企业官网建设流程全解析

一笔 100 亿美元的算力投入，按三年折旧摊下来，是每天 900 万美元的固定成本——在你还没赚到第一块钱之前，这个数字每天准时扣款。这就是「撑不住」三个字的财务含义。一笔 100 亿美元的算力投入，按三年折旧摊下来，是每天 900 万美元的固定成本——在你还没赚到第一块钱之前，这个数字每天准时扣款。这就是「撑不住」三个字的财务含义。

图1｜图片来源：Flickr 公共图库（CC BY 2.0），摄影师署名见图片左下角水印

AI算力现在烧钱烧到什么程度。不用形容词，直接看折旧压力这道题。

把烧钱换算成每天多少钱

```python

算力资本开支的折旧压力（示意）

capex_usd = 100e8 # 100 亿美元资本开支

years = 3 # 加速折旧年限

daily = capex_usd / (years*365)

print(f"每天折旧约 {daily/1e4:.0f} 万美元") # 约 913 万美元

图4｜图片来源：Flickr 公共图库（CC BY 2.0），摄影师署名见图片左下角水印

要打平，按每卡时收入 2 美元、10 万卡规模估算需要的利用率

revenue_per_card_hour, cards = 2.0, 100000

need_util = daily / (revenue_per_card_hour*cards*24)

print(f"仅覆盖折旧就需要利用率 {need_util:.0%}") # 约 19%

`

19% 看起来不高？别忘了这只覆盖了折旧。加上电费、运维、网络、人力，真实打平线通常要抬到五成以上。而这里有个残酷的错配：设备三年折旧，但客户合同往往按月签。你用三年期的负债，去接一个月期的收入承诺。

图5｜图片来源：Flickr 公共图库（CC BY 2.0），摄影师署名见图片左下角水印

撑不住的四种典型死法

四种里最致命的是第二种——技术迭代速度快于财务折旧速度。传统制造业设备用十年，算力设备可能三年就在性能价格比上被淘汰。这意味着你必须在三年内跑满，晚一年就是硬亏。

算力生意表面是技术竞赛，底层是一道现金流久期匹配题：资产的寿命、负债的期限、收入的节奏，三者错开一格就出事。

为什么中小玩家更危险

大厂有自用负载兜底——自己的搜索、推荐、办公、云服务能吃掉大量算力，利用率天生就有底。中小玩家没有自用负载，全靠外部客户填，需求一波动就直接空转。

这就是行业集中度必然上升的原因：不是大厂技术更强，是大厂有内需可以垫底。

这轮"撑不住"的正面意义

价格从非理性回归理性，对真正做事的人反而是好事：设备更容易拿到、人才更愿意谈条件、估值回到能算清账的水平。行业从「谁敢押注」阶段进入「谁会算账」阶段，筛掉的是赌徒，留下的是经营者。

历史上每一轮基建都有这个过程：铁路、电力、光纤、云计算，都经历过修得太快、然后消化过剩、再迎来真正的使用高峰。过剩的是当期供给，不是长期需求。

自用负载值多少钱

大厂和中小玩家的真实差距，不在技术，在这条垫底线：

```python

自用负载对打平利用率的影响（示意）

fixed_cost = 100.0 # 年固定成本（折旧+电+运维），相对值

revenue_full = 160.0 # 满载年收入，相对值

for self_use in (0.0, 0.20, 0.40):

need = (fixed_cost - revenue_full*self_use) / revenue_full

print(f"自用负载 {self_use:.0%}：外部客户只需填满 {max(need,0):.0%} 就能打平")

0% → 63%｜20% → 43%｜40% → 23%

有四成自用负载的玩家，外部客户只要填满 23% 就不亏；没有自用负载的，必须填到 63%。同一个市场环境下，这两类玩家的生存难度差了近三倍。这就是行业集中度必然上升的原因：不是大厂技术更强，是大厂有内需可以垫底。

判断一家玩家能不能活的三个数

别看它宣布了多大规模，看这三件事：自用负载占比多少、平均合同期多长、平均利用率是多少。这三个数字决定它扛不扛得住下一次需求波动。规模大而这三项都差的玩家，往往是最先出问题的那一批——历史上每一轮基建周期都验证过这一点。

这一轮对国内玩家的三个启示

看别人踩过的坑，比自己踩一遍便宜得多：

启示一：别把规模当护城河。规模只在利用率跟得上时才是优势，跟不上就是纯负债。宣布建了多少卡没有意义，跑满了多少才有意义。

启示二：合同结构比单价更重要。长约锁量能垫底利用率，但会牺牲涨价空间；短约灵活，但抗不住需求波动。健康的结构是长短搭配，而不是全押一头。

启示三：先找到自用负载。哪怕是自己的数据处理、内部工具、行业客户的常态化推理，只要能填住基础负荷，抗风险能力就完全不同。

这三条的共同点是：都在解决「利用率的确定性」，而不是解决「规模的最大化」。重资产行业里，活下来的人从来不是买得最多的那个。

这场烧钱大战里，你觉得最终活下来的会是有自用负载的巨头，还是把利用率做到极致的专业玩家？我更想听你的判断依据是什么——因为这道题的答案，很可能就是未来几年的行业格局。

知名观点 · 权威出处

• 沃伦·巴菲特多次公开表达对重资产、高折旧行业的谨慎态度，强调应关注资本回报率而非规模扩张速度。
• 海曼·明斯基（Hyman Minsky）的金融不稳定假说指出：以短期负债支撑长期资产的融资结构，在需求波动时最先崩溃。
• 美国多家科技企业在公开财报中说明，AI 相关资本开支的加速折旧对当期利润构成明显压力。

参考资料 · 公开来源

• Hyman Minsky, The Financial Instability Hypothesis（公开学术文献）
• 美国主要科技企业公开季度财报中的资本开支与折旧披露
• 公开行业资料中关于数据中心设备折旧年限的通行做法

• 历史基础设施周期研究的公开文献（铁路、电力、光纤等）