刀马旦

AI是如何变成一门关于钢铁、电力与土地的生意的？_我的网站

一 |     提前说一句：                    这篇文章不好读，甚至有点“烧脑”；但没关系，你读下去就会发现，我讲是 AI 背后的资本、人心和周期。     8 月 25 日消息，路透社今天（8 月 25 日）发布博文，报道称 WikiHow 于 8 月 21 日向美国曼哈顿联邦法院提交诉讼，指控 OpenAI 其未经许可抓取超过 11,000 篇教程文章，用于训练 ChatGPT 及 GPT 大型语言模型，并侵犯至少 1,200 项已注册版权。                   国庆刚过，全球资本市场又传来新动静。                   这次是更大的资本层面，10 月 15 日，一笔高达 400 亿美元的收购案敲定：几家美国头部投资机构联合买下了全球最大的数据中心之一。注：WikiHow 是全球最大的协作式“怎么做”（How-to）生活指南百科网站，目标是建立全球最实用、最全面的万事指南，让所有人都能学做任何事。WikiHow 在诉状中称，OpenAI 爬取的文章涵盖多个主题，涵盖日常任务到专业技能。

二 | OpenAI 大规模复制这些内容后，ChatGPT 可根据用户提示复现 WikiHow 文本，并生成相同主题的教程。

三 |                    前一天，Google 也在印度宣布，要砸 150 亿美元建一个新的 AI 枢纽。在诉讼文件中，WikiHow 指出：这些模型在吸收了 wikiHow 的文章后，现在能够以远低于研究、撰写和编辑 wikiHow 文章所需的时间、精力和成本，制作出与 wikiHow 文章竞争的同类教程内容。

四 |                    听起来离我们很远，但这两件事，有点意思：所有人都还在谈模型、谈智能体时，国外资本悄悄开始“砌砖”了；他们不再炒算法，也不太关心应用层，而是集体冲向一件事：地基。                   所以，我这几天一直在想：为什么所有人都在往天上看，这些公司开始往地下投入？                    01                    要理解这波 AI 热潮，得先看看钱都去了哪。                   我翻了一波数据，挺夸张。

五 | 这种替代做法减少了 wikiHow 的收入，随着时间的推移，它甚至失去了继续制作文章的动力。

六 | 诉状指控 OpenAI 至少侵犯 1,200 项 WikiHow 已注册版权。WikiHow 要求法院判令 OpenAI 赔偿，但没有说明具体金额；同时要求法院发布禁令，阻止 OpenAI 继续侵犯其版权。OpenAI 发言人 8 月 24 日回应称，公司模型“使用公开数据训练，并以合理使用为基础”。

七 |                    截至 2025 年 6 月，美国的数据中心施工支出，按年化口径算，已经冲到 400 亿美元，比去年多了大概 30%。

八 | 这是美国银行研究院根据商务部数据做的统计，路透也有同样口径的报道。WikiHow 的发言人和律师没有立即回应媒体置评请求。                   放到全球看更离谱。                   麦肯锡测算，到 2030 年，全球为了满足算力需求，得砸进去差不多 6.7 万亿美元 的数据中心投资，其中面向 AI 工作负载的部分，就要占掉五万多亿。                   连 IMF 都在报告里点名，说今年美国能顶住下行压力，靠的就是这波 AI 投资热潮。

九 |                    啥意思呢？                    大家嘴上都在谈“模型”，但钱，全在砸电、地皮和“冷却系统”这些物理地基。                   我认为，这是一场“重力回归”；过去十年，互联网让资本习惯了轻逻辑——复制快、成本低、边际收益高；但到了 AI 时代，逻辑彻底反了。

十 |                    AI 越聪明，背后算力越重；模型越大，能耗越高。于是，过去玩算法的人，现在开始买电站、建机房、谈地租。                   这是 AI 行业最被忽视的转折点，它的本质，正在从“智力游戏”，变成“物理战争”。                   要让一个 10 万亿参数的大模型跑起来，不光要 GPU，还得要电力、冷却系统、稳定的网络；就像人类第一次发电、第一次造飞机一样，AI 也正式进入了自己的“重工业时代”。                   所以，AI 是一门需要“钢铁、土地、水电”的生意。                   现在全球最赚钱的几家公司，几乎都成了算力供应商；英伟达靠芯片狂赚，微软在拼命扩张数据中心，这叫什么？新一轮“数字淘金热”。只是这次，真正挖矿的，是资本。

十一 |                    我觉得，这股风背后藏着更深一层逻辑：AI 在“重新中心化”。                   以后，每一个数据中心，都是新的“城市节点”；每一次基建投资，都是新的“能量调度”。当数据、算力、电力、土地绑在一起，全球资源的棋盘也被重新摆了一遍。

十二 |                    所以，这就是所谓的“AI 的物理化拐点”：过去两年，AI 靠语言模型讲故事；接下来几年，它要靠电网、地皮兑现未来。

十三 |                    不过，但当所有事情都开始落地，新问题也跟着来了。比如：资本变重，意味着资金周期拉长；投入越多，回本越慢。

十四 | 那这笔钱，到底多久能回本？                    02                    AI 的基础设施投资，周期长、折旧重、成本高，最怕的就是“兑现慢”。

十五 | 偏偏，这个赛道，就是慢的。

十六 |                    这两年，投资人的情绪，像过山车一样。                   2023 年是兴奋，ChatGPT 带来一场信仰暴涨，大家一股脑儿冲进来；2024 年是期待，所有人都在等，AI 什么时候能变成利润？到了 2025 年，投资人开始焦虑了，因为账算不明白了。                   我让 agent 跑了几份报告。数字挺扎眼：                    美国 AI 板块的市盈率，从 2023 年的 58 倍，掉到今年 35 倍左右；大模型公司几乎都在亏，AI 云服务的成本还在涨。                   这是市场正式进入“报表周期”的信号；以前资本靠故事喂饱，现在要看表格：要收入曲线，要现金流，要回报周期；所以，耐心就成了奢侈品。                   我有几个做投研的朋友，年初还信心满满，现在开始算账了。他们说，AI 的“兑现逻辑”太模糊：                    技术在进步，生产率却没明显提升；模型越大，算力越贵；企业买了 AI 服务，却还不知道自己到底在买什么；结果就是：资本陷入一种很微妙的状态，不能撤，也不敢加。

十七 |                    我觉得，这是一种“认知疲劳”；AI 在叙事上太快，在兑现上太慢，2023 年，是叙事泡沫；2025 年，成了现金流困境。                   市场也慢慢意识到这场革命，没那么快，也没那么便宜。                   从心理层面看，这是“耐心的价格”问题；利率还没降，通胀又高，等待本身就有成本，每一个季度，都是投资人的煎熬期，因为资本时间，也在计息。                   AI 的真正矛盾，是节奏，技术是指数级的，商业兑现是线性的，两条线放在一起，落差越来越大，市场情绪自然开始波动，所以，现在投资者最担心“未来太慢”。                   这也是为什么，最近很多 AI 投资报告都在写“分化”两个字。

十八 |                    因为大模型厂商还在烧钱，小模型公司反而活得很滋润；硬件厂商利润暴涨，软件增长却放缓，AI 的财富效应，开始反转。                   这种节奏下，投资者耐心像一根橡皮筋，越拉越紧，迟早要断；而当资本开始变得急躁，现实世界的反应也开始变形。                   孙正义今年也出手了。                   2025 年 3 月，软银在日本大阪买下前夏普的液晶工厂，要改造成 AI 数据中心；三个月后，他又在亚利桑那抛出一个更大的计划：要建一个价值 1 万亿美元的“AI 基础设施园区”。                   这是他为数不多公开的几次发声之一，这位押中过阿里巴巴、Arm 的老赌徒，又开始新一轮 All in。

十九 |                    我觉得，这种反常的勇气是一种“逆周期耐心”，别人犹豫，他加码；别人担心回本，他赌长期；这就是，这场浪潮最真实的注脚：技术在上升，资本在下潜。                   03                    要知道，AI 现在最大的问题，不在算法，在能量。                   我看了一组数据——挺吓人。                   美国一家超大型数据中心，每年的耗电量，相当于一个十万人口城市的总用电；另一份报告说，一家云计算巨头，一年为了冷却服务器，要用掉超过 十亿升水。                   这是什么概念？在一个干旱地区几乎要抽干一条小河。

|                    AI 的胃口，正在被全球放大，算法每进化一点，背后的能耗就得再涨一截；从电力，到冷却系统，再到土地供应，它已经成了一场现实世界的“大胃口革命”。                   这是 AI 热潮最容易被忽略的另一面，它吞掉的，不只是算力资源，更是社会的公共资源。                   我查了下，在亚利桑那，当地居民抗议，说数据中心“把城市的水都喝光了”；在墨西哥，有人举牌反对，因为机房让他们断电；                    在印度，Google 的新基地刚立项，当地媒体就在问：电够不够？水从哪来？                    这些新闻看起来琐碎，其实说明一件事，技术正在碰到土地的边界；我觉得，这才是真实的“AI 落地”，它砸进了现实。                   从地缘角度看，这场“能量战争”已经开始外溢了，美国在抢电，中东国家在建“数据沙漠”，印度、印尼、越南在争“算力落地权”，过去十年我们争“数据主权”，现在争“算力主权”。                   谁掌握能源，谁就能喂饱算法。技术要速度，社会要秩序，而能源，正好卡在两者之间。                   我认为，这场基础设施革命，说到底，是资本和自然的一场博弈；从煤炭、石油，到算力、电力——每一次技术革命，本质上，都是“能量的重新分配”；只是这次，我们换了个名字，叫 AI。                   但革命从来不会只属于赢家，当能源紧张、社区反弹、环境受损，技术的光亮，也会投下阴影。                   所以我现在更想问：                    当资源吃紧、环境反弹，人类还会继续押注 AI 吗？我想，会的。

| 因为我们押的，从来不只是技术，更像一场关于“信仰”的循环。                   04                    蒸汽机、电力、互联网——每一次都被当成“救赎”，人类在焦虑时，总需要一个能让自己相信的东西，它可以是上帝，也可以是代码。                   AI 是最新的一种形式。                   它让我们觉得，复杂世界终于能被计算，混乱情绪终于能被理解，甚至连人生的选择，也能“交给算法”，技术越强，人越想靠近它，那种力量，像极了确定感。

|                    但问题是：技术再完美，也没法替我们过生活。

|                    我见过太多这样的循环。

|                    热潮来时，人们谈未来；退潮之后，人们谈幻灭；可只要下一波技术再出现，大家又会重新相信：这次不一样；所以，泡沫没有对错，它只是提前兑现了我们的渴望。

|                    你看，铁路泡沫留下了铁路，互联网泡沫留下了网络，AI泡沫，也会留下算力、模型、数据和基础设施。                   这是人类的本能：我们用希望推动世界，然后再用幻灭修正方向；信仰生于焦虑，泡沫源于信仰，而价值，总在泡沫之后出现。

|                    所以，当泡沫褪去，我们是否记得当初为什么相信？                    AI 带来了效率，也带来了幻觉，它让人类第一次面对一个更‘聪明’的存在——但聪明，不等于理解；当机器开始回答一切，我们也许更容易忘了问“为什么”。                   我觉得，我们现在处在一个微妙的阶段：AI 越强，人越弱，因为我们开始把选择外包，把思考托管，把信任转移。

|                    可你仔细想想，AI 的能力，其实来自人，训练它的是人；教它思考的也是人，AI 只是镜子，照出了我们自己对未来的想象，也照出了恐惧。

|                    所以，这场热潮的核心，是“人还相信什么”。

|                    很多人都相信技术，也相信周期，只是，每次风口来临，我更想看看：谁能留下；因为最终能兑现未来的，不是模型，也不是算法，而是人。

|                    或许，十年后回头看：                    新城市节点、能源网络、算法语言，这些，都是文明在往前走的痕迹。不过，AI 基础设施的叙事，新轮流还没刮到国内。                   而国外投资者，已经开始陷入另一种循环：从期待，到焦虑，再到怀疑；说到底，这不就是另一种 FOMO 吗？                    本文来自微信公众号：王智远，作者：王智远。

Current article:http://www.deshabisaoguonouzuo.cfd/c6q8d/dgr524z.htm

Published on:01:36:21