摘要：在硅谷，一场被称为“循环交易”的AI游戏正在上演。OpenAI与AMD、英伟达等巨头之间高达万亿美元的复杂交易，让华尔街分析师们的神经高度紧绷。这种A公司为B公司提供资金来购买A公司产品的循环方式，创造了令人瞠目的交易价值，却也引发了市场对AI泡沫的担忧。

一个由万亿美元交易编织的AI泡沫正在硅谷膨胀，而在地球的另一端，一场AI与实体经济的深度融合正在悄然改变产业格局。

在硅谷，一场被称为“循环交易”的AI游戏正在上演。OpenAI与AMD、英伟达等巨头之间高达万亿美元的复杂交易，让华尔街分析师们的神经高度紧绷。这种A公司为B公司提供资金来购买A公司产品的循环方式，创造了令人瞠目的交易价值，却也引发了市场对AI泡沫的担忧。

与此同时，在中国，AI正以截然不同的路径发展。截至2025年6月，中国生成式AI用户规模达5.15亿人，半年间增长了2.66亿人，AI正从“试用”向“常用”转变，深度融入百姓日常生活和传统产业。

01 循环交易：硅谷的AI“纸牌屋”

在硅谷的AI狂欢中，一种被称为 “循环交易” 的金融机制正在引发越来越多人的担忧。

这种交易的运作模式是：A公司为B公司提供资金来购买A公司自己的产品。以OpenAI与AMD的合作为例，OpenAI对AMD提供的最后一批股票认股权证要求AMD市值达到万亿美元才会发生，届时OpenAI持有的AMD股份将价值约1000亿美元。

更可能发生的情况是，OpenAI会在此期间出售其持有的AMD股票，以支付AMD的账单。本质上，这是AMD为该客户购买产品提供资金的一种方案。在这个过程中，OpenAI几乎不用付出任何代价，AMD则有可能获得高达30%的市场份额。

这种循环交易创造了惊人的交易规模。据粗略估计，作为连结AI供应链的关键玩家，OpenAI在2025年就完成了高达1万亿美元的交易，包括与AMD的2700亿美元及与英伟达的5000亿美元算力交易。

02 实体经济：AI落地的巨大鸿沟

与火热的交易市场形成鲜明对比的是，AI技术在实体经济中的应用却面临巨大挑战。

企业“AI引智”进展并不顺利。麻省理工学院2025年8月的一份报告显示，将AI引入业务的企业中95%并没有赚到钱。甲骨文的GPU云租賃业务毛利率仅14%，远低于公司整体业务70%的水平，在考虑折旧后净毛利率更跌至7%。

生成式AI的商业模式本身存在先天缺陷。与传统互联网应用不同，大模型的每一次回应与推理，都要进行巨量重复运算，用户越多、需要的算力就越多，享受不到规模效应。

此外，大模型较难通过广告变现也是一大问题。相比一年千亿美元的投资规模，ChatGPT年化“仅”百亿美元规模的订阅收入显得杯水车薪。

Zacks Investment Management的客户投资组合经理Brian Mulberry警告道：“任何一笔交易的失败，都会产生令人担忧的多米诺骨牌效应。”

03 中美对比：两条不同的AI发展路径

中美两国在AI发展上选择了截然不同的路径，这反映了两国对AI未来价值的根本认知差异。

美国在AI竞赛中持续投注数千亿美元于云端基础设施、GPU芯片、大型语言模型开发与训练，目标是开发能模拟甚至超越人类智慧的通用人工智能（AGI）。

中国则采取更为务实的思维，以AI渗透实体经济为核心战略。在中国以应用为导向的政策方针下，AI不是纸上谈兵的语言生成工具，而是深入制造现场、交通管理、城市治理和智慧工厂的落地工具。

这种发展路径的差异在政策层面得到体现。2025年7月31日，中国国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，明确提出要大力推进人工智能规模化商业化应用，充分发挥中国产业体系完备、市场规模大、应用场景丰富等优势。

04 中国模式：产业AI的崛起与挑战

与美国不同，中国正在走一条以产业AI为核心的发展路径，并已取得显著成效。

截至2025年，中国已发布超1500个行业模型，覆盖50个重点行业领域、700余个场景。人工智能已具备一定的复杂问题解决能力，对产业降本增效、提升全要素生产率等作用逐步凸显。

在医疗健康领域，招商局集团“动物-人体数据转化AI模型”通过创新性融合药代动力学-药效动力学关联理论、AI算法与类器官芯片技术，成功突破动物向人体数据系统转化的瓶颈，极大缩短药物研发周期和提高研发成功率。

中国还正式上线了全产业AI大模型“万联摩尔”。据了解，作为首个面向全产业打造的AI大模型，万联摩尔现阶段可调用产业生态沉淀的百亿量级数据和外部可信数据，正计划分批次覆盖国民经济涉及到的97个行业大类。

05 能源挑战：AI发展的隐形天花板

无论是美国的AGI路线还是中国的产业AI路线，都面临一个共同的终极挑战——能源供应。

美国为支持AGI竞赛，正面临前所未有的能源转型压力。资料中心预计在2030年前消耗全美12%的电力，是目前近3倍。每次模型训练与推理，背后都是庞大的电力与水资源消耗。

然而，美国能源政策仍停留在以政府许可为主导的缓慢程序。电网建设平均需时10年，发电项目陷入繁复环评与审批流程，无法快速回应AI驱动的用电需求。

中国却走在另一条路上。一方面透过 “东数西算”电力调度与每5年规划工业布局经济模式，快速扩张资料中心与工业AI应用。通过“两重建设”，巩固传统基建网络，强化数字与能源等新型战略设施。

06 未来展望：AI竞争的本质是生态竞争

AI竞赛的胜负不在云端，也不在芯片，而在驱动AI的每一度电与每一条工厂生产线的智慧整合与落地应用上。

中美竞逐AI，将是开源与电力之争。面对中国十五五规划战略布局，美国若能结合电力自由并从闭源转向开源智慧，可能是美国在AI战略的突破点。

对于中国市场而言，产业AI的未来发展前景广阔。万联摩尔在商业应用场景中落地，将获得大量基于真实场景需求产生的优质数据集，而数据集也将反哺于研发端来持续促进产业AI的进步。

上海财经大学滴水湖高级金融学院院长姚洋指出，中国拥有世界上最完整的产业体系，发展产业AI大模型在应用场景落地上具有明显优势，对于推动中国经济转型至关重要。

就在硅谷的AI巨头们忙于万亿美元级别的循环交易时，中国的AI应用已在各行各业悄然生根。从医疗健康到工业制造，从农业到金融服务，AI正在成为推动中国产业升级的隐形力量。

两种AI发展路径的背后，是两国对技术未来的不同理解。美国押注于通用人工智能的远大梦想，而中国则专注于解决实体经济的现实问题。这场竞赛的胜负，不仅取决于技术本身，更取决于能源、生态和与实际需求的结合度。

随着AI从实验室走向大规模产业应用，谁能更好地将技术与实体经济融合，谁就能在未来的竞争中占据优势。资本狂欢终将落幕，真正带来繁荣的从来不是单一技术的突破，而是技术与社会需求的深度融合和价值创造。

来源：爱生活的奶茶a一点号