一句话定义
AI 收入缺口（AI Revenue Gap）指的是：全球 AI 数据中心（AI data center）一年需要挣到的收入，与 AI 产业当下实际挣到的收入之间的差额。它常被拿来当"算力投资是否过热"的体温计——被广泛引用的一个量级是每年数万亿美元（常见说法在 6 万亿美元级别），而现实中的 AI 收入离这个数还有很大距离。要注意：各家测算口径差别极大，具体数字以原始报告为准。
这道题是怎么算出来的
想象你开一家健身房：房租、器械、装修、教练工资全部要先掏钱，而器械几年就旧了；会员费却得一个个慢慢收。AI 数据中心同理，买 GPU、盖机房、付电费和冷却费都是"先付"，收入则来自 API 调用、模型订阅、企业合同、广告等"后收"。
粗算逻辑大致是：把累计资本开支按折旧年限摊平，加上电费运维，再加上投资人要求的回报，就得出"每年至少得挣多少"。GPU 的折旧周期通常只有几年，意味着这笔钱必须在几年内赚回来，而不是二十年慢慢回本。需求预测又往往按最乐观的推理量来算，收入端却受制于企业落地速度、付费意愿和同行压价，缺口由此出现。
和相邻概念的区别
| 概念 | 问的是什么 |
|---|---|
| AI 收入缺口 | 算力供给需要多少收入才算不亏 |
| 算力过剩（overcapacity） | 建出来的算力，实际用掉了多少 |
| AI 泡沫（AI bubble） | 资产价格是否已脱离基本面，更宏观也更主观 |
| 单位经济（unit economics） | 单次推理、单个客户本身赚不赚钱 |
简单说：收入缺口问的是"分母端"，算力过剩问的是"利用率"，泡沫问的是"价格"。
对从业者和普通人的意义
从业者可以顺着这条线索盯几个信号：算力利用率、单位 token 的收入与成本、企业试点转生产的比例、续费率，以及你所在的公司靠经营现金流还是靠持续融资买卡。
普通人不妨记住一句话：AI 很火，和 AI 赚钱，是两件事。卖铲子的（芯片、云）、卖水的（电力、机房）和挖金子的（应用公司）处境完全不同。看到任何"需要 X 万亿美元收入"的说法，先问一句：口径是什么、包含哪些收入——这比记住具体数字有用得多。