黄仁勋一年烧的钱够买下DeepSeek：但最后赢的不是烧钱最猛的人

英伟达2025财年的研发支出超过130亿美元。DeepSeek在2025年初被传的估值大约200亿美元。

也就是说，黄仁勋一家公司一年烧在AI上的研发费用，已经够把DeepSeek买下来大半个了。如果再算上英伟达在AI数据中心、芯片产线上的全部资本开支，这个数字远远超过一个DeepSeek的估值。

一年。一家公司。烧的钱够买一个让整个硅谷震动的AI独角兽。

你以为这很疯狂？更疯狂的是——英伟达还不是烧得最猛的那个。微软2025年计划砸800亿美元建AI数据中心，Meta说自己要花600多亿，谷歌和亚马逊也各自掏出了几百亿。这四家加起来，一年往AI基础设施里倒进去超过2000亿美元。

什么概念？差不多是越南一年的GDP。

你以为这只是大佬们的游戏？

很多搞技术的朋友看到这种新闻，第一反应是：”关我什么事？巨头烧钱是巨头的事，我该写代码还是写代码。”

这话对了一半。你确实还得写代码——但你写的代码值不值钱，可能真的取决于这些巨头把钱烧在了哪个方向。

打个比方。2010年的时候，如果你是一个精通Symbian开发的工程师，你的技术栈在诺基亚看来价值连城。但苹果和谷歌正在把几十亿美元砸向iOS和Android生态——两年后，Symbian没了，你的技能跟着没了。不是你不够优秀，是整个地基被人换掉了。

巨头烧钱的方向，就是行业的地基。地基变了，上面所有的楼都会重新洗牌。

现在这些巨头烧钱的方向是什么？AI基础设施、大模型、算力平台。这意味着什么？意味着AI能力正在变成一种像水电一样的基础资源。三年前你调用GPT-3.5的API要小心翼翼地算token费用，现在DeepSeek把同等性能的模型成本打到了之前的十分之一。

这个趋势不会停。因为巨头们停不下来。

为什么停不下来？因为囚徒困境

这里有一个有意思的博弈论问题。

假设你是微软的CEO萨提亚·纳德拉。你面前有两个选择：

A：继续砸钱。 一年800亿美元投AI基础设施，疼，非常疼。但如果你砸了而谷歌没砸——你在AI时代占据先发优势，未来十年躺赢。

B：收手省钱。 一年省下800亿美元，短期财报漂亮，华尔街鼓掌。但如果你收手而谷歌继续砸——三年后你发现自己的云服务、搜索、办公套件全面落后，市值蒸发一万亿不是梦。

问题在于：谷歌面前摆着一模一样的选择。Meta也是。亚马逊也是。

这就是经典的囚徒困境。每一个玩家单独来看，”继续烧钱”都是唯一理性的选择——因为”不烧”的风险实在太大了。结果就是所有人一起烧，谁也停不下来。

“谁先停下来谁先死”——这不是比喻，这是巨头们此刻真实的恐惧。

黄仁勋当然乐见其成。他是这场军备竞赛里卖军火的人。所有巨头都在疯狂购买英伟达的GPU，就像1849年加州淘金热里卖铲子的人一样，不管谁挖到金子，卖铲子的稳赚。

但历史告诉我们：烧钱最猛的不一定赢

在你开始恐慌”完了巨头通吃”之前，先看一段历史。

1998到2000年，互联网泡沫期间，烧钱最猛的公司叫WorldCom，电信巨头，市值一度超过1500亿美元，疯狂铺设光纤网络。还有一个叫Pets.com的公司，卖宠物用品的，烧了3亿美元做广告，超级碗都买了广告位。

结果呢？WorldCom财务造假破产，Pets.com上市9个月就倒闭。

但他们铺好的光纤网络、培养好的网购习惯并没有消失。接盘的是谁？是Google和Amazon。

Google 2004年才上市，用的是WorldCom们铺好的廉价带宽做搜索引擎。Amazon咬牙活过了泡沫，等到基础设施成本暴跌后推出了AWS——这个在别人铺好的光纤上做云服务的生意，让亚马逊变成了市值两万亿的巨头。

规律是这样的：军备竞赛中烧钱铺基础设施的人，不一定是最终赢家。真正赢家往往是等基础设施变便宜后、在上面做应用的人。

AI军备竞赛的溢出效应模型

这个规律正在AI领域重演。

英伟达和大模型公司疯狂烧钱的直接后果是什么？算力在过剩，模型在开源，API价格在暴跌。2023年调用GPT-4级别模型的成本是每百万token 30美元，2025年DeepSeek把同级别能力打到了不到1美元。两年时间，成本降了97%。

这不是偶然。这就是军备竞赛的溢出效应——当所有人都在疯狂扩产能，产能过剩是必然的。产能过剩的直接结果就是价格暴跌。

对应用层开发者来说，这反而是天大的好消息。

那你该怎么办？三条生存策略

如果你是一个AI方向的开发者或者科技从业者，面对这场巨头的军备竞赛，有三条生存策略。

第一，不要和巨头抢铲子生意。

英伟达卖芯片，微软谷歌做大模型——这些都是几百亿美元才能玩得起的游戏。如果你在做的事情是”训练一个通用大模型”或者”做一个算力平台”，除非你背后站着国家队或者一线VC的无限弹药，否则趁早换赛道。

这不是你能不能的问题，是资源量级差了好几个数量级的问题。就像你拿着一把铁锹去跟卡特彼勒的挖掘机比挖坑速度，这不叫竞争，这叫行为艺术。

第二，做巨头不愿意做的”最后一公里”。

巨头们擅长做通用的、规模化的东西——通用大模型、通用云平台、通用API。但他们不擅长（也不愿意）做垂直场景的深度落地。

一个医疗影像AI系统，模型可以用通用的，但要真正在医院跑起来，需要懂DICOM标准、了解各科室的工作流程、搞定跟HIS系统的对接、处理各种奇葩格式的历史数据。这些脏活累活，OpenAI不会替你干，微软也不会。

这就是”最后一公里”——把通用AI能力适配到具体行业场景的过程。这个过程既不性感也不容易规模化，所以巨头看不上。但这恰恰是你的护城河。

第三，把自己变成”翻译官”。

未来最值钱的人，不是会训练模型的人（这事越来越自动化），也不是纯粹的行业专家（他们不懂AI），而是两头都懂的”翻译官”——能把AI能力翻译成行业解决方案的人。

你既懂transformer架构又懂供应链管理？恭喜你，你是稀缺物种。你能把大模型的能力包装成一个金融风控系统？你的价值不是按技术工种定价的，是按业务价值定价的。

开发者在AI军备竞赛中的定位策略

黄仁勋烧的钱，最终会变成你的API

说回黄仁勋。

他现在每年砸进去的上百亿美元，在做一件什么事？本质上就是在疯狂压低AI的使用成本。更多的GPU产能→更多的算力供给→更低的算力价格→更便宜的模型训练→更便宜的API调用。

这个传导链条是确定性的，就像修高速公路一定会降低物流成本一样。

2023年的时候，你想给自己的小产品接一个GPT-4级别的AI能力，一个月API费用可能要花几千美元，小团队根本用不起。2025年底的现在，同等能力的API调用成本已经降到了当时的几十分之一，而且还在继续降。

三年后呢？按照军备竞赛的溢出效应推算，AI API的成本大概率会降到跟发一条短信差不多——几乎可以忽略不计。到那时候，AI能力就真的变成了水和电，谁都用得起，差别只在于谁用得好。

黄仁勋砸下的每一块钱，都在把AI的门槛往下压。某种意义上，他烧的钱最终会变成你用得起的API。

唯一的问题是：在成本降到你能承受之前，你有没有把自己放在正确的位置上？

是在跟巨头抢铲子，还是在磨自己的手艺？是在追最新的模型架构论文，还是在某个具体行业里扎根？是焦虑”AI会不会替代我”，还是在琢磨怎么用越来越便宜的AI做出别人做不了的东西？