AI 这一波，会上升到什么高度？

最近，一张资本内循环的示意图在硅谷疯传，箭头从投资者指向 OpenAI，从 OpenAI 指向英伟达，再从英伟达绕回 OpenAI 的股东名单。钱在几家科技巨头之间画了一个圈，成为了 AI 繁荣在市场层面的写照。

一系列交易与合作，撑起了万亿美元的市值。

这个圈子看上去很复杂？公司都是我们耳熟能详的公司，但在推动人工智能技术前进的过程中，它们不断合作，有着复杂的内在联系。

复杂精密的资金网络

这事得从 OpenAI 与 Oracle 的一宗巨额交易说起。

今年 9 月，OpenAI 与 Oracle 签署了一份协议：未来约五年内，OpenAI 将向 Oracle 购买约 3000 亿美元的计算资源。这份合同据称将从 2027 年开始实施，合约规模之大，被认为是「历史上最重磅」的云服务合同之一。

要支撑如此海量的云服务，Oracle 只能向英伟达采购更多芯片。由此，英伟达、Oracle 的股价应声大涨，Oracle 更是单日暴涨 36%，创下自 1992 年 12 月以来的最大单日涨幅，公司市值增加超 2500 亿美元。这一涨幅也让 Oracle 董事长拉里・埃里森的身家超过马斯克，成为全球首富。

故事到这里还没完。十天后，英伟达与 OpenAI 签署了一份战略合作意向书，目标是为 OpenAI 构建并部署至少 10   GW 的 AI 数据中心，配备数百万块 GPU，以满足其下一代模型训练与运行需求。为支持这个规模庞大的基础设施建设，英伟达表示将分阶段向 OpenAI 投资，最高金额可达 1000  亿美元。

作为回报，OpenAI 向英伟达下了一张价值 10GW 的 GPU 超级订单。英伟达的部分投资款，就这样转一圈又回到自己手上。

这套「千金散尽还复来」的戏码，英伟达早就玩得轻车熟路。

英伟达持有 CoreWeave 约 7% 的股份，价值 30 亿美元左右。而 CoreWeave 为 OpenAI 提供数据中心容量，自然需要从英伟达那里大量采购 GPU。截至目前，CoreWeave 已经购入至少 25 万块英伟达 GPU，总价值约 75 亿美元。

算一笔账就会发现，英伟达投入 CoreWeave 的所有资金，最终通过 GPU 订单的形式，又装进了自己的钱袋子。

如此左手倒右手，直接带飞股价和估值。2025 年 7 月，英伟达市值一度突破 4 万亿美元大关，10 月底又一跃成为唯一一家 5 万亿美元公司，是当之无愧的全球最贵半导体公司。而 OpenAI 估值也一飞冲天，达到 5000 亿美元，约合人民币 3.56 万亿元，成为全球估值最高的初创企业。

几家科技巨头正打得火热，英伟达的劲敌 AMD 也上了牌桌。它和 OpenAI 的交易是一分钱没见到，前者股价却涨了 40%。

10 月 6 日，AMD 与 OpenAI 达成了一项人工智能基础设施合作协议，OpenAI 将在未来数年内部署总计 6 GW 的 AMD Instinct GPU，用于其下一代人工智能基础设施建设。但 AMD 没有选择直接拿钱，而是向 OpenAI 发出了高达 1.6 亿股的认股权证，价值超过 300 亿美元。此举相当于让 OpenAI 间接拿到了 AMD 近 10% 的股份。

钱在几家公司之间打转，每转一圈，账面上的数字就增长一轮。而一旦这个数字体现到了市场中，就注定不仅仅是公司和机构的游戏。

填平「信息鸿沟」的，是 AI 技术本身

AI 引爆的行情是人人看得到的，但是 AI 产业的资本循环越转越快，普通投资者却面临着前所未有的认知鸿沟。

第一重困境是认知不足。AI 产业的技术复杂度远超以往任何一次科技革命，要理解 Transformer 架构与 RNN 的本质区别，判断某家 AI 公司声称的「技术突破」是真创新还是营销话术，评估大模型的参数规模、训练成本与商业化前景之间的关系 …… 这都需要跨学科的专业知识，而且 AI 产业的信息不对称程度还极高。即便是传统的科技分析师，也常常在 AI 的快速迭代面前感到力不从心。

第二重困境是工具缺失。专业投资机构拥有强大的研究团队和数据系统，他们可以实时追踪 AI 公司的招聘动态、专利申请、云服务采购量，甚至通过卫星图像分析数据中心的建设进度。而普通投资者能获取的，往往只是滞后的公开信息和免费研报。这种工具上的差距，在 AI 时代被进一步放大。

第三重困境是信息滞后。AI 产业的节奏极快，一个开源模型的发布可能在一夜之间改变竞争格局，一条关于 GPU 出口管制的新闻可能瞬间重构产业链，一家初创公司的技术突破可能让巨头的数十亿投资面临风险。在这种极速变化的环境中，信息的时效性就是真金白银。专业投资者通过自动化系统在秒级做出反应时，普通投资者可能还蒙在鼓里。

这三重困境叠加，造成了一个悖论：AI 是这个时代最重要的投资机会，但也是信息壁垒最高的投资领域。那些有能力理解、追踪和及时反应的专业机构，与信息滞后、工具缺失的普通投资者之间，形成了一道几乎不可逾越的鸿沟。

但历史的吊诡之处在于，正是 AI 这个制造信息鸿沟的技术，也可能成为填补鸿沟的工具。

不知何时开始，很多人已经习惯了在观察某个概念之前，先用大模型来问一通。在流行的金融 App 上，我们也会看到大量 AI 整理出来的文章，以及针对财报的一图流解读。对于每天都会出现的大量即时信息来说，很多情况下大模型提供的信息可以让你快速了解情况。而把内容庞杂，动辄几十页的季报、年报、电话会议内容自动总结成图表的大模型，也在无形中拉低了人们接触专业数据的门槛。

可以说在这场围绕着 AI 算法、算力复杂的资金游戏之外，还有另一群角色崛起 —— 那些用 AI 技术提供信息、见解的应用和新型券商，他们正用 AI 分析 AI 公司的财报，用算法追踪英伟达芯片的产业链，用大数据解构了这张看似混乱实则精密的资金网络。

这些玩家不满足于传统的承销和交易服务，而是将自己定位为「信息不对称的消除者」。他们开发出的分析工具，将原本只有机构才能理解的产业链关系，转化为散户也能看得懂的投资信号。

这不得不说是又一个由 AI 技术实现的重大进步。

正如大模型改变了代码开发、画图和视频制作的方式，这些新兴的金融类工具正在快速改变普通投资者的能力。散户现在可以通过触手可得的 AI 算法工具，实时追踪热门行业公司的资本动向、项目订单，验证概念的真实性，甚至可以细化到芯片交货周期、原材料价格这样的层面，从而在 AI 的资本迷宫中找到方向。

AI 公司们撬动资本训练 AI，实现了产业的正态循环，人们也在用 AI 技术帮更多的人去理解 AI 的概念来帮助投资，这或许会引导更多的资金进入相关的行业，这本身就是一个更高层次的循环。

结语

在 AI 产业中，英伟达是经典的「卖铲人」。无论下游的 AI 应用谁能胜出，无论 OpenAI 的 ChatGPT 最终能否盈利，只要训练模型的军备竞赛继续，对于 AI 芯片的需求就会持续。

甲骨文这样的 AI 基础设施提供商也是如此。它们提供 AI 训练、推理所需的算力，按使用量收费，不承担 AI 模型商业化的最终风险。它们算得上是现代化的「矿场主」，向淘金者出租挖掘场地和设备。

现在随着 AI 技术本身的发展，在投资领域中，新型科技券商则成为了一类新的「卖铲人」。他们不直接参与 AI 研发，也不制造芯片，但通过向所有参与 AI 投资玩家提供分析工具的方式，逐渐占据至关重要的位置，正在创造新的价值。

今天的 AI 热潮里，资本之间的循环可以创造纸面富贵，但真正的价值来自于 AI 技术对于生产力的提升，解决人类面临的难题，创造新的产品与服务。

只有那些真正创造的价值才会被记住。