一句话定义
算力过剩（Compute Glut）指已经建成、或已经签了长约锁定的 AI 算力供给——GPU 集群、机房容量、供电合同——超过了当下能赚到钱的需求。资产层面更精确的说法是容量悬垂（Capacity Overhang）：多出来的那部分不是闲置的废铁，而是已经付了钱、正在折旧、却还没被用满的产能。
打个比方
你按“每天来 500 位客人”的预期，签了十年租约、买了全套厨房设备。结果开业后每天只来 80 位。租金照付，设备照折旧，厨师照发工资——账面资产很漂亮，现金流很难看。算力过剩就是这个状态：不是没人要算力，而是要的速度追不上建的速度。而且 GPU 比厨房设备惨，因为它的经济寿命可能比会计折旧年限更短。
怎么判断供给已经跑在需求前面
单看“卖了多少卡”没用，要看三个方向的信号是否同时出现：
| 线索 | 看什么 | 说明什么 |
|---|---|---|
| 需求侧支付意愿 | 企业 AI 支出增速是否走平。市场上常引用企业支出管理平台的支出指数（如 Ramp 的统计，口径以官方页面为准）作为观察窗口 | 预算扩张停下来，说明企业从“先买再说”转向“算清 ROI 再买” |
| 供给侧反向操作 | 超大规模厂商是否退回、不续约此前向第三方租用的容量（市场上有微软退订 Oracle 算力容量这类传闻式观察） | 自建产能加已购容量已经够用甚至富余，最懂行的人先踩刹车 |
| 资本市场定价 | 纳指回撤、算力相关标的估值收缩 | 市场开始给“未来才兑现的需求”打折，融资成本上升反过来压制新建 |
三条同时亮，基本可以判断供给曲线跑到了需求曲线前面。只有一条亮，多半只是噪音。
和相邻概念的区别
算力短缺（Compute Shortage）是它的镜像：买不到卡、租不到电、排队等容量。算力泡沫（Bubble）说的是估值问题——价格远超基本面；过剩说的是物理问题——机器在那儿，没人用。两者常一起出现，但不是一回事：一个市场可以没有泡沫，同时存在过剩。
连锁影响：租约、折旧、推理定价
- 租约：长约是双刃剑。紧缺时锁价是护城河，过剩时变成负债——市价跌到租约价以下，承租方想重谈、想转租，出租方的利用率却上不去。判断一家公司风险，要看他手里的算力是“按需”还是“十年”。
- 折旧：GPU 折旧年限是关键的会计假设。技术迭代快、供给过剩时，资产的经济寿命可能短于账面年限，减值和提前报废的压力会集中出现。
- 推理定价：过剩最直接的出口是降价。推理单价被压下来，“卖 token”的毛利变薄，而毛利又要拿去覆盖折旧——这是过剩最难受的传导链：越降价越难回本，越难回本越不敢停建。
对从业者的实际意义
别把“能买到卡”当成能力，议价窗口在买方：优先短租和按需，长约只在有明确负载时签。做成本模型时，盯单位 token 成本，而不是峰值算力。
对普通职场人，短期是好事——AI 服务更便宜、免费额度更多；但供应商洗牌风险上升，选型时给自己留一条换供应商的路。