在JDD大会刚结束的环节，京东集团技术委员会主席、京东云总裁曹鹏对外透露，京东云已携手摩尔线程等合作方成功搭建了国产万卡集群，下一步将着手建设十万卡集群，重点聚焦大模型训练、推理以及具身智能领域。

为其站台的是摩尔线程创始人张建中，他曾担任英伟达全球副总裁及中国区总经理。他的观点是“Scaling Law依然有效，十万卡集群已成为行业趋势。”

几乎与此同时，字节跳动正着手推进一笔总额296亿美元的银团贷款，其利率已降至中国科技企业同类融资的历史最低水平。阿里和腾讯的资本开支也实现了同比翻倍增长。

在大洋彼岸，这场AI领域的投入竞赛仍在持续升温。

据The Information报道，Anthropic在过去11个月内签署了总额达5170亿美元的算力合同，这一数字相当于其年收入的8倍。

最引人注目的是OpenAI。从“星际之门”项目到与甲骨文、英伟达、AMD达成的一系列天价协议，OpenAI几乎以一己之力将全球算力投资推向新高，堪称这场算力竞赛中最激进的参与者。然而，近期CEO Sam Altman却在播客中一反常态，开始呼吁行业保持谨慎。

最爱谈论风险的人，签下了最大的订单；最积极扩张的人，却开始劝他人冷静。从北京中关村到美国硅谷，所有人都看到了风险，但没有人敢于率先停下脚步。

京东建十万卡集群，字节“借”296亿，AI军备赛进入买单周期

近期，中国大型科技企业开始频繁提及“花钱”。

字节跳动正在推进一笔296亿美元的银团贷款，阿里和腾讯的资本开支同比翻倍，而京东则在JDD大会上宣布，已与摩尔线程等合作伙伴建成国产万卡集群，下一步规划是十万卡集群。

穆迪在9月发布的报告中指出：中国头部科技企业2026年至2027年的资本支出总额，预计将从2025年的650亿美元增至1400到1650亿美元。

这与前几年有所不同。彼时，大厂谈论AI时，更多聚焦于模型规模、用户数量以及何时能实现可持续盈利。

今年，越来越多的资金开始流向那些看不见的领域：GPU、数据中心、电力，以及需要提前数年预订的计算资源。

各家的投资方式，能反映出它们各自的处境。京东将这笔投入与自身业务紧密结合。今年上半年，京东研发投入同比增长53.2%，连续三个季度加速；它还计划在未来5年内采购300万台机器人、100万台无人车和10万架无人机，目标是打造“全球最大物理世界运营中心”。

换言之，京东需要的是能够深入仓库、配送站、供应链和机器人系统的计算能力，而非仅仅是更多的GPU。这也是京东云在宣布建设十万卡集群时，将大模型训练、推理和具身智能并列提及的原因。

用曹鹏的话来说，“京东的AI并非诞生于论文，而是在生产线、仓库、配送站以及供应链全流程中，通过一单一单业务打磨出来的。”他还打了一个比方：有些企业做AI，是“先有技术再找场景，先做鞋后量脚”；而京东做AI，则是“从场景中生长出技术，先量脚再做鞋”。

阿里从一开始就将这笔账算得很大。去年2月，阿里CEO吴泳铭宣布未来3年投入超过3800亿元用于建设云和AI硬件基础设施，这一数字超过了阿里过去十年的投入总和。去年云栖大会上，他再次重申了这一计划，并表示将继续追加投资。

相较于阿里的豪掷，腾讯在花钱上更注重稳健。去年全年资本开支为792亿元，虽然创下历史新高，但也仅占营收的一成左右。同时，腾讯云在这一年实现了规模化盈利，也算见到了些许回报。

百度则处于“边烧钱边寻求兑现”的状态：文心需要坚定投入，智能云也要依靠AI来提升收入。去年，百度核心AI新业务收入达到400亿元，同比增长48%；今年一季度，AI业务收入占比首次过半，资本开支也明显增加。它的另一个着力点是自研昆仑芯：一方面通过自研芯片补充高端AI算力供给，降低推理和训练成本；另一方面将模型能力下沉到智能云、搜索、文库、萝卜快跑等场景中。

字节则是一再调整，持续扩大对AI算力的投入。2025年资本开支约为1500亿元，其中900亿明确投向AI算力；今年的计划一路加码，从去年底讨论的1600亿元上调至2000亿元以上。据财新报道，今年字节有将近1600亿元投入AI，其中过半用于AI芯片采购。

可以看出，如今大厂的AI投入早已从“要不要买”转变为“买多少、什么时候买，以及这些钱最终能否赚回来”。

而在大洋彼岸，这场AI烧钱大战已发展到令人咋舌的地步。据The Information报道，过去11个月，Anthropic签署的算力合同总额达到5170亿美元。自2025年10月以来，它在原有1至2吉瓦的基础上，又锁定了至少14.8吉瓦的计算能力，并计划自建数据中心。

14.8吉瓦是什么概念？按1吉瓦约对应75万户美国家庭用电量计算，这相当于超过1000万户家庭的用电规模。

Anthropic目前年化收入约为650亿美元，这意味着它签署的算力合同规模接近其年收入的8倍。而且，这些合同所购买的算力，很多并不会立即到手。例如，与Nscale签署的6年450亿美元合同，对应460兆瓦容量，但这部分算力要到2027年底才能上线。

据The Information梳理，这些合同大量采用take-or-pay模式，简单来说就是：即使算力未被使用，钱也必须照付。去年年底，Anthropic给投资人的计划还是到2029年租用约1800亿美元服务器；不到一年，这个数字已接近翻了三倍。

Anthropic当然有理由下注，其业务增长确实迅猛：2025年初年化收入约10亿美元，到今年7月底已飙升至650亿美元。年消费100万美元以上的企业客户，在两个月内从500多家增加到1000多家。算力甚至一度紧张到需要限流。

今天多家媒体报道，Anthropic已选定纳斯达克作为IPO地点，最快10月路演，目标估值约为2万亿美元；若按此定价成行，将超越SpaceX，冲击“史上最大IPO”。

问题在于，今天的增长能否覆盖明天的合同？Anthropic预计2028年营收达1900亿至2000亿美元。即便这一目标兑现，年均超过500亿美元的算力合同支出，仍然是一笔沉重的负担。

而且，算力与普通厂房不同，其价值变化更快。今天最先进的GPU，几年后可能被新一代芯片取代；今天需要如此多计算资源的模型，几年后也可能因算法效率提升，用更少的算力完成相同的工作。

算力当然需要购买，但究竟该为多远的未来买单，才算得上安全？

阿里、腾讯精算投入产出比，Anthropic购买确定性

无论中美，大厂们都在不断思考：AI到底值得投入多少钱？答案既取决于技术判断，也取决于一家公司的现金流、业务规模，以及它能承受多久看不到回报的投入。

这也是中美在AI资本开支上的分野。

穆迪报告中提到，美国六大云厂商2026年一年的资本开支预计就超过7850亿美元，2027年可能进一步冲向1万亿美元。有趣的是，美国企业的投入大约是中国企业的6倍，但数据中心总装机容量却不到中国的2倍。

差额去了哪里？很大一部分，是美国公司在为未来的算力供给提前付费。

美国超大规模云厂商的数据中心租赁承诺已达到1.2万亿美元，其中约8200亿美元对应的数据中心甚至尚未开工。

这意味着，美国大厂的资本开支并未转化为今天的收入，而是先变成了未来几年甚至更久的产能。

这背后有一个很现实的原因：AI基础设施的建设周期很长。土地、电力、数据中心、服务器和芯片，每一环都需要提前安排；前沿模型的需求又在快速增长，如果等到真正缺算力时再去购买，很可能已经排不上队了。

因此，美国公司愿意为“确定能拿到算力”支付更高的价格。这也解释了Anthropic为何会签署如此庞大的长期合同。它赌的是未来模型需求会持续增长，通过提前锁定资源，换取未来扩张的空间。

中国大厂面对的条件则有所不同。穆迪报告中提到，中国头部科技企业的收入和盈利基础整体小于美国同行，财务灵活性也相对有限。其次是供给问题，高端芯片出口限制使得算力本身存在约束。中国公司的AI投入，很难简单复制美国的打法。

但这并不意味着中国公司会减少投入。恰恰相反，穆迪预计，2026年、2027年，中美多家头部公司的自由现金流都可能转为负值。

双方都在烧钱，只是“烧法”不同。美国公司的优势在于可以通过资本市场、云服务和长期租赁，将未来几年的基础设施需求提前锁定。中国公司的账算得更细一些，每一笔新增投入，都需要找到具体的业务来承接。

字节最近那笔296亿美元的银团贷款就是一个例子，其利率压至中国科技企业同类借款的最低水平，这意味着在银行眼中，字节的扩张仍然是门好生意。这笔钱的性质与Anthropic的合同有本质区别：它计入表内，背后是自身业务的现金流和信用。

京东的逻辑也类似。除了万卡、十万卡集群之外，它还大规模投入机器人、无人车和无人机，算力最终可以进入仓储、配送和供应链，AI基础设施并非悬于业务之上的一笔独立投资，而是能不断找到具体的生产环节来消化。

阿里、腾讯、百度等其他国内大厂也是如此。它们手中的业务足够庞大，AI可以进入电商、云计算、广告、内容、社交、办公等不同场景。投入越大，就越需要找到足够的业务来消化成本。简而言之，AI投入的上限，最终是由业务能够承接多少来决定的。

两种打法并无简单的优劣之分。如果AI需求继续高速增长，美国公司提前锁定的产能将成为稀缺资产；如果需求不及预期，那些长期合同和巨额数据中心投入，就会变成难以甩掉的成本。

中国公司的风险则在于，投入过于谨慎，可能错过算力扩张的窗口；投入过快，又会让本就承压的现金流背上更大的风险。

同一场算力豪赌，一边在为未来预付账单，一边在为当下精算回报。赌局进行到这一步，考验的已经不再是哪家更有钱，而是哪家“更能熬”。

燧原、沐曦等“国产GPU四小龙”齐聚首，卖铲人也上赌桌

众所周知，淘金热中最稳健的生意，是卖铲子的。而这一轮AI淘金热中，大厂们疯狂购买算力，连带着国产GPU也迎来了一波大生意。

这是一个丰沛的卖方市场。中国信通院的数据显示，今年一季度，国内AI算力需求同比大涨417%，但供给增速仅为128%。高端芯片一卡难求，可谓“得产能者得客户”，再加上出口限制，国产芯片从“备选”变成了“必选”。

9月11日，燧原科技在科创板上市，开盘大涨188%，收盘市值约1700亿元，而就在上市前，其最后一轮老股转让的估值仅为182亿元。至此，“国产GPU四小龙”在资本市场完成了聚首。

摩尔线程和沐曦股份去年12月登陆科创板，首日收盘分别上涨425%和693%；壁仞科技今年1月在港股挂牌，超额认购超过2300倍，募资超过55亿港元。再加上早已上市、市值超过6500亿元的寒武纪，中国AI芯片公司在资本市场迎来了一轮罕见的集体重估。

出货量也在跟进。财新的统计显示，今年中国市场的AI芯片出货中，英伟达以220万块占据55%的份额；华为以81.2万块排在中国厂商第一，其后是阿里平头哥的26.5万块和寒武纪的11.6万块。燧原科技招股书披露，其2026年出货量为6.6万块，市占率约为1.7%。

这其中最为重量级的玩家，当属未上市的华为。遭受制裁后，华为单颗芯片的算力弱于英伟达，功耗更高，它的解决方案是“超节点+集群”：通过全光互联将数千甚至上万张昇腾卡连接在一起，像一台电脑一样运行。

去年9月，华为首次公布了未来三年的AI芯片路线图，依次排列昇腾950、960、970；今年四季度，搭载8192颗昇腾950DT的Atlas 950超节点将投入商用。按华为自己的测算，其总算力是英伟达同期NVL144机架的6.7倍，并且还能继续互联成50万卡的超集群。

目前，384卡的CloudMatrix超节点已部署300多套。用华为轮值董事长徐直军的话说：“创新有时是被逼出来的。”

单卡性能追不上，就用系统来弥补。今年7月的WAIC上，超节点成为国产芯片厂商的标配：摩尔线程展出了256卡的MTT C256，壁仞发布了1024卡光互连方案，中科曙光甚至摆出了10万卡的超集群。中国的算力生意，开始从“卖一张卡”走向“卖一整套系统”。

放眼全球，卖铲人上桌并不新鲜，只是硅谷更为激进。英伟达同时是Anthropic的芯片供应方、Nscale的重磅投资方，还持有Anthropic、Lambda等公司的股权。去年9月，它宣布计划向OpenAI投资最高1000亿美元，而OpenAI拿到钱后要做的，正是部署10吉瓦基于英伟达芯片的算力。投出去的是钱，收回来的是订单，硅谷将其称为“循环交易”。

历史上曾有过几乎相同的剧本。2000年前后的朗讯和北电，借钱给客户，以便客户购买自己的设备。设备卖出后，收入计入报表，股价随之上涨。

后来的结局，大家都知道了。当供应商开始为客户的资金操心时，它卖出去的就不再仅是设备，还有自己的身家。

今天的AI算力链条，也出现了类似的苗头。Nscale就是一个切口。这家2024年才成立的数据中心公司，今年3月被微软签下西弗吉尼亚园区至多1.35吉瓦的意向书；到了夏天，微软悄悄退出，Anthropic随即接手，代价是6年450亿美元。

Nscale接下来的动作才是重点：它拿着这份合同去见IPO投资人，讲述“1030亿美元合同收入”的故事，但其实际季度收入只有约1亿美元。据知情人士透露，连公司内部都承认，这些数字只是“示意性的”。但这并不妨碍高盛牵头、最快9月推进其上市：拟募资30亿美元，目标估值500亿。

Nscale并非孤例。这一轮突然冒出的“新云”，本质上是一群算力资产运营商：购买GPU、建设数据中心，再将算力租给模型公司。它们的上游成本是真实发生的，下游需求却押在模型公司的未来收入上。

Altman在9月的那番警告，正是针对这群人：“一堆新云冒出来，宣称明年要建成天量算力，却没有相应的收入，也没有买家。”风险就这样沿着供应链一级级传导，每流转一次，就被记成某一方的“增长故事”。

唯一只收租、不下注的，只有更上游的电力和土地。这也是为什么，最后大家都不约而同改用吉瓦来衡量：当金额大到失去意义时，物理约束就成了唯一的硬通货。

国内卖铲人虽然没有硅谷循环交易那么疯狂，却也被这场算力热潮推上了资本的赌桌，估值远跑在业绩之前。

AI芯片“五小虎”中，除了寒武纪，其余四家都尚未盈利。为京东搭建万卡集群的摩尔线程，市值从上市初期4400亿元的高点回落至不足1700亿元，9月7日首发限售股解禁当天跌停，12月还有占总股本近40%的股份等待解禁。

燧原自2023年以来累计亏损近45亿元，上市当天的市销率高达171倍；腾讯是其最大的机构股东，也是最大的客户，累计投入超过50亿元，此次IPO又认购了2.48亿元战略配售。

这种“股东+客户”的绑定，算得上“中国版内循环”，只是与硅谷相比，订单背后是真金白银的业务需求。

说到底，国内卖铲人押注的是“中国算力必须自主”。这个赌局既容易又困难：容易之处在于，大厂资本开支持续增长，英伟达高端芯片又受供应限制，国产算力拥有明确的替代空间。难点在于，订单最终必须转化为利润，市值最终必须沉淀为真正的产业能力，这场赌局才算真正成功。

毕竟在淘金热中，“卖铲子稳赚不赔”有一个大前提：金子真实存在，且淘金的人会一直需要新的铲子。如今已有许多人抢着卖铲子，接下来就看金矿究竟有多大了。