Klarna联合创始人Sebastian Siemiatkowski公开表示“我对这些数据中心的规模感到不安”。
今天《FT，金融时报》刊登了对Klarna首席执行官Sebastian Siemiatkowski的深度专访。在采访中，这位曾以“先买后付”模式颠覆全球支付格局的瑞典企业家，并未谈论其核心业务的财务表现，而是将镜头对准了整个科技产业最炙手可热的赌注，人工智能基础设施。
“我认为OpenAI作为一家公司可以非常成功，但与此同时，我对这些数据中心的巨额投资感到非常不安。”Siemiatkowski对记者Laith Al-Khalaf直言不讳地说道，“这就是我特别担心的问题。”
这一言论之所以震动业界，绝非因其情绪化表达，Siemiatkowski的身份极其特殊：他不是反对AI的保守派，而是深度参与者与巨额投资者。通过其家族办公室Flat Capital，他持有OpenAI、Perplexity、xAI和Cerebras等多家头部AI公司的股份。他本人更是将Klarna自身转型为“AI原生公司”的典范：其AI客服聊天机器人已处理了三分之二的客户咨询，直接导致公司近一半员工被裁撤。他既身处AI红利的中心，又清醒地审视着其根基。
他的“nervous”不是对技术前景的悲观，而是对资源配置方式的深刻质疑：当整个行业以“算力即未来”的信条，将数万亿美元押注在数据中心的物理扩张上时，我们是否忽略了效率、算法优化与模型压缩等更根本性的创新路径？
巨头AI基础设施
据《金融时报》数据，在2025年第三季度，仅Alphabet、Amazon、Meta和Microsoft这四家科技巨头就宣布了合计1120亿美元的资本支出，其中绝大部分流向了AI相关基础设施。而据行业分析机构预测，仅在2025年一年，全球用于AI芯片、服务器和电力基础设施的投入就将达到约3000亿美元。
这还只是冰山一角，亏损运营的OpenAI，已承诺投入高达1.5万亿美元用于确保计算资源的长期供应。而Sam Altman本人，与软银创始人孙正义、甲骨文CEO拉里·埃里森于2025年1月共同宣布的“Stargate”项目，目标是未来四年投入5000亿美元。但Altman本人在接受采访时坦言，他预期到2030年全球在AI基础设施上的总投资将达到3万亿至4万亿美元。
它超过了全球大部分国家的年度GDP总和，甚至超过2024年全球半导体行业全年销售额。支撑这一蓝图的逻辑是，更大、更强、更密集的数据中心，是运行下一代AGI（通用人工智能）模型的唯一路径。英伟达的Hopper和Blackwell GPU，已成为这场军备竞赛中的“石油”。
但是，它建立在一种线性增长假设之上，即模型性能与算力投入成正比。但历史表明，这种关系在AI领域早已开始递减。（scaling law）
如何平衡效率
过去十年，我们见证了算力需求的指数级增长,从2018年的GPT-2到2023年的GPT-4，模型参数规模增长了数千倍，训练成本从数万美元飙升至数亿美元。但与此同时，性能提升的曲线却趋于平缓。
一项由斯坦福大学AI指数项目（Stanford AI Index）在2025年发布的分析指出，尽管模型规模持续扩大，但其在基准测试（如MMLU、GSM8K）上的性能提升速度，已从2019-2021年的年均45%放缓至2023-2025年的不足15%。这意味着，为获得同样百分比的性能提升，所需的算力成本正在成倍增加。
许多AI公司并未真正利用好现有算力，如，Meta的LLaMA-2模型在同等算力下，通过更优的训练数据和微调策略，其表现已超越部分参数规模更大的闭源模型。这说明，算法效率的提升、数据质量的优化、知识蒸馏与稀疏化技术，可能比单纯堆砌GPU更具性价比。
Siemiatkowski的Klarna就是例证：他们并未投入巨资自建超算中心，而是通过与云服务商合作，并利用轻量化模型，在低成本下实现了业务效率的飞跃。他的“nervous”，是对“只有大厂才能玩AI”这一叙事的直接挑战，如果一个年收入不足150亿美元的金融科技公司，都能用AI砍掉一半人力，那么为运行一个“通用人工智能”而投入1.5万亿美元，是否是商业上的疯狂？
AI泡沫
四巨头的1120亿美元资本支出，通过发债和股权融资筹集，整个AI行业正在“borrowing hundreds of billions to fund its expansion”，以巨额债务支撑一场尚未产生稳定现金流的革命。OpenAI作为非营利机构，其融资模式更是依赖于微软、软银等巨头的战略投资与利润分成协议，形成了一种“技术-资本”模式。
这种模式的风险，在于其高度依赖于持续的乐观预期与流动性宽松，一旦AI商业化落地速度放缓，或宏观经济环境收紧（如利率上升），这些庞然大物将面临巨大的偿债压力。Bob Elliott，金融公司Unlimited Funds的CEO所言：“我们正在承担巨大的风险，而市场没有缓冲空间。”
AI基础设施的门槛被抬高到万亿级别，只有Alphabet、Amazon、Microsoft等少数巨头有能力参与。这扼杀了创业生态的活力。FT指出：“生成式AI热潮并未催生一个充满初创企业或中型公司的创新生态系统，反而将最重大的进展围在了几乎无人能匹敌的巨额融资高墙之后。”
当Nvidia凭借其GPU垄断地位，获得对OpenAI的实质性影响力，甚至可能要求董事会席位，我们看到的已不仅是技术垄断，更是金融资本与科技权力的深度捆绑。一个曾许诺“为全人类利益”而生的OpenAI，如今被绑定在一条由华尔街资本、芯片巨头和硅谷CEO共同驱动的巨轮上。
Siemiatkowski本人明确将当前的AI热潮与1990年代末的互联网泡沫相提并论。他指出：“在两种情况下，聪明人都对新技术过于兴奋了。”
在互联网泡沫中，投资者为毫无盈利模式的“.com”公司支付天文数字估值，相信“点击量就是货币”。在AI泡沫中，投资者为尚未证明能盈利的AGI愿景，支付着天价算力账单。两者的核心共性在于：用未来的想象，掩盖当下的无能。
有不同的是，互联网泡沫摧毁了无数“空壳公司”，而AI泡沫可能摧毁的是整个科技行业的资本结构与社会信任。当数以万亿美元的养老金、主权基金和散户投资被配置到AI基础设施的“炼金术”中时，一旦预期落空，其系统性风险远超20年前。
我们看到的不是一场技术革命，而是一场精心包装的大规模资源配置错误。技术乐观主义的集体催眠，Sam Altman等领袖用“AGI就在眼前”的愿景，激励了全球资本；地缘政治的焦虑驱动，美府将AI视为“新太空竞赛”，推动补贴与政策倾斜；资本自身的自我强化逻辑，大公司必须持续投入，否则就会被边缘化。
但历史告诉我们，所有泡沫最终都会回归基本面。当模型的边际收益不再增长，当数据中心的电费成为主要成本项，当投资者开始追问：“这1.5万亿美元到底能带来多少收入？”泡沫的刺破，将比想象中更快。
寻找路径
中AI企业近年来在应用层（如短视频推荐、电商客服）展现出惊人速度，但在基础模型与芯片领域仍受制于人。美“万亿基建”叙事，一方面为中国的算力自主（如花花花、寒武纪、阿里）提供了市场空间；另一方面，也设定了一个危险参照。
是不是也要效仿美？“效率优先，场景驱动”。我们不应盲目追求模型参数的全球第一：国产算力芯片在特定场景下的优化（如工业质检、智能交通）；多模态轻量化模型的开发与部署（在边缘端实现高效推理）；利用超大规模数据优势，在垂直行业构建“AI+产业”闭环。
中拥有全球最丰富的应用场景和最具活力的中小企业生态，这恰恰是突破“算力霸权”的关键。与其在数据中⼼的泥潭中与巨头角力，不如以“小而美”的AI解决方案，在产业互联网中扎根。
在狂热中保持清醒，是技术时代的最高道德，Sebastian Siemiatkowski的“nervous”，不是恐惧，而是一种责任。清醒的人，才是真正的先知。
[1] FT, ‘I’m nervous’: Klarna founder challenges trillion-dollar spending on AI.
[2] WSJ, The Rise of the AI Oligarchs.
[3] Stanford University, AI Index Report 2025.