AI收入集中在兩家實驗室，輝達與Palantir誰更扛得住？

 

OpenAI與Anthropic承擔約70%的AI收入集中度

Steve Eisman今年8月13日在CNBC節目中指出，OpenAI與Anthropic約占微軟(MSFT)、亞馬遜(AMZN)、Google(GOOGL)及甲骨文(ORCL) AI相關收入的70%。若此估算成立，AI收入高度集中於兩家實驗室，大型雲端業者的成長也會受到少數客戶資本能力影響。

Eisman將這項集中現象稱為AI交易的「阿基里斯腱」。其中一家實驗室若出現融資、現金流或營運問題，影響可能沿著算力採購、雲端租用與資料中心投資向上游傳導。中國低成本開放模型若同步加速普及，模型價格競爭也可能壓低推論服務與API的單位收入。

這項警告牽涉兩層風險。第一層是模型實驗室能否持續取得資金，支撐龐大的訓練與推論支出。第二層是微軟、亞馬遜、Google與甲骨文投入的AI基礎建設，能否逐步吸引更多企業客戶與模型供應商，降低收入集中度。

 

Nvidia以多模型需求與現金流吸收衝擊

Nvidia(NVDA)位於AI供應鏈上游，晶片需求涵蓋多家模型實驗室。單一模型業者放慢投資時，其他雲端服務商、企業與主權AI計畫仍可能承接部分需求。因此，Nvidia面對的是客戶集中與資本支出週期，而非單一模型產品的成敗。

Eisman把警告焦點放在實驗室財務狀況，Nvidia晶片業務承受的是間接傳導。公司已與多家金融機構簽訂協議，希望動員超過5,000億美元的第三方AI融資。這類安排可以擴充資料中心的資金池，也顯示AI算力建設愈來愈依賴外部融資與長期資本。

Nvidia上季自由現金流達480億美元，提供相當大的資產負債表緩衝。強勁現金流可以承受個別客戶放緩，卻無法完全消除少數超大型客戶同步削減資本支出的風險。

Michael Burry提出的疑慮便集中在這一點。Nvidia收入仍高度依賴少數超大型客戶，若雲端業者同時調降AI伺服器採購，影響會直接反映在營收增速、供應鏈訂單與產能配置。後續需要追蹤的組合，包括雲端資本支出、模型業者融資能力，以及Nvidia客戶組成是否持續擴散。

 

Palantir用企業需求分散模型供應商依賴

Palantir(PLTR)處於另一個位置。公司的產品定位，是協助企業將AI導入實際工作流程，並降低對單一模型實驗室的依賴。模型選擇愈多，企業愈有機會依照成本、效能與資料治理需求調整供應商。

近期財報顯示，Palantir營收成長93%至19.4億美元，高於市場預期；美國商業收入成長149%。美國商業業務的149%增幅顯示需求已跨出少數示範專案，企業端採用速度正在加快。

這種成長模式仍有另一項集中風險。Palantir長期擁有龐大的政府業務，執行長Alex Karp也承認，聯邦預算若縮減，將直接影響公司收益。商業收入高速成長有助於改善客戶組成，政府支出的變化依然會影響合約規模與營收能見度。

 

AI投資需要分清三種集中風險

Eisman的觀察提供了一套更細的AI風險分類。雲端業者承擔模型實驗室的收入集中；Nvidia承擔超大型算力買家的客戶集中；Palantir則同時面對政府預算與企業導入速度的變化。三家公司所處環節不同，風險傳導路徑也不同。

AI基礎建設的需求方向仍在擴張，資金能否持續流入模型實驗室，將決定近期算力採購的斜率。長期判斷則要看企業需求能否擴散至更多模型、更多產業與更多付費工作流程。後續若只追蹤GPU出貨量，容易漏掉融資結構與收入集中度；這兩項指標將決定AI資本支出循環能走多遠。