AI竞赛的核心正从模型技术转向资本分配。 行业面临一个关键难题：算力采购需提前一两年锁定，采购过多可能导致巨额亏损，采购不足则会流失客户。
主要挑战
- 采购决策风险高：Anthropic CEO Dario Amodei 指出，若按每年10倍增速规划算力，实际增速可能只有5倍或延迟一年，这种误判“没有任何对冲工具能阻止破产”。
- 成本与用量悖论：虽然算力单位成本在下降，但总用量增长更快，导致整体支出持续攀升，形成典型的“杰文斯悖论”。
企业策略对比
- Anthropic（克制策略）：为避免过度采购，宁愿对用户限流甚至中断服务，并将训练任务安排在非高峰时段。但这也导致付费用户体验受损，并有分析警告其可能被迫使用质量较低的算力。
- OpenAI（激进策略）：在算力上投入巨大。然而，其支出压力已在二级市场显现，部分投资者正转向Anthropic。
行业现状
超大规模云厂商今年的AI资本支出预计接近7000亿美元，但即便如此，全行业的算力供应仍无法满足需求。随着企业越接近IPO，这道资本分配题的答案将愈发难以隐藏。
