和平时期的AI投资会是什么样
如果AI是一个正常的资本配置问题，凯利准则会告诉你，所投入的资本应仅为超大规模云服务商当前支出的一小部分。两者之间的差额就是战争溢价。受限于芯片制裁的中国，并非战争框架的例外——它只是武器库较小的战争框架。
面对AI投资机会时，一个和平时期的投资者会提出三个问题：每投入一美元的GPU基础设施，预期回报是多少？可能结果的范围有多宽？在充满不确定性的情形下，我该投入多少资本？凯利准则——在不确定性下确定最优下注规模的标准框架——给出了一个答案。而超大规模云服务商的实际行为则给出了另一个答案。两者之间的差距，正是将投资决策视为一场生存冲突所需付出的代价。
三个参数
每投入一美元AI基础设施所获得的回报，取决于三个数字。
R₀，初始收益率。 一个由100块H100 GPU组成、成本为450万美元的集群，按目前约3.50美元/GPU小时的按需价格，在75%的利用率下，每年大约能产生230万美元的毛租金收入——即51%的毛收益率。而在市场低端，采用长尾预留的1.80美元/GPU小时定价，收益率则降至27%。R₀的合理区间大约在25%至60%之间，未来走势取决于供应增长与需求增长哪一方占据主导。H100的租金价格已从2025年初的高点下跌了60%至76%。
δ，淘汰率。 这是指GPU集群相对于更新硬件每年丧失经济竞争力的速率。英伟达18至24个月的架构更新节奏，使得每代产品的每瓦性能提升2至4倍。算法效率的提升——量化、蒸馏、混合专家——进一步放大了这一效应，使得达到特定质量水平所需的算力每年降低约10倍。据保守估计，δ每年的数值在25%至40%之间：一个GPU集群在一年后仅保留其经济价值的60%至75%，两年后为36%至56%。亚马逊将服务器使用寿命从六年缩短至五年的决定，意味着δ大约为20%。Meta将使用寿命延长至5.5年，则意味着δ接近18%。而硬件的实际经济折旧，可能比这两项会计估计都要快。
r，资本成本。 超大规模云服务商的加权平均资本成本约为9%至11%，这反映了它们投资级的信用评级以及略高于市场的权益贝塔系数。
和平时期的净现值
在和平时期，只有当预期现金流的现值超过投入的资本时，一项投资才是理性的。对于一项初始收益率为R₀、以δ的速率折旧、按r折现的资产，其永续年金近似公式为：
净现值因子 = R₀ / (r + δ)
如果该因子大于1.0，那么这项投资就能够覆盖其资本成本。
在保守假设下——R₀为27%，δ为40%，r为10%——该因子为0.54，这项投资几乎破坏了一半的价值。在中间假设下——R₀为40%，δ为30%，r为10%——该因子为1.0，投资刚好盈亏平衡。在乐观假设下——R₀为60%，δ为20%，r为10%——该因子为2.0，投资能使资本翻倍。
这个结果范围极为宽泛。而且这还没有考虑η，即需求弹性——它决定着推理成本下降10倍，将导致总算力支出增加还是减少。如果η小于1，那么随着成本下降，可寻址市场反而会萎缩，即便是最乐观的净现值情形也将崩塌。
凯利准则会怎么说
凯利准则所回答的是一个不同的问题：它不判断一项投资是否具有正净现值，而是在参数不确定的情况下，确定该下注多少。对于一项预期超额收益为μ、方差为σ²的连续投资，最优资本比例大约为：
f ≈ (μ − r) / σ²*
如果期望收益相对于资本成本的风险溢价为5个百分点，而年化收益波动率为30%，那么f*大约为0.05 / 0.09，即56%。这已是上限，且假设所有参数均为已知。
在存在模糊性的情形下——即投资者无法分辨保守、中间与乐观情形时——理性的做法是依据置信区间的保守端来确定下注规模。如果μ − r为2%，σ²为40%，那么f*会降至0.02 / 0.16，即12.5%。
面对AI投资机会，一个和平时期的凯利准则遵循者，在如今所能观察到的参数范围内，可能会将经营现金流的10%至30%分配给AI基础设施。而实际的资本配置比例接近100%。这两者之间的差距——经营现金流的70至90个百分点——便是战争溢价。
中国检验
如果战争框架是正确的，那么在任何将赌注视为存亡攸关的地方，这一框架都应适用。中国提供了一个检验机会。
中国的超大规模云服务商——阿里巴巴、腾讯、字节跳动和百度——预计在2026年投入约1020亿美元的AI资本支出，而其美国同行则为7640亿美元。绝对差距为7.5比1。但中国的经济体量更小，其科技公司的盈利能力也低于美国同行。因此，真正相关的衡量标准并非绝对支出，而是所投入的可动用资源占比。
腾讯的自由现金流在2026年第二季度转为负值。阿里巴巴已承诺三年内投入约3800亿元人民币（约520亿美元）。中国政府通过国家大基金三期，每年向国内AI芯片生产注资500亿至700亿美元。模式是相同的：经营现金流被AI资本支出完全吸纳，核心业务利润补贴模型开发，国有资本填补缺口。
中国无法购买英伟达最先进的GPU。其国产芯片在7纳米工艺上运行，良率约为70%至80%，而台积电的良率超过90%。这里的约束并非出于审慎，而是美国的出口管制。中国绝对支出水平较低，反映的是其能力受到外部强制约束，而非遵循了某种不同的投资哲学。如果制裁解除，有证据表明中国超大规模云服务商会将支出提升至美国水平——而中国共产党提出的到2030年在人工智能领域领先的明确目标，本身也提供了和美国建设浪潮同样存亡攸关的叙事框架。
中国并非和平时期的反例。它是在供给约束下运行的战争框架本身。逻辑完全一致，只是武器库较小。
战争溢价
和平时期的投资者，将标准金融逻辑应用于如今可观察到的参数，只会将可用资本的一部分押注于AI基础设施。具体比例取决于假设，但任何合理的参数范围都无法得出100%的结论。
超大规模云服务商并没有运用和平时期的逻辑。他们运用的是军备竞赛的逻辑——在这种逻辑里，失败的成本远超浪费资本的成本。凯利准则所建议的配置与它们实际支出之间的差距，正是战争溢价——这是将一项技术投资视为存亡冲突所支付的价格。
如果这场战争能催生出一个价值大到足以弥补超额支出的胜利者，那么这笔溢价就是值得的。但如果技术在任何参与者获得可持续优势之前就走向商品化，这笔支出就会像是一场灾难性的资本错配。我们无从知晓这笔溢价正在购买哪种结局。而这正是战争债券的本质。
本文是关于AI基础设施投资经济学的三篇文章中的第二篇。第一篇《AI投资是新冷战的战争债券》探讨了补贴需求的结构以及消耗战的逻辑。第三篇《为何散户投资者无法解决囚徒困境》将探讨聚合悖论，以及在何种条件下，分散化配置AI资产对个人投资者而言才是理性的。
