前言：不是所有人都能从 AI 基建中赚到钱

过去两周，我们一直在关注 AI 模型的价格战和应用爆发。但 AI 产业链还有另一端——基础设施。

7 月 13 日，Oracle 的处境把这一端的残酷暴露了出来：

指标 数据
信用评级 BBB-（标普，投资级最低一档）
股价 单周暴跌 19%
裁员 21,000 人（13%）
债务 1,300 亿美元（AI 基建投资所致）
AI 收入占比 仅 8%

Oracle 不是个例。这篇文章把 AI 基础设施投资的经济账算清楚。

一、Oracle 做错了什么？

Oracle 的 AI 策略是大规模借贷建设数据中心，押注企业会大量租用 Oracle 的 AI 算力。

但三个假设全部落空：

假设 1："企业会大量租用第三方 AI 算力"

实际情况：头部企业（微软、Meta、Google）全在自建数据中心。中小企业的 AI 用量远低于预期——大多数还在"试点"阶段。

假设 2："算力供不应求会持续"

实际情况：Meta 卖算力、xAI 出租 Colossus、AWS 降价——算力供给正在快速增加，价格在下降。

假设 3："先建好，客户自然会来"

实际情况：建好了，客户没来。1300 亿美元债务需要支付利息，但 AI 收入只占 Oracle 总收入的 8%。

二、AI 基础设施的真实成本

一个数据中心的经济模型

项目 数值
建设成本（100MW） $5-8 亿
年电力成本 $3,000-5,000 万
GPU 采购（10,000 张 H200） $30-40 亿
年运维人员 $1,500-2,500 万
总投资（3 年） $40-55 亿

收入端

出租率 年收入 回收周期
90% ~$12 亿 3-4 年
70% ~$9 亿 5-6 年
50%（Oracle 现状？） ~$6 亿 7-9 年

出租率是生命线。 低于 70%，数据中心的 ROI 就跑不过融资成本。

三、自建 vs 租赁：企业 AI 算力决策框架

```python
def should_self_build(company) -> str:
"""企业应该自建数据中心还是租赁？"""
monthly_gpu_hours = company.ai_usage_hours_per_month

if monthly_gpu_hours > 100_000:
    return "self_build"  # 用量大，自建更划算

if company.has_compliance_requirement:
    return "self_build"  # 数据不能出园区

if monthly_gpu_hours  如果觉得有用，欢迎 **点赞 + 收藏 + 关注**。持续分析 AI 产业链各环节的真实经济账。

🔜 下午：AI 编程工具最新市场格局