七千亿美元，压在一张还没开出来的牌上。
这件事本身，就已经够荒诞了。

沃顿商学院最新发布的 NBER 工作论文，把科技巨头的 AI 豪赌量化成了一道让人背脊发凉的算术题。
亚马逊、微软、Meta、Alphabet、甲骨文，这五家公司 2026 年预计合计砸下 7550 亿美元搞 AI 基础设施，到 2027 年，这个数字可能冲破 1.1 万亿。
1.1 万亿美元。
你知道这是什么概念吗？荷兰的全年 GDP，大概就这个体量。
更关键的是，论文作者 Jessica Wachter 和 Jonathan Wachter 做了一道反向推算：要让这笔钱在商业逻辑上说得通，AI 必须在五年内实现生产力约 2.7 倍的跃升。
否则，他们用了四个字，"破产风险"。

好，先把 "破产风险" 这个词拆开说说。
论文作者其实说得很清楚，这不是预测谁会真的破产。
亚马逊、微软这种体量的公司，短期内倒闭的概率接近零。这里说的是一个 "显示性偏好" 的论证，意思是，在你现在砸这么多钱的前提下，如果生产力没有跳起来，那这笔投资在财务上就是不可持续的，就算不死，也会死伤惨重。
换句话说，这是一场必须赢的赌局，而赌注已经压上去了。
然后看看历史比照，你就能感受到这个赌注有多离谱。

美国铁路时代，花了六十年，才把人均 GDP 翻了将近三倍。
1995 年到 2005 年那轮 IT 大繁荣，整整十年，生产力提升幅度也才 1.5 倍。而现在这帮人要求的是，五年，2.7 倍，翻个身还要再翻半个身。
经济史上没有可比案例，真的没有。
这要么是人类历史上最重要的一场技术革命，要么是最精心包装的一场集体幻觉。
目前还看不出是哪个。

有一个数据我觉得更能说明问题。
2025 年下半年，AI 大约贡献了美国实际 GDP 增长的五分之一。听起来挺厉害的，但反过来看，如果把 AI 相关支出剥离出去，美国企业设备投资整体是负增长的。
也就是说，现在支撑美国经济设备投资这块数据好看的，主要就靠 AI 这一根柱子。
一根柱子撑着，这事儿想想还挺悬的。
AI 投资占美国私人固定投资的比例，已经从 2022 年的 3.3%跳到了预计 14%，GDP 占比 2.4%，超过了 90 年代末电信泡沫高峰期的水平。
当年电信泡沫最后怎么收场，大家都还记得吧。

当然，AI 和当年的电信投资也有本质区别，不能直接画等号。
但那种 "这玩意儿改变世界，所以无论多贵都合理" 的叙事逻辑，还真有点像。
就在巨头们疯狂扩张基础设施的同时，另一边，DeepSeek 悄悄把一盆凉水泼了过来。
有测试把 DeepSeek V4 Pro 和 GPT-5.5 Pro 放在一起跑了几项精准任务，DeepSeek 赢了，38 比 33。
这个测试方法论争议很大，Hacker News 上被批得很厉害，说任务设计粗糙，评判模型都停用了，流程不可复现，基本上就是一个不严谨的对比实验。
但有一个数字在争议里单独站了出来，格外扎眼。
有人做了漏洞扫描测试，DeepSeek 的运行成本大概是 GPT Pro 的十分之一。
这才是真正让前线实验室晚上睡不着的事。

不是谁更智能，而是如果一个十分之一价格的模型 "足够好"，企业客户为什么还要付十倍的价格？
采购的人是要对老板交代的，他们不是模型爱好者，他们看的是 ROI。
于是你就看到了一个越来越拧巴的局面：
一边，科技巨头每年砸出数千亿，押注 AI 能带来颠覆性的生产力红利；另一边，廉价替代品正在悄悄侵蚀 "高端模型才能做好事情" 这个前提假设。
如果前提假设动摇了，整个高溢价的叙事就会松动。
沃顿那篇论文的价值，恰恰在于把这个隐含逻辑挑明了，用数字钉死了。2.7 倍的生产力跃升，这是这场赌局能够回本的最低门槛。到不了，就是一场史诗级的资源错配。
能到吗？
我不知道。

说实话，没有人真的知道。
这个区间有多不确定，论文自己也说了，预测到 2030 年 GDP 额外增长空间在 5 到 58 个百分点之间，跨了整整十倍多。
这不是精准预测，这是坦白地说 "我们不确定"，只是用模型把边界框出来了。
当下能看到的是，基础设施建设的钱还在哗哗地流进去，生产力证据还在被争论，廉价竞争者正在绕开护城河，企业客户的耐心也在慢慢消磨。
这张牌还没翻开，但已经有人开始盯着对家的表情了。