前言：不是所有人都能从 AI 基建中赚到钱
过去两周，我们一直在关注 AI 模型的价格战和应用爆发。但 AI 产业链还有另一端——基础设施。
7 月 13 日，Oracle 的处境把这一端的残酷暴露了出来：
| 指标 | 数据 |
|---|---|
| 信用评级 | BBB-（标普，投资级最低一档） |
| 股价 | 单周暴跌19% |
| 裁员 | 21,000 人（13%） |
| 债务 | 1,300 亿美元（AI 基建投资所致） |
| AI 收入占比 | 仅8% |
Oracle 不是个例。这篇文章把 AI 基础设施投资的经济账算清楚。
一、Oracle 做错了什么？
Oracle 的 AI 策略是大规模借贷建设数据中心，押注企业会大量租用 Oracle 的 AI 算力。
但三个假设全部落空：
假设 1：“企业会大量租用第三方 AI 算力”
实际情况：头部企业（微软、Meta、Google）全在自建数据中心。中小企业的 AI 用量远低于预期——大多数还在"试点"阶段。
假设 2：“算力供不应求会持续”
实际情况：Meta 卖算力、xAI 出租 Colossus、AWS 降价——算力供给正在快速增加，价格在下降。
假设 3：“先建好，客户自然会来”
实际情况：建好了，客户没来。1300 亿美元债务需要支付利息，但 AI 收入只占 Oracle 总收入的 8%。
二、AI 基础设施的真实成本
一个数据中心的经济模型
| 项目 | 数值 |
|---|---|
| 建设成本（100MW） | $5-8 亿 |
| 年电力成本 | $3,000-5,000 万 |
| GPU 采购（10,000 张 H200） | $30-40 亿 |
| 年运维人员 | $1,500-2,500 万 |
| 总投资（3 年） | $40-55 亿 |
收入端
| 出租率 | 年收入 | 回收周期 |
|---|---|---|
| 90% | ~$12 亿 | 3-4 年 |
| 70% | ~$9 亿 | 5-6 年 |
| 50%（Oracle 现状？） | ~$6 亿 | 7-9 年 |
出租率是生命线。低于 70%，数据中心的 ROI 就跑不过融资成本。
三、自建 vs 租赁：企业 AI 算力决策框架
defshould_self_build(company)->str:"""企业应该自建数据中心还是租赁？"""monthly_gpu_hours=company.ai_usage_hours_per_monthifmonthly_gpu_hours>100_000:return"self_build"# 用量大，自建更划算ifcompany.has_compliance_requirement:return"self_build"# 数据不能出园区ifmonthly_gpu_hours<10_000:return"rent"# 用量小，租赁灵活# 中间地带：看成本build_cost=estimate_build_cost(company)rent_cost=estimate_rent_cost(company,years=3)ifbuild_cost<rent_cost*0.7:return"self_build"else:return"rent"成本对比（中型企业，月 50,000 GPU 小时，3 年）
| 方案 | 3 年总成本 | 灵活性 | 资本支出 |
|---|---|---|---|
| 自建数据中心 | $1,800 万 | 低 | 一次性大额 |
| 租赁（按需） | $2,400 万 | 高 | 零 |
| 混合（自建基础+弹性租赁） | $1,500 万 | 中高 | 中等 |
混合方案成本最低：基础负载用自建算力（便宜），峰值用租赁（弹性）。
四、谁在赚钱，谁在亏钱？
| 角色 | 状态 | 代表 |
|---|---|---|
| GPU 厂商 | 🟢 暴赚 | 英伟达（毛利率 70%+） |
| HBM 厂商 | 🟢 暴赚 | 美光/SK 海力士（产能预定到 2027） |
| 云厂商（有客户基础） | 🟢 赚钱 | 微软/亚马逊（AI 云收入快速增长） |
| 纯算力租赁 | 🔴 危险 | Oracle/CoreWeave（债务高、客户少） |
| 模型公司 | 🟡 分化 | Anthropic 赚钱（ARR 600亿），其他在烧钱 |
核心规律：离 GPU 制造越近，利润越高；离最终用户越近，风险越大。中间层（纯算力租赁）是利润最薄、风险最高的一环。
五、Oracle 困境的警示
Oracle 的问题不是 AI 不行，是它在一个需要规模效应的行业里规模不够大，却用规模最大的方式（借债建数据中心）去竞争。
对比：
| Oracle | 微软 | |
|---|---|---|
| AI 年收入 | ~$40 亿 | ~$800 亿 |
| 债务 | $1,300 亿 | $600 亿 |
| 客户基础 | 企业 IT | 企业 IT + 消费 + 游戏 |
| AI 模式 | 纯租赁 | 自用 + 租赁 + 模型分销 |
同样的模式，微软能做，Oracle 做不了——因为微软有客户，Oracle 在建好之后才去找客户。
六、总结
AI 基础设施投资的三条铁律：
- 先有客户，再建数据中心——Oracle 的反面教材
- 混合方案最优——自建处理基础负载，租赁应对峰值
- 离硬件越近越赚钱——英伟达/Micron 的利润率不会说谎
如果觉得有用，欢迎点赞 + 收藏 + 关注。持续分析 AI 产业链各环节的真实经济账。
🔜 下午：AI 编程工具最新市场格局