原因很简单，大家不是不想用 AI 但是没人想用 overpriced 的 AI
美国科技公司应该是 AI Adoption 最有动力的公司了，码农工资高，美国又是人力最高的国家，代码又是 relatively LLM 做得很好的地方，如果有人要被 AI 代替，码农应该是最先被代替的
我们看到了什么呢？码农的生产力确实大幅提高，但是科技公司并没有增收，at best 降了本，然而由于 token 的价格越来越贵，降本的效果也是非常可疑
其实根本的问题在于，码农的成本对于一个 business 的成功，大概是相当不重要的部分；AI 如果只能降本不能增收，那它的上限就很低；更重要的是，很多公司发现了，与其追求更高阶更贵的模型，不如选择便宜点的让码农人肉 harness
如果连码农这个行业，AI 的 ROI 都这么可疑，其它的行业就更不用说了；如果连美国人力成本这么高的地方都这样，世界的其它地方就更不用说了。
更难受的是，Anthropic 和 OpenAI 的高价模型后面，还有追求低价高效的中国模型在追赶，这基本上给了这两家模型公司的售价设置了一个上限，如果你的同效果模型卖的比开放权重模型贵，那对不起，客户就跑了。
早些年 GPU 存储还没有这么涨价的时候，大概率还是能回本的；但是今年的情况我们看到了，半导体公司的财报增长并不是每 $ 买到的算力变便宜了所以 market 变大了，相反从数据中心整体的角度来看这个指标变得更贵了，尤其是今年才开始买的，锁的未来几年的涨价单。
另外我们从几个角度对比一下 dotcom bubble 和现在的 AI 资本开支
| 指标 | Dotcom / Telecom 2000 | 当前 AI 建设 | 谁更像“等接盘” |
|---|---|---|---|
| 1. 终端需求覆盖率：终端付费 / 上游 capex | 约 55-65%；不算 PC 则 17-20% | 约 6.8%；只算消费者则 1.7% | AI 明显更低 |
| 2. 真实买单收入占比：终端收入 / 终端收入+上游建设收入 | 约 35-40%；不算 PC 则 15-20% | 约 6.3%；只算消费者则 1.6% | AI 明显更低 |
| 3. 循环交易 / vendor financing 占比 | broad stack 8-16%；telecom equipment channel 14-26% | 已披露硬循环下限 3-5%；若把 OpenAI 大额云/芯片承诺算作融资依赖型需求，约 10-15%+ | 两边都有，AI 更不透明 |
| 4. capex 回本年限：capex / 终端毛利 | 约 5-6 年；不算 PC 则 9-11 年 | 约 21-30 年；只算消费者则 85-120 年 | AI 严重更差 |
| 5. 融资依赖率 | telecom 基建约 60-80% 靠债/外部资金 | data center 总 capex 中外部融资约 52%；债/类债约 40% | dotcom/telecom 债务更重，但 AI 正在追上 |
| 6. 已建产能真实利用 | 长途光纤产能使用率 ≤2% | 物理 GPU 目前未明显闲置；但按终端付费支撑的经济利用率约 15-25%，消费者-only 4-6% | dotcom 物理过剩更惨；AI 是经济回本更惨 |
从产能利用率来说，我们离 bubble burst 应该还很远，但是从资本开支，终端付费意愿等角度上来说，差的也不远了
