文章提到收益递减，这不是理论推测。2026年行业普遍感受到更大参数和更多芯片带来的智能提升比例在下降——以预测下一个Token为核心的预训练范式更多学习语言统计规律，而非因果逻辑。Meta用40万GPU小时做实验确认，RL领域的Scaling Law尚未成型，性能与算力的关系呈类sigmoid饱和曲线。同时中国AI推理算力在2026年Q1首次超过训练算力(52%:48%)，产业逻辑从「烧钱练模型」转向「赚钱用模型」，训练算力的边际收益已断崖下跌。

文章作者马库斯质疑算力投入的合理性，但科技巨头实际动作截然相反。2026年谷歌、微软、亚马逊、Meta四家AI基础设施支出逼近7250亿美元，同比暴增77%，高盛预测2026-2031年累计算力支出将达5.1万亿美元。支持者认为算力军备是抢占下一个十年增长引擎的唯一路径，反对者则指出投入产出严重失衡——五大科技巨头累计砸下5600亿美元，实际AI营收仅350亿美元，投入产出比高达16:1。

黄仁勋在2026年6月直言，美国AI竞争的最大短板不是芯片或模型，而是电力供给能力。一个大型AI训练集群的用电量已相当于一座中小城市，美国数据中心用电量三年翻倍，部分地区电网接近极限。高盛预测到2030年Token消耗量将增长24倍，而电网升级速度以年为单位。英伟达新一代光互联技术虽可降低约50%系统能耗，但GPU总数增长太快，整体需求无法被抵消。能源瓶颈正从理论警告变成真实制约。

阿里腾讯2026年财报会上，投资者追问最多的问题就是AI算力ROI如何衡量。阿里云给出「重资产基建」叙事——数据中心是训练和推理工厂，服务器内没有一张空闲GPU，未来5年需求确定性极高。但高盛预警，若连续两季度出现「AI增量利润＜新增折旧」，股东将逼停军备竞赛，上游GPU订单可能腰斩。真正值得追问的不是「该不该投」，而是：当投入产出比从16:1继续恶化时，哪个阈值会触发资本逻辑的彻底逆转？