand needed to saturate it.

Right now, I estimate that there’s maybe $22 billion of demand outside of Anthropic and OpenAI.

In other words, I believe we are now in an inevitable overbuild situation, one with no neat, tidy Dot-Com Bubble-style exit story. Demand for NVIDIA GPUs — and those from Broadcom, AMD and other semiconductor companies — is driven by speculative capital believing that the AI industry will become magnitudes larger than it is today, largely driven by the fact that everybody believes there’s far more demand for compute capacity than actually exists.

Everybody celebrating Anthropic’s (entirely fictional) plans to have 5GW of capacity by the end of 2026 should know that this company is inspiring one the largest misallocation of capital in the history of capitalism. There is not 5GW of capacity for Anthropic to buy, nor will there be 10GW more for it to buy in 2027, and to suggest otherwise is to further perpetuate myths about how fast compute comes online and Anthropic’s ability to pay for it.

NVIDIA has created a remarkable illusion perpetuated by the media — that GPU sales are a direct measurement of the actual demand for AI compute, rather than a measurement of how a few companies are willing to invest in an idea two years in advance, using circular financing as a means of creating the sense that you must buy these GPUs now, or you’ll miss out on the future.

Capacity will, eventually, come online at a scale that the market for AI compute cannot support, and it won’t be obvious until it’s way, way too late. I fear that every single model around existing and future data center construction and AI compute demand is wrong, and that every assumption we have about the underlying economics of AI is corrupted by the belief that there’s far more operational capacity than there really is.

If we believe there’s gigawatts’ worth of AI compute coming online every year, then we in turn believe there’s gigawatts’ worth of demand.

If there’s a gigawatt or two coming online every year, that’s a completely different story.

At the very least, hyperscalers are going to be burdened with brutal depreciation charges or onerous write-offs for years to come, whether their capacity turns into revenue or not. CoreWeave, Nscale, Lambda and every other neocloud is set on the highway to Hell, with ballooning debt that can only be paid via contracts that are dependent on a few AI labs and a company so capricious that it renamed itself after the Metaverse, burned $77 billion, then killed it two years later.

I don’t even know how to write what I’m thinking without sounding alarmist…but I don’t see how 90%+ of NVIDIA’s sales ever end up generating a single dollar of revenue, and considering the amount of project financing-backed data center debt deals, there’s very little that exists to protect investors if AI compute demand never arrives. I don’t know how we don’t see tens of billions of dollars of write-downs and dead data center debt deals with every investor involved losing every penny, nor do I see how big tech avoids admitting that they wasted all their capex.

I think everybody who invests in these things ultimately loses, ranging from embarrassment and terrible earnings for hyperscalers to genuine destruction for anyone that trusted the pablum that “all useful compute will be used.” Until that happens, more and more money will be sunk into further theoretical capacity, making the eventual collapse all the more gruesome.

And in the end, what was any of this for? What did this achieve? What was the point of stacking up hundreds of billions of dollars of debt to buy hundreds of billions of dollars’ worth of AI chips years in the future?

What do you think happens when the first hyperscaler pulls out?

What do you think happens when the debt stops flowing?

I’ll give you one answer: everybody will realize that they conflated a great sales pitch with a thriving industry, and both the markets and the economy will suffer as a result.

None of this ever had anything to do with AI, and everybody who cheered Jensen Huang’s ascent in the belief it did is a mark.

What a fucking waste. I don’t enjoy finding this stuff out. I wish we’d have stopped doing this years ago.

Not that I think we will…but even if they bail out Anthropic, even if they bail out OpenAI, there is no way to magic up the trillions needed to justify the capex, or to prop up hyperscaler growth long term.

The longer this continues, the more promises are made, the more projects that are announced…the worse it’s going to be.

If you liked this piece, you should subscribe to my premium newsletter. It’s $70 a year, $18 a quarter, or $7 a month, and in return you get a weekly newsletter that’s usually anywhere from 10,000 to 18,000 words and provides vast, detailed analyses of the biggest events and companies in the AI bubble.

If you want to get in touch — and especially if you have any juicy information about Anthropic, OpenAI, or any other companies in the AI bubble — hit me up on Signal at ezitron.76. I’m also on IB on The Terminal.