📑Gerstner：2027 年 3000 亿美元收入逻辑

📑Gerstner：2027 年 3000 亿美元收入逻辑

ℹ️背景：来自 Altimeter 公司布拉德・格斯特纳 2026 年 All‑In 峰会的观点：OpenAI 与 Anthropic 需要在 2027 年实现 3000 亿美元的收入（约为 2026 年收入的 3 倍），才能够维持当前 AI 资本扩张周期。
📝这份草稿进行粗略测算：该收入目标对应分配给两家 AI 实验室 12 吉瓦的专用算力。
📌基准假设：
🔹1. 资本开支‑建设成本：每吉瓦 500 亿美元（66% 为芯片与服务器硬件；33% 为建筑、电力、托管）；12 吉瓦总建设成本等于 6000 亿美元。
🔹2. 算力租赁成本‑市场算力租赁：每吉瓦每年 150 亿美元（参考甲骨文‑OpenAI、Nscale‑Anthropic、Lambda‑Anthropic、IREN‑微软等交易区间每吉瓦每年 120 亿‑180 亿美元）；12 吉瓦年度租金总支出等于 150 亿美元 ×12 吉瓦 = 每年 1800 亿美元（OpenAI 与 Anthropic 支付给算力供应商）。
🔹3. 算力供应商回报测算：6000 亿美元资本开支按照 6 年摊销，每年摊销 1000 亿美元；另加上每年 200 亿美元运营成本（电力、人力）。供应商年度现金流：租金收入 1800 亿美元减去 200 亿美元运营支出等于 1600 亿美元；对应 6000 亿美元资产实现 25% 现金收益率。
🔹4. 训练与推理算力拆分：40% 租赁算力用于训练、安全对齐；因此仅有 7 吉瓦算力用于推理业务，以此产生收入。7 吉瓦推理算力需要覆盖 1800 亿美元总租金成本，实现现金盈亏平衡，对应每推理吉瓦需要实现 260 亿美元毛利。假设 40% 毛利率，每吉瓦推理需要实现 430 亿美元收入；7 吉瓦合计刚好达成目标 3000 亿美元总收入（两家合计）。
🔹5. Token 产出公式：实验室每吉瓦的年收入等于每千瓦时产出 token 数量乘以每年总千瓦时（95% 利用率下，1 吉瓦等于 80 亿千瓦时每年），再乘以实际变现单价（每百万 token 对应的美元）。Rubin 级别芯片：每千瓦时产出 300 万 token；单吉瓦每年可产出 25 千万亿 token。要实现每吉瓦 430 亿美元收入，全口径混合实际变现门槛为每百万 token1.8 美元。
🔹6. 付费与免费用户混合调整：订阅参考：20 美元普通订阅每月给到 1100 万 token，200 美元专业版给到 1.11 亿 token；作者判断普通用户很难耗尽额度，大量 token 被免费或者低价值用户占用。如果仅有 5% 用户付费，但 60% 的 token 流量来自付费用户（OpenAI 历史观测数据），付费 token 需要的实际单价抬升至每百万 token3 美元。
📊初步结论：
🔹每百万 token3 美元的付费 token 门槛看上去并不算高。如果这套测算大体成立，仅这新增的 12 吉瓦算力（尚不包括已经实现 1000 亿美元收入的存量算力），在 40% 毛利率、算力供应商拿到 25% 现金收益的前提之下，达成 3000 亿美元收入看起来难度不大，属于极度乐观的情景。
📈看涨侧额外观点：
🔹1）实际可以实现的混合变现单价大概率高于每百万 token1.8 美元。
🔹2）每千瓦时产出 300 万 token 的能效属于布莱克韦尔芯片级别，尚未计入未来 VR 等硬件带来的进一步性能提升。
🔍因此仅剩下两种可能性：
🔹①开源模型必须大幅压低每百万 token1.8 美元的变现价格（硬件能效不存在优势，只能开展价格战）。
🔹②OpenAI 与 Anthropic 在 2027 年根本拿不到 12 吉瓦算力。