做空传奇Eisman警告：OpenAI若倒闭美国经济立刻衰退，AI唯一叙事正在积累系统性风险

2026年10月17日，Steve Eisman在《The Compound and Friends》播客中说出了这样一句话："如果OpenAI明天倒闭——我并不是在预测这件事，但假设它发生了——我认为美国经济会立刻陷入衰退。"这位因精准做空2008年次贷危机而载入金融史的投资人，并非在散布恐慌。他试图描述的是一种结构性风险：一家成立不过十年的AI公司，已经在多大程度上与整个美国经济的神经系统缠绕在一起。

Eisman在播客中明确表示，他不是在预言OpenAI的末日，也没有做空任何AI公司的头寸。他自述持有英伟达（NVDA）股票，但同时坦言："我持有英伟达，我也为此担心。"这种矛盾处境，恰好揭示了当前AI投资周期最微妙的一面：最深度理解风险的人，往往也无法轻易退出这场游戏。

集中度：一个企业如何变成宏观风险节点

Eisman的核心论点不在于OpenAI的技术质量，而在于资本配置的路径依赖。据报道，在Eisman的分析中，他勾勒出了一条令人不安的集中度链条：英伟达70%的应收账款来自仅仅五家客户；微软、Meta、亚马逊、Alphabet等超大规模云服务商约70%的AI营收，来源于OpenAI和Anthropic这两家公司；而Oracle未履行绩效义务中，约有一半绑定在OpenAI的合同上。

这条依存链意味着如果最上游的需求发生断裂，整条产业链的资本支出逻辑将同时失效。Eisman指出，主要科技公司2026年在AI上的资本支出规模已达约7500亿美元，据高盛估计，这一数字在2027年可能接近翻倍至约1.4万亿美元。这些都是真实签下的合同、已经采购的服务器、已经建设中的数据中心——它们不是PPT，是账面上的固定成本。

当Eisman说"如果AI服务需求突然减弱，影响会通过基础设施供应商一路蔓延"，他描述的不是一个概率极低的尾部情景，而是一个已被现有合同结构内嵌的传导机制。这与2008年次贷危机的逻辑有共同的骨架：高度杠杆、高度集中、高度相互依赖，一旦主要节点出现流动性问题，整个网络就进入去杠杆螺旋。

"token最大化"时代的终结与价格战的到来

Eisman识别出的第二个压力点，隐藏在"token maxing"这个行业黑话的消亡里。所谓token maxing，是指企业不加细算地大规模使用AI服务、堆砌API调用，将AI预算视为不容置疑的战略投资。在这个阶段，AI公司的收入是虚高的：企业客户为了不落后于竞争对手，会超出实际需求地购买AI能力。

"有相当充分的证据表明，价格战已经开始，"Eisman在播客中说。他将开源权重模型的崛起视为根本性威胁：市场上已经出现定价仅为主流闭源模型十分之一的可用替代品。这些模型在性能上仍有差距，但Eisman用一个直白的比方点破了问题所在——"你不需要梅赛德斯-奔驰来完成每一次公路旅行。"

这个比方精准描述了企业AI采购行为正在发生的理性化过程。当CFO们开始逐行审查AI预算，问出"这个任务用开源模型能不能完成"这个问题的那一刻，闭源大模型的定价权就开始松动。而价格战的后果是非线性的：当模型调用价格持续下滑，顶层AI实验室的收入基础动摇，其融资能力下降，进而影响向上游基础设施的付款能力，而这些基础设施的资本支出已经提前锁定。

这和科技泡沫有什么不同，又有什么相同

在同一期播客中，Eisman直接回击了另一位知名做空投资人Michael Burry近期发出的AI警告。Burry的论点偏向会计技术层面：他预测超大规模云服务商在2026年至2028年间将通过延长AI芯片折旧年限，少计提超过1750亿美元的折旧费用，从而虚报利润。

Eisman对这一框架表示不以为然，称其"太学术化了"。他承认折旧问题存在，但认为当前AI芯片需求之旺盛使得旧型号GPU仍有强劲需求，折旧账期的延长有一定现实依据。他的分歧在于优先级："如果OpenAI失败，整条链条反向运转，我们将迎来一次与折旧计划毫无关系的大规模修正。"换言之，在Eisman看来，商业模式的崩塌比会计操弄更危险，因为前者无法通过重新分类账目来掩盖。

从历史角度看，2000年的互联网泡沫也是一次集中型叙事崩溃。但Eisman特别强调了这一轮的独特之处——他说，当前市场只有一个叙事，那就是AI。2000年时，至少还有电信、生物科技等多个并行叙事在分散市场注意力和资本。今天的情况是，无论是芯片、云、数据中心、企业软件还是量化金融，几乎所有增长故事都汇聚到同一个AI主题之下。这意味着如果AI叙事出现重大裂缝，没有第二个锚点可以承接从中流出的资金。

产业链各方的不对称暴露

对于不同位置的参与者，这一风险结构意味着完全不同的事情。

对于超大规模云服务商而言，他们既是AI基础设施的建造者，又是其最大买家，并且将大量收入来源集中于OpenAI和Anthropic这两家客户。一旦这两家公司的商业前景恶化，云服务商将面临双重打击：AI服务需求下滑，同时提前锁定的资本支出无法撤回。

对于英伟达等芯片公司，Eisman点出的70%应收账款集中度，意味着实质上是少数几家客户在支撑整个公司的营收节奏。这种集中度在高增长期是优势，在需求拐点出现时会转化为脆弱性。

对于企业开发者和中小型技术公司，价格战反而是一个结构性机会。开源权重模型以十分之一的成本提供"足够好"的能力，使得那些不需要最高端模型的应用场景获得了大幅降低的成本基线。从工程实践角度看，这也是一次架构重估的时机：是否值得在闭源API上构建核心业务逻辑，还是将可迁移性设计进系统？

对于OpenAI和Anthropic自身，他们面临的是一个经典的市场结构困境：他们的产品正在快速成为商品，而商品化市场的利润规律是无情的。当用户认为开源模型"够用"的场景越来越多，顶层模型的溢价空间就越来越窄。

应该观察哪些信号

Eisman的分析提供了一套可验证的观察框架。第一个信号是企业AI预算的重新审查节奏：一旦大型企业开始在财报电话会议中讨论"AI ROI"而非"AI战略投入"，token maxing的末日就真的到来了。第二个信号是开源权重模型在关键性能基准上与闭源模型的差距收窄速度——差距越快收窄，价格战就越难避免。第三个信号是超大规模云服务商的资本支出指引：如果他们开始下修2027年的投入预期，意味着他们自身对AI需求的信心已经开始松动。

Eisman提出的"系统重要性"框架，本质上是在说：当一家公司变得大而不能倒，它的风险就不再只属于它自己的股东，而是被分散到了整个经济体系中。这个判断如果成立，它的政策含义也不可忽视——美国联邦监管机构是否应该开始将顶层AI实验室纳入某种系统重要性金融机构（SIFI）类似的监管框架？Eisman没有给出答案。