看不见的牛鞭：算力终将冗余

每当供需失衡、需求和价格飙升时，我脑子里冒出的第一个概念就是牛鞭效应。这是一条颠扑不破的真理——因为它是对人性贪婪的真实回应。

今天的算力市场，毫无疑问处于短缺阶段。从增强 GPU 的产能，到光模块、存储的扩产，再到争夺能源，随着 AI 经济的发展，人们对计算的需求呈现出爆炸性增长。任何有算力供给能力的人都根本不愁销售，并因此获得丰厚的利润。五大科技巨头今年的资本支出计划合计高达近 6900 亿美元，几乎是上一年的两倍。所以，当下人们谈论最多的，就是如何买到更多的卡，如何更快速地建出算力工厂，以及如何获取能源。

但是，我的经济学常识告诉我，牛鞭效应始终是存在的。

一个真正的市场经济，永远都会是一个供大于求的经济。与计算相关的资本性开支都属于资本密度极高、建设周期极长的状态。那么可以预见的是，在若干年后，大批量的产能释放出来，难道所有人的默契都会是持续性地保持供给短缺，从而守住高利润吗？就像现在的三星、海力士和美光一样？

还是说，过于丰厚的利润会引入更多的参与者入场？

我想，理性的市场总是选择后者。因此，最终算力冗余会不可避免地阶段性出现。这可能是未来引发这一轮 AI 经济危机的一个非常重要的诱因。

啤酒游戏与看不见的牛鞭

牛鞭效应到底是什么？它为什么如此可靠？

这要回到 20 世纪 60 年代麻省理工学院斯隆管理学院的一个课堂上。

在那里，诞生了著名的“啤酒游戏”（Beer Distribution Game）实验。在游戏中，参与者分别扮演零售商、批发商、分销商和酿酒厂。他们只能看到直接下游的订单，而无法看到终端的真实需求，且订单和货物的传递都存在数周的时滞。

实验的结果总是惊人的一致：即使终端消费者的需求只发生了一次微小的增长，这种增长信号在向上传导的过程中也会被逐级放大。零售商为了防止缺货会多订一点，批发商看到订单增加会再多订一点，到了酿酒厂这一端，订单量可能会飙升到终端实际需求的十倍甚至几十倍。这种需求变异放大的现象，就是经典的“牛鞭效应”（Bullwhip Effect）。

数十年来，这个实验在全球各地的商学院被重复了数千次。无论是没有经验的学生，还是身经百战的跨国公司 CEO，几乎都无法避免剧烈的库存震荡——先是缺货恐慌引发的疯狂加单，随后是需求消退后海量的库存积压。

斯坦福大学的学者曾总结过牛鞭效应的四大成因：需求信号处理、批量订购、价格波动引发的囤积，以及最关键的“短缺博弈”（Shortage Gaming）。当供给短缺且实行配给制时，买家会理性地夸大自己的订单以获取更多的配额。一旦供给缓解，这些虚高的订单就会瞬间蒸发。

这并非因为参与者缺乏理性。恰恰相反，在信息不对称和结构性时滞下，个体追求利益最大化的必然结果，就是系统性的灾难。牛鞭效应，本质上是对人性贪婪与恐惧的真实回应。

在历史的长河中，几乎每一轮基础设施建设热潮，都在遵循这一颠扑不破的规律。

19 世纪 40 年代的英国铁路狂热，是工业时代第一场教科书级的牛鞭演绎。1846 年顶峰时，资本疯狂涌入，铁路股价在两年内翻倍。然而，真实的需求远不足以支撑如此庞大的路网。随着泡沫破裂，三分之一的获批铁路从未建成，大量中产家庭积蓄尽失。

时间拨转至 1996 年至 2002 年的光纤泡沫，其发展轨迹与今日的算力狂热惊人地相似。当时，电信巨头 WorldCom 提出了一个极具煽动性的论断：“互联网流量每 100 天翻倍”。这一叙事被广泛接受，电信企业在短短几年内投入超过 4440 亿美元，铺设了数千万英里的光纤。

然而，真实的流量增长大约是每年翻倍。当供给在 2001 年后集中释放时，市场发现绝大多数光纤根本无人使用。这些被称为“暗光纤”（Dark Fiber）的过剩产能，花了近十年时间才被逐渐消化。

今天，这根看不见的牛鞭，正高悬在 AI 算力产业的头顶。

隐藏在狂热下的“分层部署”

如果说牛鞭效应解释了波动的必然性，那么在 AI 算力这场大戏中，决定周期长度与深度的，是同时在进行的两条线的革命：一条是算力需求的急剧放大，另一条是供给能力与效率的急剧放大。

毫无疑问，计算正在成为驱动下一代经济发展的核心要素。随着模型架构走向复杂的“多步推理”和代理工作流，总算力需求依然有着巨大的增长潜力。这也是支撑当前庞大资本支出的核心逻辑。

但很多人忽视了需求线下方隐藏的一条暗流：成本约束意识的觉醒。

今年初，几家我们投资的企业还在兴奋地尝试将所有业务流程接入最顶级的闭源模型。但到了年中，他们的态度发生了微妙的转变。昂贵的 API 调用费用在几个月内耗尽了预算，他们开始将算力进行分层部署。

对于日常的文本处理或内部辅助，他们转向了廉价的开源模型；只有在面对极其复杂的推理或核心决策时，才会调用最高级的算力。这种从“令牌最大化”向“效率最大化”的转变，像一个隐形的阀门，悄然压低了需求侧实际向上游传递的订单增速。

与此同时，供给端正在经历一场断崖式的跃升。

当台积电的新晶圆厂在 2027 年陆续投产，当规划中的核电站和吉瓦级数据中心集中并网，受制于长周期的资本开支将转化为实实在在的算力。更致命的是“效率革命”。从 2022 年末到 2026 年初，运行 GPT-4 级别模型的推理成本下降了近 1000 倍。硬件迭代、软件框架优化以及模型架构创新，使得完成同等任务所需的物理硬件数量急剧减少。

当这两条线在未来的某个时间点（大约在 2027 年至 2028 年前后）交叉时，供需反转的“奇点”就会到来。

买家变卖家：冗余的早期信号

牛鞭效应的残酷之处在于，当终端需求增速仅仅是放缓时，上游可能面临的却是订单的腰斩。在AI 算力的全链条中，这种传导正在发生。

在基础模型层，为了维持估值，大模型厂商必须不断购买更多的算力来训练下一代模型。但在应用端收入无法覆盖高昂基础设施成本的背景下，这种军备竞赛越来越依赖于外部融资的输血。

在最上游的芯片层，英伟达享受着超高的毛利。但正如 DRAM 行业的历史所证明的，过于丰厚的利润必然瓦解供给纪律。定制 ASIC（专用集成电路）正在大举入侵，接管巨头内部庞大的推理工作负载。当最核心的大买家开始用自研芯片替代通用 GPU 时，边际需求的转移往往是周期反转的第一张多米诺骨牌。

事实上，算力冗余的早期信号已经出现。

2026 年中，xAI 将其引以为傲的 Colossus 1 超级计算机（包含 22 万张 GPU）独家出租给了竞争对手 Anthropic；紧接着，Meta 宣布建立云业务“Meta Compute”，准备出售其过剩的 AI 算力。

当那些在市场上抢卡最凶的大模型厂商，开始将自己斥巨资建成的算力设施转租给他人时，说明其内部的算力供需已经发生了微妙的倾斜。买家转身变成了卖家，这不仅改变了云服务市场的竞争格局，也为我们观察牛鞭效应的传导提供了一个切面的信号。

在音乐停止前找到“暗光纤”

这可能会让许多正在享受算力红利的人感到不舒服：如果算力终将冗余，甚至可能引发一场资产减值的大危机，我们现在的投资还有意义吗？

在顶级 VC 的投资框架中，判断时机（Timing）与识别真正关键的要素（Identify what is critical）往往比严密的逻辑推演更重要。

在短期内，由于基础设施建设的长周期属性，供给端无法瞬间释放产能。因此，在那些拥有核心壁垒、能切实解决电力或互联瓶颈的环节，短缺博弈带来的高额利润仍将持续。在这些领域寻找机会，依然是具有逻辑支撑的。

但周期永远存在。在一级市场投资中，我们需要将目光从单纯的“算力提供者”转向那些能在算力冗余时代存活并获益的“算力消耗者”。

就像光纤泡沫破裂后，真正赚到大钱的不是铺设光纤的电信巨头，而是利用廉价暗光纤建立起帝国的互联网公司。

2000 年泡沫破裂后，WorldCom、Global Crossing 等电信巨头接连破产，它们铺设的光纤资产以原始成本几分之一甚至十几分之一的价格被抛售。Google 在 2005 年前后大规模低价收购这些“暗光纤”，用来建设自己的私有骨干网络。正是因为拥有了这套低成本基础设施，Google 才能以极低的边际成本向全球用户提供搜索、YouTube、Gmail 等服务，并最终发展出 Google Cloud。Amazon 同样受益于泡沫破裂后廉价的带宽和数据中心资源，在 2006 年推出了 AWS，开创了云计算时代。

建设者破产了，但基础设施留下了。真正赚到大钱的，是那些在废墟上以极低成本利用这些基础设施、在应用层跑通商业模式的人。

当算力真正成为像水电一样廉价且充裕的基础设施时，我们需要寻找的，是那些能够利用低成本算力重塑传统行业结构、具备极强工程化能力和敏锐商业嗅觉的团队，他们才是找到了与 AI“正交复利”因素的人。

算力冗余或许是一个阶段性的必然。在牛鞭高高扬起之时享受泡沫的红利，在牛鞭落下之前找到那片能够孕育下一代伟大企业的“暗光纤”。

这可能比单纯地抢购 GPU 更重要。