我们正站在“1870年的拂晓”

本文 26 节展开目录收起目录

黑石总裁用真实账本回答：数万亿美元砸进 AI，到底是工业革命，还是另一场泡沫？

数万亿美元正在涌入 AI。

芯片、GPU、数据中心、电力、模型、云计算……

资本开支的数字已经大到令人麻木。

于是，一个越来越无法回避的问题摆在所有人面前：

这到底是一场新的工业革命，还是一场由巨额资本支出和循环融资共同吹起来的泡沫？

这一次回答这个问题的人，手里握着一些普通投资者很难看到的数据：

真实的企业账本。

2026 年 9 月，Blackstone（黑石集团）总裁兼首席运营官 Jon Gray，在一场面向全球投资者的演示中，系统讲述了黑石对于 AI 的判断。

随后，Blackstone 于 9 月 21 日正式公开了这场演讲。

它的标题很有意思：

Where’s the Beef?

牛肉到底在哪儿？

换成投资人的语言就是：

数万亿美元已经砸下去了，真正的回报到底在哪里？

这可能也是今天整个 AI 行业最重要的问题。

---

为什么 Jon Gray 的判断值得认真看？

因为 Blackstone 不是站在场外讨论 AI。

它已经把巨额真金白银押进了这场变革。

截至 2026 年 6 月，Blackstone 管理资产规模已经超过 1.3 万亿美元，是全球最大的另类资产管理公司。

而 Jon Gray 正是 Blackstone 的总裁兼 COO，也是集团最核心的投资决策者之一。

更重要的是，Blackstone 很早就在布局 AI 背后的物理基础设施。

2021 年，也就是 ChatGPT 出现之前，它以约 100 亿美元收购数据中心运营商 QTS。

此后，Blackstone 又不断向数据中心、电力、GPU/TPU、Neocloud、能源基础设施等领域扩张。

所以 Gray 看到的，不只是股票价格。

他看到的是：

企业到底花了多少钱。

AI 到底有没有提高效率。

数据中心到底有没有人租。

电到底够不够。

芯片到底够不够。

以及最重要的：

这些钱到底有没有产生回报。

这也是这场演讲真正有价值的地方。

我从中整理出了 10 个最值得关注的判断。

---

01

我们现在更像 1870 年，而不是 2000 年

Gray 把时间拨回了 1870 年。

那时美国内战结束不久，大部分美国人仍然生活在农场。

建筑主要是木头的。

去隔壁城镇，要骑马。

晚上读书，要点蜡烛。

但仅仅 30 年之后，一切都变了。

钢铁开始改变城市。

铁路改变距离。

汽车开始出现。

电灯进入生活。

Gray 的核心判断是：

“我认为，我们今天所处的境况更接近 1870 年，一场重大的工业革命即将到来。”

从 1870 年到 1900 年，他列出了一组数字：

劳动生产率大幅提高。

GDP 增长约四倍。

实际制造业产出增长约六倍。

股票市场上涨约七倍。

当然，他特别强调：

这并不意味着未来 30 年一定会重复同样的数字。

真正重要的是：

通用技术一旦进入整个经济体系，它改变的从来不只是一个行业。

它会改变生产方式、基础设施、企业组织以及资本配置。

所以，也许我们一直在问错一个问题。

大家总喜欢问：

今天是不是 2000 年？

而 Gray 问的是：

如果今天其实是 1870 年呢？

---

02

AI 的商业化速度，已经非常罕见

泡沫最典型的特征之一，是：

故事增长得比收入快。

但 Gray 展示的数据恰恰相反。

以 OpenAI 和 Anthropic 为例。

几年前，这两家公司几乎没有收入。

而根据 Gray 演示中的数据，到 2026 年 7 月，两家公司合计的年化收入规模已经达到大约：

1050 亿美元。

Gray 形容这种增长：

“在人类历史上几乎前所未有。”

与此同时，AI 的实际使用量也在爆炸。

他引用的数据表明，Google 体系中的月度 Token 使用量，从 2024 年接近零的水平，增长到 2026 年 5 月的约：

3.2 quadrillion tokens。

也就是 3.2 千万亿 Token。

所以这轮 AI 浪潮与很多纯粹依赖预期的资产泡沫存在一个非常重要的区别：

用户真的在使用。

企业真的在付钱。

---

03

更重要的是：黑石自己的账本也在说同一件事

如果说 OpenAI 和 Anthropic 的收入仍然只是行业数据，那么 Blackstone 自己的数据更加值得关注。

因为 Blackstone 可以观察自己的投资组合公司、GP Stakes 投资对象以及借款人。

覆盖大约：

1,400 家企业。

Gray 展示了一个非常惊人的数字。

2025 年 9 月，这些企业对 Anthropic 的年化支出大约只有：

2500 万美元。

到了 2026 年，这个数字已经增长到：

5.25 亿美元。

增长：

21 倍。

这意味着企业 AI 支出已经不只是 CTO 的实验预算。

它正在逐渐进入真正的经营预算。

与此同时，Gray 还透露：

Blackstone 统计了 2026 年第二季度全公司升值幅度最高的十项投资。

其中：

九项与 AI 有关。

只有一家印度医院投资例外。

换句话说：

这已经不是 Blackstone 对未来的预测。

它已经开始进入 Blackstone 的收益表。

---

04

AI 的资本开支，已经接近“国家级”体量

接下来是整个演讲中最震撼的一组数字。

五家最大的 hyperscaler——Microsoft、Amazon、Google、Meta 和 Oracle——2025 年资本开支约：

4150 亿美元。

而 Gray 给出的 2026 年数字是：

8200 亿美元。

一年几乎翻倍。

相当于美国 GDP 的约：

2.5%。

这是什么概念？

Blackstone 自己预计，2026 年旗下数据中心平台可能签下至少 6GW 的容量。

仅这些数据中心本身，就意味着接近：

1000 亿美元资本开支。

而客户放进去的芯片，还需要另外：

约 2000 亿美元。

AI 已经不再只是软件行业的故事。

钱正在变成：

服务器。

GPU。

土地。

钢筋。

混凝土。

变电站。

输电线路。

燃气轮机。

冷却系统。

AI 正在从数字世界进入物理世界。

---

05

这不是 2000 年的 Cisco——至少目前还不是

看到如此巨大的资本开支，投资者的第一反应自然是：

泡沫。

Gray 自己也承认，这是一个必须认真面对的问题。

但他给出了一个非常有意思的比较。

SK Hynix 是这一轮 AI 基础设施周期的重要受益者。

即使股价已经大幅上涨，Gray 演讲时给出的估值大约仍然只有：

4 倍市盈率。

而 2000 年互联网泡沫高峰时期，Cisco 一度达到：

约 150 倍市盈率。

更重要的区别还不只是估值。

19 世纪铁路泡沫以及后来的通信基础设施泡沫，都出现过类似的问题：

企业使用高杠杆，在真实需求出现之前提前建设了大量供给。

结果是：

供给远远超过需求。

大量企业最终破产。

Gray 认为今天至少存在两个不同点：

第一，AI 基础设施目前仍然是需求超过供给。

第二，大量合同背后的客户，是全球资产负债表最强、杠杆率最低的一批科技公司。

这当然不意味着 AI 不会出现泡沫。

事实上，Gray 自己也提醒：

即使在 1870—1900 年那场伟大的工业扩张中，也有大量铁路公司破产。

伟大的技术革命，与巨大的投资泡沫，从来可以同时存在。

这是理解今天 AI 最重要的一点。

---

06

“牛肉在哪儿？”

于是问题终于回到了这场演讲的标题：

Where’s the Beef?

数万亿美元的资本开支之后，回报到底在哪里？

Gray 给了几个非常具体的例子。

Blackstone 投资的 Phoenix Tower International 开发了一套 AI 工作流程，用于处理租赁业务。

投入：

400 万美元。

每年产生的收益：

450 万美元。

也就是说，一年的收益已经超过全部开发成本。

另一个例子是能源数据公司 Enverus。

通过 AI 改造软件开发和代码修复流程，其相关投入获得了大约：

18 倍回报。

还有租赁住房公司 Tricon。

AI 让租赁申请处理速度提高约：

90%。

这些案例都不性感。

没有机器人。

没有 AGI。

没有科幻故事。

但也许真正重要的事情正在这里发生。

AI 最先创造巨大经济价值的地方，很可能不是最性感的行业，而是那些原本充满人工流程、重复劳动和低效率的传统企业。

这可能才是 AI 真正进入经济系统的开始。

---

07

生产率，开始出现在数据里

经济学界有一个著名的“索洛悖论”。

1987 年，诺贝尔经济学奖得主 Robert Solow 曾经说：

“计算机时代无处不在，除了生产率统计数据里。”

也就是说：

所有人都看到了计算机。

但很长时间里，宏观生产率数据并没有同步爆发。

今天，类似的问题也一直困扰着 AI：

如果 AI 真那么厉害，生产率在哪里？

Gray 给出的答案是：

它开始出现了。

他在演讲中表示，美国过去十年的年均生产率增速约为：

1.5%。

而过去两年半达到约：

2.6%。

不过这里需要保持一点谨慎。

美国劳工统计局最新数据表明，2026 年第二季度美国非农商业部门劳动生产率同比增长 2.2%；从 2019 年第四季度开始的本轮商业周期看，年化生产率增长约 2.1%，高于上一轮商业周期的 1.5%。

所以，我们现在还不能简单地下结论：

“AI 已经导致了生产率革命。”

但至少有一个信号正在出现：

过去十多年长期低迷的生产率曲线，正在发生变化。

而今天大部分 AI 还停留在：

屏幕上。

办公室里。

代码里。

如果未来 AI 真正进入机器人、自动驾驶、工厂、物流、医疗和现实世界，影响可能才刚刚开始。

---

08

AI 最大的瓶颈，可能根本不在 AI

这是整场演讲里，我认为最值得创业者和投资人思考的一句话：

“真正的障碍在现实世界。”

不是模型。

不是 Prompt。

甚至不只是算法。

而是：

芯片。

电力。

数据中心。

Gray 举了一个非常极端的例子：

如果今天向 GE Vernova 订购某些燃气轮机，交付可能要排到：

2031 年。

为什么？

因为 AI 可以用几个月迭代一个模型。

但你不能用几个月建成一座电厂。

你不能瞬间扩建电网。

你不能无限制造先进芯片。

你也不能一夜之间建设几十 GW 的数据中心。

Gray 给出的估算是：

支撑 1GW AI 计算能力所需要的电力、数据中心和芯片等综合资本投入，可以达到大约：

550 亿美元。

这意味着 AI 的真正瓶颈，正在从数字世界转移到物理世界。

---

09

AI 会摧毁一些公司，但不会摧毁所有公司

Gray 又把时间拨到了互联网时代。

25 年前，Amazon 崛起。

所有传统零售商面对的是同一项技术冲击。

结果却完全不同。

Kmart 消失了。

Sears 衰落了。

Toys “R” Us 破产了。

但 Walmart 活下来了。

Costco 活下来了。

TJ Maxx 也活下来了。

所以真正的问题从来不是：

AI 会不会颠覆这个行业？

而是：

同一个行业里，为什么有些公司会被颠覆，有些公司反而会变得更强？

Gray 特别提到一类企业：

拥有重要 System of Record（记录系统） 的公司。

也就是说，它们掌握客户、交易、工作流、行业数据和企业真正运行所依赖的系统。

如果这些企业能够把 AI 从“卖多少软件席位”转向：

“帮助客户获得什么结果”

那么 AI 未必摧毁它们。

反而可能放大它们。

所以 AI 时代真正的护城河，可能正在发生变化：

从功能，变成数据。

从软件，变成工作流。

从 Seat，变成 Outcome。

---

10

Blackstone 最终押注的，是“技术栈最底层”

把整场演讲看完，你会发现 Blackstone 的逻辑其实非常简单。

他们并没有试图回答：

谁会成为下一个 OpenAI？

哪个模型最终赢？

哪一个 AI App 会成为超级入口？

他们选择了一个更底层的问题：

无论谁赢，都需要什么？

答案是：

Compute。

而 Compute 最终需要：

芯片。

数据中心。

电力。

所以 Blackstone 正在沿着整个 AI 物理基础设施不断下注：

数据中心。

GPU / TPU。

Neocloud。

电力。

天然气。

输电。

冷却。

电气设备。

可再生能源。

这就是淘金热里最经典的逻辑：

不一定要猜谁能挖到金子。

可以先提供所有淘金者都需要的铲子。

---

但真正值得思考的，不是“AI 有没有泡沫”

看到这里，我反而觉得：

“AI 是工业革命还是泡沫？”可能本身就是一个错误的问题。

历史告诉我们：

二者完全可以同时发生。

铁路改变了美国。

但大量铁路公司破产了。

互联网改变了世界。

但 2000 年大量互联网公司归零了。

汽车改变了世界。

但早期数以百计的汽车公司最终消失。

一项技术最终改变世界，并不意味着今天围绕它的每一笔投资都是正确的。

同样：

今天存在估值泡沫，也不意味着 AI 本身是一场泡沫。

这两件事必须分开。

真正的问题应该是：

如果 AI 真的是下一场工业革命，价值最终会沉淀在哪里？

Jon Gray 给出的答案非常清楚：

第一层，是 Compute。

第二层，是支撑 Compute 的 Power + Data Center + Chips。

第三层，才是更重要的：

ROI。

因为最终决定数万亿美元 AI 投资能否持续的，不是模型排行榜。

不是融资估值。

甚至不是 Token 数量。

而是企业能不能回答一个最古老的商业问题：

我投入 1 美元，究竟能拿回来多少美元？

---

DUNE VIEW

如果把 Jon Gray 的整场演讲压缩成一句话，它其实是在说：

AI 的需求已经被验证，而供给仍然稀缺，所以应该继续投资基础设施。

这是 Blackstone 的答案。

但站在 DUNE 的视角，我们想再往前推一步。

我们认为，AI 很可能同时是“1870 年”和“2000 年”。

技术层面，它越来越像 1870 年。

资本层面，它完全可能在某些环节重复 2000 年。

这两件事并不矛盾。

---

01｜真正的大趋势，与其中每一笔投资是否赚钱，是两回事

铁路确实改变了美国。

但很多铁路投资者破产了。

互联网确实改变了世界。

但绝大多数第一代互联网公司消失了。

所以判断 AI 是不是“真的”，其实没有那么难。

真正困难的问题是：

当所有人都知道 AI 是真的以后，你究竟应该买什么？

这是两个完全不同的问题。

我们越来越确信 AI 会成为未来几十年最重要的通用技术之一。

但这并不自动推出：

所有 GPU 都值得买。

所有数据中心都值得建。

所有 AI 公司都值得现在的估值。

所有电力资产都会持续获得超额回报。

技术革命决定的是蛋糕会不会变大；资本回报决定的是这块蛋糕最终属于谁。

而历史上，这两者经常严重错位。

---

02｜这轮 AI 最容易被低估的，不是模型，而是“物理约