软银AI算力投资遭遇需求校正

01 触发事件

软银集团在11月11日更新财报演示资料，澄清9月季度计提的约37亿美元费用，与美国俄亥俄州 Ports-Pike 数据中心和发电项目无关。

具体构成是：对不再纳入公司修订计划的发电相关设备不可退还预付款计提29亿美元减值准备，对合同相关费用确认9亿美元损失。相关款项不包含俄亥俄州项目的设备费用。

软银此前公布的财报显示，受美国AI数据中心项目发电设备采购计划调整影响，公司在截至2026年9月30日的六个月内确认5972亿日元，约合37.3亿美元损失。

问题不在于俄亥俄州项目本身，而在于软银原本为AI数据中心准备的发电设备，需求假设突然不再成立。

不可退还预付款被一次性减记29亿美元，说明软银在采购合同签署时，已经对AI infra需求形成了足够强的确信。等到项目计划被修订，问题不再是设备能否延迟交付，而是客户是否还会按原方案采购。

这暴露出AI数据中心扩张中的一个结构性矛盾：电力设备、GPU和长期融资的交付周期不同，但项目决策往往共用一个乐观需求预测。当GPU供给、融资成本或客户部署节奏发生变化，最先失效的往往是提前锁定且不可退款的电力设备合同。

我更愿意把它看成需求预期的downward revision，而非单一项目失误。软银没有披露具体客户和取消原因，这点我可能误判；但29亿美元集中在不可退还预付款上，至少说明问题并非普通采购延期。

真正会被定价的，不是软银“退出AI”，而是围绕未来算力需求的资本承诺开始重新谈判。

这与2008年金融危机前的房地产项目有一点相似。

开发商根据持续增长的住房需求，提前签订土地、建材和设备采购合同。需求转弱后，资产并非立刻失去全部价值，损失来自旧合同无法取消，而新融资和买方都在要求更低价。

AI infra也存在同样的期限错配。数据中心运营商签下发电设备和GPU采购合同时，项目通常按未来数年的高利用率融资。实际部署若低于预期，项目就会从“高回报固定资产”变成“带采购义务的产能”。

但AI与2008年的关键差异在于，AI计算需求仍可能在增长，只是增长速度、地理布局和电力来源的确定性下降。软银减记的是发电设备计划调整，不等于算力需求消失。

这更像2014年AWS之后cloud infrastructure的一次局部去库存：需求没有被否定，但谁拥有设备、何时建设、采用什么融资结构，会被重新定价。

另一个参照是2022年ChatGPT之后的一轮资本开支冲动。模型能力快速兑现，却没有同步产生足够稳定的应用收入来覆盖所有规划中的数据中心。软银这次损失提醒市场：AI infra不是只靠GPU稀缺性驱动，电力和资本承诺同样会形成巨额沉没成本。

这周不必因为37亿美元减值就推迟模型接入或应用开发，但应该重新检查所有与未来算力供给有关的承诺。

第一，不要把云厂商宣布的容量等同于可立即获得的稳定capacity。软银的故事说明，项目层面的“发电设备已采购”可能不等于可上线的推理容量。判断供给时，应分别验证GPU交付、供电进度、数据中心投运和模型部署四个节点。

第二，正在做AI应用套利的团队，应优先选择能随需求缩放的模型架构。固定长期承诺适合需求确定、现金回收周期短的工作负载；需求尚在验证时，保留routing和provider切换能力更重要。

第三，multi-model和fallback不只是技术冗余，也是一种融资结构上的对冲。当自建或专属集群的利用率不足时，模型API可以是capacity bridge；反过来，如果API价格继续下行，专属部署的回报窗口也可能被压缩。我没在内部跑过这些项目的真实利用率，不能断言哪一侧一定占优。

第四，基础设施创业公司的尽调重点应从“订单多少”转向“合同可取消性”。不可退还预付款、设备采购承诺和take-or-pay条款，比框架协议或意向订单更能反映真实需求质量。

对API消费者来说，一个更直接的问题是：上游模型价格下降未必能完整传导成更低的基础设施成本。电力、折旧和融资成本仍然存在，只是部分由拥有基础设施的云厂商和模型厂商承担。

我可能高估了这次减记的行业信号。

软银明确表示，损失与俄亥俄州 Ports-Pike 项目无关。这意味着我们不能把37亿美元直接归因于某个数据中心取消，更不能据此判断美国AI算力需求已经拐头。

如果原因只是内部投资时点、项目组合调整或合同条款争议，那么它更多是SoftBank Vision Fund式的资本配置失误，而不是AI infra需求恶化的证据。没有完整合同条款、客户结构和新项目清单，这个判断并不牢靠。

另一个风险是我低估了AI需求的持续性。基础设施减记经常发生在增长周期内部：1999年的网络设备投资过度，并不意味着互联网随后十年没有增长；2008年的房地产损失，也没有终止云计算和移动计算的需求。

所以，不能把不可退款的采购损失直接等同于模型需求下降。更严谨的结论是：AI infra的瓶颈正在从“能不能拿到设备和电力”，转向“承诺能否与真实利用率及现金流匹配”。

这也解释了为什么软银需要澄清俄亥俄州项目。资本市场可能真正关心的不是某个项目失败，而是37亿美元究竟意味着AI投资纪律改善，还是需求模型破裂。

在没有更多减值细节前，我倾向于把它视为一次局部需求校正，而非AI infra的拐点。这个保留意见很重要：若后续出现云厂商capacity延期、GPU租赁价格下跌和数据中心take-or-pay合同重谈同时发生，证据链才足以支持更强的判断。