PodMagazine.
硅谷101

E215｜资本视角聊聊万亿大基建钱从哪儿来，以及电力破局的六条路径

2025/11/21
Current Segment

比特币矿工转产：15GW 的电力“大迁徙”

当加密矿场的“黑电”试图对接 AI 时代的 24/7 刚需

接续我们刚才聊到的 AI 大基建泡沫论，现在的核心问题其实已经从“有没有算力”变成了“有没有电力”。微软的纳德拉说得特别直白，AI 缺的不是 GPU，而是上万亿投资规模支撑下的基建。

作为前沿科技的观察者，我注意到最近资本市场，特别是摩根士丹利（大摩）抛出了一个非常有意思的论点：比特币矿场正在集体转产 AIDC（AI 数据中心）。 根据大摩的估算，在未来的 18 到 24 个月内，这种转产可以释放出 15GW 的电力容量。

[ Context: 15GW 意味着什么？ ] 纽约市每年的平均用电量大约是 6GW。15GW 的释放量，意味着未来两年内，仅通过矿场转型，就能变出“2.5 个纽约市”的供电规模。而按照目前 AIDC 每 1GW 需投入 500 亿美元的逻辑，这就是一个千亿级美金起跳的市场。

这些矿场转型之所以能这么快，是因为建设工期通常只需要 9 到 12 个月。很多矿工在去年 10 月就开始宣布转型，现在已经在抢订那些发货期极长的关键配件。如果融资和供应链不出问题，2026 年我们将看到这批产能的大规模交付。

“矿工转型之所以是目前最可行的路径，是因为除了它，核能、燃气、储能这三条路在短期内几乎都指望不上。”

说实话，除了矿场转产，常规路经都卡在了一些很“硬”的物理约束上。比如燃气轮机，美国天然气虽然多，但像 GE、西门子这种厂家在过去的周期里被“需求过剩”坑惨了，现在极其谨慎，根本不愿意轻易扩产。现在的紧张程度到了什么地步？为了建电站，有人甚至去拆旧飞机的二手燃气轮机来凑合。

Mental Model

燃气轮机的“政策陷阱”

为什么厂家不扩产？因为燃气轮机的产能建设周期极长。如果现在投钱建厂，等三四年后建成，若遇上民主党在环保政策上收紧，这些燃气轮机可能根本卖不出去。这种“周期错位”导致了目前严重的设备供给短缺。

两条“非主流”的生存路径

[ Path A: 训练外迁 ]

既然美国缺电，那我们就把训练任务搬走。搬到新加坡、马来西亚柔佛，甚至是巴西这种电力充沛的地方。这种“训练外交”在未来两年可能会成为一种常态。

[ Path B: 柴油发电 ]

这是一种让环保主义者“想骂人”的方法。如果不是因为减排约束，只要允许大规模使用柴油发电机做备用，美国 80GW 的电力缺口瞬间就能填平。这完全是一个人为的、政策性的瓶颈。

Question / 疑虑

“矿场的电真的能给 AI 用吗？我听到业内很多分析师说，这两个场景对电的要求完全不同。”

The Reality Check / 现实

确实有猫腻。矿工可以用“黑电”，可以随时下线，所以他们能享受电网的调峰奖励。但 AIDC 要求的是 24/7 的极致稳定。这意味着你转型时，电力冗余要打得非常高。即使大摩说是 15GW，真正能转成“高规格 AI 电”的，可能也就一半，甚至更少。

Next: 1GW 数据中心 500 亿美元成本拆解 →
Phase II: The Monetization Crucible

攻克B端：AI大基建的
生死线

从“挖矿电”转为“AI电”只是物理层面的迁移，真正的挑战在于：未来两年，B端应用能否撑起这数万亿美金的估值？

[ 前情回顾：我们讨论了训练外迁与柴油发电等“非常规”路径，以及市场对矿场电力可靠性的质疑。 ]

我觉得电力短缺最核心的压力就集中在这两年。如果两年后，我们看到 AI 应用在整体收入中的占比依然微乎其微，那么整个行业将不可避免地陷入产能过剩和优胜劣汰的周期。

现在的关键是 B 端的感受。虽然 Claude 已经在编程领域开辟了一条路，OpenAI 也在从 2C 向 2B 转型，但核心问题在于：**谁能持续赚钱并提高利润率？** 只有 2B2C 或纯粹的 2B 路径跑通了，这种大基建才是可持续的。

[ Deep Dive: 幻觉与B端门槛 ] 目前编程场景能跑通，是因为代码是可验证的。但在更广泛的商业场景中，“模型幻觉”依然是阻碍 B 端大规模渗透的顽疾。不过，OpenAI 正在尝试通过行业专家级别的处理能力来攻克这一关，如果能追平甚至超越人类专家的处理效率，那链路就真的彻底跑通了。

1GW 算力中心的“账单”拆解

大家可能对 1GW 的数据中心没有直观的资金概念。根据英伟达和市场公认的测算，建设这样一个规模的站点，总投入大约在 450 亿到 500 亿美元 之间。

Estimated Cost Breakdown (Per 1GW AI Data Center)

注：单位为亿美元。数据基于市场对 Tier 3 级别 AI 数据中心的综合估算。

你会发现，大头全是英伟达和 AMD 的。

在 500 亿的总包里，GPU 芯片就占了 320 亿到 350 亿。剩下的才是建筑和系统。而且这里有个细节：我们说的 1GW 是指 IT Load（IT 负载），即真实供应给算力的电。但实际上，你必须建设 1.1 到 1.2GW 的物理供电，那多出的 10%-20% 是为了维持数据中心自身的冷却和电力系统运转。

“如果市场持续给这些转型矿工如此低的估值，甚至低于重置成本，那么他们可能根本没有动力去释放那预期的 15GW 电力。到头来，AI 大基建可能只是纸面上的繁荣。”
接下来我们将深入探讨：IREN 如何在重资产估值陷阱中挣扎，以及英伟达如何通过“总包”模式统治生态。
Next: IREN & Nvidia's Hegemony →

Bridge: 从矿工转型模型到资本支出困局

IREN：举债买卡的冒险家

困于“重资产”估值陷阱与英伟达的“总包”霸权

我们之前聊到，矿工转型AI IDC（人工智能数据中心）看似顺理成章，但真正的门槛不在于你有多少瓦特的电，而在于你有没有足够的钱去填补那个恐怖的“资金缺口”。

以 IREN (Iris Energy) 为例，如果你单纯看它的 EV/Watt（企业价值除以瓦特数），你会觉得它比同类公司便宜得离谱。但为什么估值就是上不去？因为它面临着巨大的融资压力。扣掉已经筹到的20亿，它还有接近 38亿美元 的资金缺口。

[ First-Person Perspective ]

“我觉得它现在的估值上不去，核心就在于融资的不可持续感。你不仅要买芯片（GPU），你还要盖房子（IDC场地）。公司现在的策略是‘全都要’：发优先股、搞ATM（At-The-Market，按市价增发股票）。这种不断稀释原有股东、不断寻找高利息债务的行为，让市场非常不安。”

更致命的是折旧假设。目前大家普遍按照 GPU 5年、场地20年来算。但如果 AI 的迭代速度比我们想象的更快，或者像 IREN 这样刚转型的新玩家拿不到长期续约单，是不是就要加速折旧？一旦折旧加速，原本计算出的 10% 到 12% 的 IRR（内部收益率）立刻就会崩掉。

Financial Model: 估值压力的根源

核心痛点 / Pain Point

ATM (At-The-Market) 融资

通过在二级市场直接卖股票筹资。虽然灵活，但对股价形成长期压制。

折旧陷阱 / Depreciation Trap
  • GPU：5年（若算力跳跃过快则失效）
  • 基础设施：20年
  • 风险：若无法续约，现金流无法覆盖高昂的初期成本
“现在的游戏规则已经变了：大家不再认为英伟达只是个卖显卡的，它是一个搞生态的。这更像房地产行业的‘总包’模式。”

英伟达的“总包”霸权与AMD的“入场券”

英伟达在整个布局里是非常强势的。即便是像 CoreWeave 这种“亲儿子”，英伟达也不会给你打折。它培养你、给你优先配货权，是为了确立它的生态霸权。

有趣的是 AMD 与 OpenAI 的关系。OpenAI 不仅买芯片，还持有 AMD 10% 的股份。但这有个前提：你得先“交学费”。只有当 AMD 的市值达到万亿美元级别，OpenAI 才能卖出最后那一批股份。这哪是在买芯片？这分明是深度捆绑的生态共生。

[ Deep Dive: 算力房地产化 ]

如果你把 GPU 产业看成房地产，你会发现逻辑惊人一致：

  • • 地皮： 那些拥有1.3GW电力批文的矿场。
  • • 建筑： 英伟达的 H100/H200 算力集群。
  • • 租约： 微软、OpenAI 签下的15年长约。
  • • 滚动开发： 拿到回款立刻投入下一个数据中心。

GPU 证券化：
“AI金矿”还是“科技次贷”？

现在最疯狂的是融资方式。CoreWeave 最近找了 Blue Owl Capital (蓝色猫头鹰资本) 融资。这家管理着400亿美元的公司，本质上是在玩资产证券化。

他们把未来的租赁收益（来自微软等大厂的信用）打包，做成类似 ABS (资产支持证券) 甚至 CDO (债务担保证券)。

“我 06、07 年就在投行的 CDO Desk 上。08年金融危机之前的故事，我是亲身经历的。核心不在于技术（CMBS或RMBS），而在于底层资产的质量。”

当年是房地产，现在是 GPU。如果这些 IDC 运营商为了拿奖金、为了规模，不断把资产质量下压，不断给那些信用评级不高的初创公司提供算力租赁，再把这些收益打包成“优先级证券”卖给全世界……

这不就是当年的科技版“次贷”吗？

目前这个阶段，大家还相信 AI 的收益能覆盖这一切，就像 05 年大家都相信房价永远涨一样。核心问题是：GPU 的租赁收益是否真的能支撑起这种复杂的金融化杠杆？

Comparison Table

要素 2008 次贷 2024 AI 融资
底层资产 住房抵押贷款 GPU 租赁收益
融资工具 CDO / RMBS ABS / 私募债
核心动力 房价上涨预期 AI 规模定律 (Scaling Laws)
风险点 利率上行/违约 模型效能/算力过剩
Next: 诺贝尔经济理论也出错？亲历者复盘当年的金融理论失误
To be continued...

幽灵的重现：

当诺贝尔级模型撞上“肥尾”与“铁索连环”

Vol. 04 / Financial Engineering & AI Risk

Bridge

在讨论完“GPU 证券化”如何将 AI 算力资产化后，我们必须面对一个幽灵：如果底层资产的风险评估从一开始就错了呢？

我想分享一下 2006 到 2007 年我在 CDO（担保债务凭证）柜台工作时的一点教训。纯从金融工程的角度来说，我们那时候遇到的最大问题，就是过度信赖数学模型。

当时投行和经纪公司普遍使用 B-S 模型（Black-Scholes Model）来定价。但这个模型假设收益是正态分布的，现实却是偏态的，而且有非常明显的“肥尾（Fat Tail）”。这种肥尾意味着，在发生损失时，规模会大到超出所有人的预警。

[ The Scenic Route: 2007 年的数学幻觉 ]
“当时大家犯的一个严重错误是：认为 2007 年的违约率和资产相关性都是历史新低。我们觉得，一家企业违约并不影响另一家。按照当时的 CDO 优先级设计，需要同时有 7 家公司爆仓才会亏到本金。在相关性极低假设下，这被认为是几乎不可能发生的‘黑天鹅’。”

结果雷曼危机一爆发，相关性瞬间飙升。这不仅仅是蝴蝶效应，而是整个产业链的坍塌。如果你身处 AI 产业链，上下游客户都是同一拨人，这种“偶合”会让你在危机来临时无处可逃。

“现在的 AI 产业链已经形成了某种‘铁索连环’。任何一家核心公司出问题，全产业链都会出问题。这已经不再是单纯的科技竞争，而是一场不能输的金融豪赌。”
Mental Model

肥尾效应 (Fat Tail)

在金融概率分布中，极端事件（如金融危机）发生的概率远高于正态分布的预测。当模型忽略“肥尾”时，会极大地低估系统性风险。

资产相关性幻觉

平时各资产走势独立，但危机时刻相关性会趋向于 1。在 AI 基建中，这意味着一旦推理端需求不及预期，从芯片到电网的融资链条将集体断裂。

The Player Strategy

“英伟达的策略是用‘卡’换‘股权’，把模型公司全部绑定在自己的战车上。这是一场极其高明的防御战。”

Global Asset Allocation (Estimate)

260T
Total
100T
Bonds
20T
Corp

* Source: Goldman Sachs & Podcast Discussion. Global bonds total ~$100T, Corporate bonds ~$20T. AI infrastructure needs $1.5T (7.5% of total corporate bond market).

谁为这 1.5 万亿美元买单？

银行其实并不愿意为这种前沿基建提供长期贷款。摩根大通认为，未来五年高评级市场需要为数据中心解决 1.5 万亿美元 的融资需求。

这个体量，最终只能靠证券化市场和全球固定收益投资人来接盘。为什么评级公司（穆迪、标普、惠誉）这么重要？因为全世界最大的机构资金——保险、养老金、银行——它们的投资章程里写死了：只能投“投资级（Investment Grade）”债券。

一旦 AI 大厂能把融资做到投资级评级，那它就是在抽调全球最稳健、体量最大的那部分“老百姓的保命钱”。

Final Strategy

打造“大而不能倒”的积木

英伟达需要 OpenAI。OpenAI 就是那条不停往前跑的“鲶鱼”，它只要一直往 AGI 冲，Meta、谷歌、亚马逊就必须跟进。只要这个节奏不断，大家就必须买芯片、建电网。

而对于美国政府来说，这也是一种“指挥棒”。AI 大厂通过这种深度绑定，已经把自己变成了美国国家战略的一部分。

“OpenAI 越是不能倒，分析背后隐藏的逻辑就是：他们希望把自己变成全球 AI 秩序中那一块‘大而不能倒’的积木。”

Previous: GPU证券化：底层资产是“AI金矿”还是“科技次贷”？ Next: 行为金融学的囚徒困境：不惜代价搏一张AI船票

The AI Infrastructure Dossier / Part II

行为金融学的囚徒困境：
不惜代价搏一张AI船票

当“大而不能倒”演变为“大而不得不赌”，硅谷与华尔街正在进行一场跨世纪的流动性豪赌。

Context Bridge

接续上回：我们分析了大厂如何通过高评级债权与国家战略捆绑，构建“大而不能倒”的AI基建格局。但在这场耗资万亿的竞逐中，驱动CEO们疯狂签支票的底层逻辑，不仅仅是算力竞赛，更是一场典型的行为金融学“囚徒困境”。

在讨论AI大厂为何疯狂建设数据中心时，我一直认为这里面存在一个深刻的行为金融学问题。作为大厂的CEO，你面临的其实是一个非对称的风险博弈。

如果你现在决定大规模投资AI，而最后被证明是过度的（Over-investment），你可能只会损失一些现金流或折旧成本，考虑到大厂每年有数百亿美元的经营现金流，这并不致命。但如果你不跟进，而你的对手赌赢了，你就会被钉在历史的耻辱柱上，彻底丢掉工作。

[ Deep Dive: 0 or 1 Strategy ]

对于大厂CEO个人而言：赌对了，成神；赌错了，大家都在错，责罚有限。如果不赌而错过，那是不可原谅的战略失误。这种“必须拿票上船”的心理，驱动了当前这种不计后果的基建狂热。

甚至连马克·扎克伯格（小扎）都承认，这虽然看起来很可怕，但你不得不跟。现在的焦点已经从“是否过度投资”转向了“现金流能否撑到黎明”。目前大厂的负债率还未到夸张的地步，但对于像OpenAI这样喊出1.4万亿美元融资额的独角兽来说，借债几乎是唯一的出路。

“如果你赌对了，你就是神；如果你赌错了，但大家都错了，你也不会受到太多责罚。”

说到OpenAI，Sam Altman面临的质疑越来越大。甚至有主播当面挑战他：你这130亿的预期收入，怎么撑得起1.4万亿的估值？Sam当时表现得非常生气。我认为OpenAI必须在2026年上半年上市，甚至更早。因为到了2027年，随着联储可能的扩表和政治周期的变动，融资游戏的窗口可能会收窄。

Financial Model

OpenAI 的现金流悖论

  • 2024 预测年收入 $13B
  • 远期建设需求 $1.4T
  • 对比参照 (乌兹别克斯坦GDP) ~$100B
  • 隐含结论 IPO是唯一的救命稻草

*注：每年需投入约等于一个中型国家GDP的资金，这已非单纯的公司行为，而是国家层面的资源动员。

Politics & Liquidity

2026：最后的黄金窗口？

特朗普可能在2028年后离任，万斯目前领先。但更关键的是联储的动作。如果明年一季度联储为了解决银行准备金过低而被迫扩表，叠加政治权力的平稳交接，2026年可能是OpenAI上市的最佳、也是最后的时机。

Risk: 民主党若横扫两院，AI/Web3法规推进斜率将调整。

矿工转AI：电力的真伪博弈

我们现在观察这些从加密矿场转型AI数据中心的公司（HPC/AI DC），发现市场正在给“已建成电力”极高的估值溢价。

Electricity Capacity Insight (2024-2027)

数据揭示：多数公司处于“纸面电力”到“真实改建”的融资压测期。

风险点 A: 离线电力

“你能买到GPU，但你能接上电吗？” 即使有自建电厂，如果不并网，建设周期可能要拖到2027年。

风险点 B: 改建融资

从矿场改建到AI数据中心，资本开支巨大。一旦融资节奏跟不上，电力合同就会作废。

比特小鹿：地缘政治的灰色平衡

比特小鹿（Bitdeer）是一个非常特殊的标的。它是新加坡公司，但核心团队背景是中国的。它目前在德州拿电，同时与Tether（泰达）有着极深的股权捆绑。

[ Tangent: The Tether Connection ]
泰达目前持有比特小鹿约25.5%的股权。更微妙的是泰达与Cantor Fitzgerald的关系。Cantor目前在拼命写报告力挺比特小鹿，这背后其实是一场地缘政治与资本的博弈。

Internal Logic

“大模型的训练能不能让新加坡公司供电？电可能还可以放宽，但数据是非常敏感的。先进的GPU只能在自己人手上。”

— 关于比特小鹿的生存边界

地缘风控名单

  • ✕ 远程服务中国客户（如腾讯）被做空机构视为红线。
  • ✕ H系列芯片出口受限，即便在海外机房。
  • ✓ 利用离岸电力进行本地化训练，或许是灰色地带的唯一出口。

"明年上半年会是一个很好的深蹲起跳机会。关门的调整加上圣诞假期的临近，融资游戏必须继续，因为AI已经成为美国的国运之战，大而不能倒。"

Previous

大厂策略：发债与国家战略捆绑

Next Episode

挖矿转AI成功的公司，都不是赛道的“优等生”

Case Study: The Pivot Paradox

转型赢家，为何不是挖矿“优等生”？

路径依赖与电力囤积者的突围

Context Bridge

承接前文，我们讨论了加密矿场向 AI 转型的供电缺口，以及比特小鹿在海外地缘政治中的“灰色地带”。然而，在资本市场更具戏剧性的是：那些曾经在挖矿赛道上表现平庸的公司，反而成为了本轮 AI 转型的先锋。

我觉得上一波转型成功的公司，在“挖矿”这件事上其实并不是什么显著的佼佼者。它们之所以能转型，是因为较早地切入了一个好的赛道。这是一个典型的路径依赖问题：上一轮在挖矿界做得越好的公司，现在反而越难转身。

以 **Marathon (MARA)** 为例，大家可能觉得它是巨头，但它的管理水平其实相当糟糕，管理费用一直居高不下。MARA 的策略是一直在“炒赛道”。很多人误以为它有 1.2 GW 的电，但那是幻觉。它自己的矿机都不够用，实际持有的矿场中，有一大部分是租用的。这种“重算力、轻电力”的模式，在转型 AI 这种“重基础设施”的竞争中，反而成了包袱。

“对于 AIDC (AI 数据中心) 来说，最好的模式是‘滚动式开发’。像做房地产一样，一边挖矿维持现金流，一边把闲置或低效的矿场改造成数据中心。”

滚动开发：AIDC 的房地产逻辑

目前的情况是，比特币的算力并没有因为 AI 转型而下降，因为大家都在“两边下注”。我既要挖比特币的毛利，也要赚 AI 的未来。

[ Deep Dive: 财务阵痛 ]

以 Core Scientific (CORZ) 为例，虽然转型早，但短期财务数据并不好看。去年一季报显示，挖矿的毛利能到 70%-80%，而数据中心的毛利在扣除折旧后，甚至还不如挖矿。这是因为成本是前置的（买卡、改电），收入是后置的。如果你为了转 AI 把矿停了，现金流断掉，这其实是非常危险的选择。

所以，现在矿工转型的“最优解”是：利用现有的比特币矿机作为现金流支柱，然后拿出一部分电力份额，逐步、滚动地建设 AI 机房。

Disclosure & Disclaimer
[ Speaker 1 ]: 上面所说的所有这些标的我都是买过的。 [ Speaker 0 ]: 我自己是不持有上述提到任何一家公司的。
投资需谨慎。本内容不构成任何投资建议，仅为播客内容之纪实。

关联单集

新年直播3：华尔街视角下的AI泡沫、芯片及黑天鹅

新年直播3：华尔街视角下的AI泡沫、芯片及黑天鹅

新年直播2：特斯拉FSD以及自动驾驶的商业战争

新年直播2：特斯拉FSD以及自动驾驶的商业战争

新年直播1：AI的2025与2026，技术领域的共识与非共识

新年直播1：AI的2025与2026，技术领域的共识与非共识

E220｜谈谈Hyrox，“找虐运动”如何火遍全球

E220｜谈谈Hyrox，“找虐运动”如何火遍全球

E219｜140亿欧元爱马仕股份是怎么消失的？

E219｜140亿欧元爱马仕股份是怎么消失的？

E218｜Netflix与派拉蒙竞购华纳兄弟，好莱坞的洗牌时刻？

E218｜Netflix与派拉蒙竞购华纳兄弟，好莱坞的洗牌时刻？