民主党或将重拾反垄断大棒，美国AI巨头会被反攻倒算吗？

本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论

导语

2026年美国中期选举后，民主党重新掌握国会控制权，科技巨头或将迎来新一轮监管审视。从调查特朗普政府时期的反垄断执法，到推动AI安全评估、企业责任和并购审查，民主党正释放出加强科技行业监管的信号。在AI产业投资热潮持续升温之际，科技巨头的市场优势究竟会因此受到遏制，还是进一步扩大？

布鲁金斯学会客座研究员、前美国联邦通信委员会主席Tom Wheeler撰文指出，低价竞争可能压缩AI企业收入，并冲击依赖头部企业订单融资的独立算力供应商。一旦后者陷入困境，数据中心、芯片等关键资产就可能被科技巨头收购，形成所谓的“数字摩根化”。这意味着，模型层的价格战并未带来更充分的产业竞争，反而可能让算力资源进一步向少数巨头集中。文章提醒，反垄断监管不能只盯着模型市场，还应关注AI基础设施控制权的变化。

原文标题：How an AI bust can make Big AI bigger

原文来源：布鲁金斯学会（Brookings Institution）

编译解读：数字经济发展评论

19世纪的铁路泡沫破灭之后，铁路资产并没有消失，消失的是独立的所有者。J.P.摩根等金融家把一批财务虚弱甚至已经破产的铁路公司逐一重组，这段历史后来被称为“摩根化”（Morganization）。到1906年，七家公司掌握了美国约三分之二的铁路里程。

布鲁金斯学会客座研究员、前美国联邦通信委员会主席Tom Wheeler在11月2日撰文，把这段历史当作观察当前AI算力投资的参照。他的基本判断是，需求繁荣与财务偿付是两回事。

头部AI公司把“封闭”模型与算力捆绑出售，用这份收入支撑巨额投资，而更便宜的开放权重模型正在动摇这套算法；模型层的价格战最先压垮的是那些借钱建算力的独立供应商，破产留下的数据中心最终会落到有财力承接的头部AI公司手里。他把这一前景称为“数字摩根化”，并主张反垄断政策必须赶在AI版图定型之前动手。

一、铁路泡沫之后：资产还在，只是换了所有者

铁路是19世纪的变革性技术，AI是21世纪的变革性技术，两者的相似不只是规模。铁路突破的是地理对商业和文化的约束，AI突破的是人类认知的约束。两次突破都伴随着对基础设施的天量投入，也都赌上了同一个前提：未来的需求足以证明今天的开支是合理的。Wheeler的论证就从这里展开。

铁路的繁荣最终以破产收场。崩溃之前，铁路公司与投资者都相信未来的需求足以支撑巨额资本开支，因而过度扩张。清算之后，那些资产依然存在，改变的只是所有权。

由此引出一个问题：AI是否正在走向一场“数字摩根化”？在Wheeler看来，AI经济由三个高度关联的群体构成。头部模型开发商Anthropic、OpenAI、谷歌和Meta，要么资产负债表雄厚，要么融资能力惊人。

云基础设施同样集中，全球云基础设施收入近三分之二由亚马逊、微软、谷歌三家超大规模厂商揽下。真正令人担心的是第三类，即CoreWeave、Nebius、Crusoe这类被称为neocloud（新云）的独立算力商。它们借入数十亿美元建起有竞争力的算力，股权上独立，财务稳定却取决于从头部AI公司承接的业务。

独立算力对头部AI公司很重要，但更重要的作用在于，它为那些选择在主导企业之外开发AI应用的公司提供了另一种选择。正如铁路的意义不在铁轨本身，而在铁轨上跑的东西，AI模型同样只是底座，真正带来变革的是运行其上的应用。数字摩根化一旦成真，被抹掉的正是这种竞争性替代，AI的权力会进一步集中。

二、独立数据中心正经历“达尔文时刻”

据《金融时报》报道，投资者正在失去信心，不再相信AI繁荣带来的收入足以支撑为数据中心融资的巨额债务。一位机构投资者说，独立数据中心正面临一场“达尔文时刻”，其中最弱的可能难以存活。

这些财务问题可能重组整个行业，并进一步放大头部AI公司的权力。铁路已经把这个剧本演过一遍：一家陷入财务困境的基础设施公司破产时，它的关键资产依然存在。放到21世纪，这意味着数据中心连同其中的芯片、电力合同、光纤连接和客户，都会被交到有财力承接的人手里。

Wheeler认为，促成这种重演的条件如今已经可见，尚待回答的问题是，今天金融市场的种种动静会不会成为21世纪这项变革性技术重演铁路式结局的前奏。他主张现在就开始准备，先弄清哪些结果可以接受，再确定防止数字摩根化需要哪些政策决定。

三、需求繁荣，融资的公司却接连倒下

铁路的经验还说明，需求可以一片繁荣，而为满足需求融资的公司却在接连失败。一项变革性技术的需求，与建设其基础设施者的财务生存能力，是由“金融物理”连接起来的两种不同现实。投入算力基础设施的数万亿美元必须由这些基础设施产生的现金流来支撑，预期收入能否撑住这些承诺才是核心问题。

《金融时报》报道，OpenAI把首次公开募股推迟到明年，Anthropic的季度销售增速放缓，这两起事件引发了对AI繁荣可持续性的怀疑。Gartner的一项研究显示，若当前投资轨迹延续，到2030年底将有超过3.5万亿美元的AI基础设施面临减记；数据中心所有者到2030年前需要产生约8.5万亿美元才能覆盖支出与资本投入，而现有预测的上限不超过3.6万亿美元。

一条可行的现金流路径来自专有AI服务。OpenAI、Anthropic和谷歌把“封闭”模型与必要算力捆绑出售，这份收入支撑着它们为算力容量做出的长期承诺，而这些承诺又是算力基础设施建设的重要资金后盾。挑战这套安排的是不捆绑的“开放权重”（open-weight）模型。

这类模型通常更便宜，训练好的权重以不同许可开放，用户可以下载、修改、自行运行；权重往往免费，买方只为运行所需的算力付费。定价压力由此落在头部AI公司身上，它们的捆绑算力收入受到威胁，长期采购承诺也随之动摇。

随着前沿不断推进、竞争加剧，头部AI公司像面包店处理隔夜面包一样开始给旧款模型降价，前沿模型则继续维持溢价。OpenAI今年早些时候下调了中低档模型的价格，据路透社报道，这可能加剧行业竞争，因为美国公司正在与价格更低的中国厂商争夺客户，而这些客户对技术成本的不断上涨越来越警惕。

更便宜的智能还会触发经济学家所说的杰文斯悖论（Jevons Paradox）：效率提升降低了资源的使用成本，反而刺激需求、推高总消费。杰文斯是在研究维多利亚时代英国的煤炭使用时提出这一概念的。

机构投资者阿波罗（Apollo）的一份报告论证了它对AI的适用性：自2025年底以来，AI模型的总支出几乎翻倍，而每token的价格自2023年起下跌超过90%。需求更大，未必意味着财务回报更多。

到了前沿模型这一层，问题变成：出售越来越强大的模型的使用权，所得收入能否覆盖开发与运营成本？这个疑问会一层层传导到独立基础设施商。截至6月30日，CoreWeave的1040亿美元订单簿主要靠OpenAI、Meta和微软的合同支撑，而它正是拿这份订单簿去融资的。

Gartner预测，到2030年将有超过80%的独立算力供应商“停止独立运营”。如果token价格下跌让模型开发商挣不到足以支撑长期算力承诺的钱，那么即便用量猛增，算力的供给也会成问题，后果再传到那些按这些预期建产能的独立算力商身上。

讽刺的是，把价格压下来的开放权重模型，可能反而是最大的输家之一。它们更便宜，但同样要消耗算力。一旦财务困境让独立算力商减少，应用开发者能选的算力方案就会变少，剩下的只有那些自带自我优待动机的超大规模云厂商，它们既要保护自己的模型，也要保护自己投资的公司。这里的悖论在于：模型层的竞争压低了智能的价格，支撑智能的基础设施却变得更缺乏竞争。

四、AT&T把AI成本砍掉了九成

面对前沿模型的高价，用户的行为是理性的，通信巨头AT&T就是个例子。7月，AT&T宣布其日均消耗450亿个AI token。token是AI模型的管理、计量和计费单位，在大语言模型中大约相当于四分之三个单词；各家对token的定义与计数方式不同，价格也随用于输入查询还是输出答案而不同。

截至10月17日，OpenAI（GPT-6 Astra）与Anthropic（Claude Fable 5.1）的前沿模型，每百万输入token收费10美元，同类输出token收费50美元。Wheeler说明这些价格只作示例，但已足以表明，把token用量推到极致可以迅速击穿预算。

AT&T的应对与理性消费者无异：自建路由与缓存网关，把任务匹配到性价比最优的封闭或开放权重模型，据公司称，AI成本因此降低了最多90%。并非所有AI辅助活动都需要前沿模型的算力，用户的判断标准其实很朴素，某个模型能不能完成这项任务。

为承接这类选择，头部公司自己也在提供开放权重模型，如Meta的Llama、谷歌的Gemma、英伟达的Nemotron和OpenAI的gpt-oss；云厂商也开始围绕开放权重模型做低价捆绑。

AT&T的案例说明的正是需求与营收的区分。它对AI的需求巨大且仍在增长，为每一单位智能支付的钱却在减少。把这种行为放大到所有AI用户，就能看出快速增长的使用量未必产生当初为产能融资时所假设的收入。路由与缓存网关把“按任务选模型”从判断题变成了可工程化的采购策略。个体层面的理性选择叠加起来，就成了基础设施融资假设的系统性风险。

五、价格优势正在改写竞争规则

在Wheeler看来，中国同样在理性行事。中国模型在绝对能力上或许并非最强，但对许多提升生产率的任务已经够用，于是美国公司为规避上涨的成本转向中国模型。《华盛顿邮报》的表述是，“硅谷最热门的AI模型正面临一个强大的竞争来源。”这类中国模型通常是开放权重的。

据美国国会下属的美中经济与安全审查委员会，中国“选择在AI上全面押注开源路线”。AT&T出于国家安全考虑决定不使用中国模型，但据报道，Airbnb、Pinterest、DoorDash等公司已在业务的某些环节用过来自中国的开放权重模型。

这些高性能、低成本的模型对中国有相当的战略价值。它们把讨论的焦点从美国在前沿模型上的领先地位引开，同时把中国AI确立为一个可信的价格与性能选项；它们也以竞争的方式加剧了美国头部AI公司的财务恐惧。这种定价冲击并不以正面超越为前提。只要模型“足够好用、足够便宜”，就足以改变美国开发商的现金流，再经由现金流影响那些按原有预期建产能的独立算力商。

中美开放权重模型孰高孰下，Wheeler明确表示并没有一份现成的榜单可以直接给出答案，任何比较都取决于任务、模型规模和部署成本。

同时接入开放与封闭模型的平台OpenRouter在9月22日发布《The Token State of Play》，给出了一些平台层面的趋势：封闭权重模型拿走了模型消费额的73%，却只占总token用量的28%；在被监测的那一周，来自中国的token占总用量的69%。

Wheeler强调，这些统计既不能证明开放或封闭模型哪一方更赚钱，也不能证明中国模型必然在抢走美国公司的收入。但它们确实说明，开放权重模型可以用很小的消费份额，占据不成比例的用量份额。收入集中在封闭模型，用量却主要发生在低价模型上。这个错位，正是基础设施融资假设失效的地方。

六、价格竞争、行业整合与新的反垄断问题

AI的一切都要靠算力支撑，而围绕AI基础设施融资的报道，正把人们的注意力从前沿模型令人咋舌的能力和估值，拉回到支撑这一切的比特和字节。这种转向说明，AI技术栈中模型层的竞争，可能产生一个反直觉的后果，也就是推动关键算力层的整合。

无论降价来自开放权重模型、价格更低的中国厂商，还是AI巨头之间的价格战，前沿实验室从每个售出的token中拿到的收入都在减少，这会威胁到它们算力承诺的可行性。头部实验室有资产负债表和融资能力作缓冲，同样的保护却未必惠及独立基础设施商。这些公司一旦筹不到履行债务所需的资金，其算力资产就可能被收购，而最可能的接手方，正是已经主导AI的公司和与之结盟的金融势力。

这种情况意味着，反垄断政策必须超出传统的“破产企业抗辩”，并对存续下来的实体施加开放接入与互联的义务。这就回到铁路的教训：摩根化的问题在于，谁掌握了关键基础设施，谁就能决定依赖它的企业有没有竞争机会。AI基础设施面临同一种危险：掌控算力，就能决定谁能部署那些将塑造经济的应用。

数字摩根化的前景要求监管既关注所有权，也关注行为，并保持前瞻。反垄断当局要防范主导企业及其盟友把财务困境当成收购的便利借口，借机消灭独立的算力替代选项。这种审查不应止于直接收购，这个行业已经充分证明，相互交织的关系同样可以集中控制权。同样重要的是，关键AI基础设施的所有者应当接受可执行的不歧视接入与互联要求，确保掌控算力不会变成掌控“谁能参与AI竞争”。

对铁路的实质性监管，直到铁路版图基本画定之后才到来。AI则不同：在Wheeler看来，政策仍能赶在AI版图定型之前行动。美国资本主义再一次创造了巨大的新机会，而定义这个机会的结局，不该只交给少数头部AI公司的首席执行官和他们的金融家。