三年前，红杉资本合伙人大卫·卡恩（David Cahn）率先量化了硅谷在AI基础设施上的巨额投入影响。基于2023年英伟达500亿美元的年度GPU收入，他推算出需2000亿美元营收才能覆盖数据中心运营成本及前期投资。
随着三年超大规模扩展，Cahn将2026年AI基础设施支出预期上调至1.5万亿美元。他认为整个AI行业需创造3万亿美元营收以证明芯片等支出的合理性；若计入内存成本上升及推理专用芯片普及等因素，该数字可能更高。他指出：“受瓶颈效应及建筑成本上涨影响，每吉瓦资本支出所需的营收已大幅攀升。”
目前，Anthropic年度经常性收入（ARR）据称已达600亿美元，OpenAI 2025年营收约130亿美元（同年11月自述ARR为200亿美元），且今年有望进一步增长。但距离收回基建成本的目标仍有巨大缺口。
Apollo资产管理公司首席经济学家Torsten Slok关注到这一差距。他在报告中指出，Google、Meta、Microsoft和Amazon等超大规模企业均预测2028年自由现金流将大幅加速，即预期芯片投资能带来相应回报。
若目标未达成，风险何在？Slok指出当前AI应用呈现两大趋势：一是组织转向更便宜的中国开源权重模型，而非前沿实验室模型；二是整体Token价格下降。例如，OpenAI最新模型编码任务Token效率提升54%。这对用户利好，但对依赖Token消耗盈利的公司而言，若用户总使用量未显著增加，营收将面临压力。
Slok警告，若超大规模企业未能实现现金流目标，市场反应或极为剧烈。他表示：“由于大量赌注押注于少数巨头，回报放缓不仅是行业问题，还可能引发经济衰退并导致标普500指数进入调整期。”
在引导AI Agent转向低成本Token时，上述宏观风险值得警惕。