近日，AI分析師Dwarkesh Patel在其SubStack賬號上發(fā)表了一篇題為《Thoughts On the AI buildout》的文章，作者包括Dwarkesh Patel和另一位AI分析師Romeo Dean。

這篇分析文章背后也反映了資本市場對當下AI算力和基礎設施建設巨額投入所產(chǎn)生的AI投資泡沫的擔憂?！该髁凉尽勾饲耙苍峒?，擔憂的一個原因是，今年AI數(shù)據(jù)中心的投資規(guī)模在4000億美元上下，但AI產(chǎn)生的營收僅約600億美元——投資和收入差距過大。

但在這篇分析中，Patel和Dean更關注數(shù)據(jù)中心建設的具體細節(jié)和財務數(shù)字，他們首先引用了之前Sam Altman在9月23日博客中的一個愿景：“希望創(chuàng)建一個每周能生產(chǎn)一吉瓦（GW）新增 AI 基礎設施的工廠“。

Sam Altman在博客中還說：“實現(xiàn)這一愿景將極其困難，我們需要數(shù)年時間才能達到這個里程碑，并且它需要在技術棧的每一個層面進行創(chuàng)新，從芯片到電力，再到建筑和機器人技術。但我們一直為此不懈努力，并相信這是可能實現(xiàn)的。在我們看來，這將是有史以來最酷、最重要的基礎設施項目?！?/p>

Patel和Dean認為，真正決定數(shù)據(jù)中心建造價值的可能不僅僅是其所反映出的芯片和算力（占總投入的60-70%），而且更要看整個建設的速度。這背后的原因是，GPU技術的快速迭代導致其折舊周期大約僅有3年，而數(shù)據(jù)中心整個建筑的折舊周期是十幾甚至二十年，如果晚交付一個月導致的GPU閑置，就意味著巨大的折舊成本。

因此，看起來運營成本較低的能源（比如核電），因為其較長的交付周期，實際上成本并不算低；反而是燒天然氣的燃氣輪機因其較靈活的部署，進而有更好的效果。這也反映了為何GE、西門子能源、三菱等燃氣輪機廠商也在近期獲得了更多投資者的關注和更好的資本市場表現(xiàn)。

除了能源之外，Patel和Dean指出，目前美國的建設工程人才也存在瓶頸——整個數(shù)據(jù)中心的設備如果要大規(guī)模、快速地交付，需要大量機械工程師等方面的人才，美國“去工業(yè)化”后實際上并不具備這種條件。

在此基礎上，Patel和Dean還討論了中國在整個數(shù)據(jù)中心算力基礎設施上的優(yōu)勢，包括在電網(wǎng)、能源、建設建造工程人才方面的優(yōu)勢，以及對標臺積電、AMSL等核心設備的企業(yè)追趕速度，長期來看可能“會默認中國是贏家”。

以下為「明亮公司」編譯的內(nèi)容（有刪節(jié)）：

Sam Altman表示，他希望“創(chuàng)建一個每周能生產(chǎn)一吉瓦（GW）新增AI基礎設施的工廠”。

要實現(xiàn)這一愿景需要什么？這在物理上是否可行？這對不同的能源來源、從晶圓廠到燃氣輪機工廠等所有上游領域的資本支出（CapEx），以及對中美競爭意味著什么？

這些都不是簡單能回答的問題。我們寫這篇博客文章是為了加深對這些問題的理解。我們對自己了解到的一些東西感到驚訝。

晶圓廠資本支出的剩余

僅憑2025年一年的盈利，英偉達就能覆蓋臺積電過去3年的全部資本支出。

臺積電在過去5年的總資本支出為1500億美元。這些資金用于許多方面，包括建設整個5納米和3納米節(jié)點（分別于2020年和2022年推出），以及英偉達現(xiàn)在用于制造數(shù)據(jù)中心芯片的先進封裝技術。僅憑臺積電20%的產(chǎn)能，英偉達就創(chuàng)造了1000億美元的盈利。

假設臺積電的節(jié)點在5年內(nèi)折舊——這是一個極其保守的估計（新建的先進晶圓廠的盈利周期超過5年）。這意味著，在2025年，英偉達將把約60億美元的臺積電折舊資本價值，轉(zhuǎn)化為2000億美元的收入。

再往供應鏈上游看，英偉達一年的收入幾乎與包括ASML、Applied Materials、Tokyo Electron在內(nèi)的五家最大半導體設備公司過去25年的研發(fā)和資本支出總和相當。

我們認為這種情況最適合描述為“晶圓廠資本支出富余”。

我們之所以強調(diào)這一點，是因為如果你天真地猜測什么會是第一個限制長期AI資本支出增長的上游環(huán)節(jié)，你不會想到銅線或變壓器——你會從人類有史以來制造的最復雜的東西開始，也就是制造半導體的晶圓廠。我們驚訝地發(fā)現(xiàn)，建造這些晶圓廠的成本與人們已經(jīng)愿意為AI硬件支付的價格相比，簡直是小巫見大巫！

如果英偉達愿意，他們甚至可以補貼全新的晶圓廠節(jié)點。我們不認為他們會直接這樣做（或者他們會嗎？想想和英特爾的交易），但這顯示了“晶圓廠資本支出”有多么富余。

數(shù)據(jù)中心上游供應商將不得不擴大生產(chǎn)

在過去的二十年里，數(shù)據(jù)中心的建設基本上是利用了美國去工業(yè)化后遺留下的電力基礎設施。我們訪談的一位業(yè)內(nèi)人士說，直到最近，幾乎每個數(shù)據(jù)中心背后都有一個故事。谷歌第一個運營的數(shù)據(jù)中心就建在一個前鋁廠的對面。這些超大規(guī)模數(shù)據(jù)中心運營商習慣于改造舊鋼廠和汽車廠的電力設備。

一旦某個行業(yè)變得更具現(xiàn)實意義，美國就能迅速而高效地利用前一個行業(yè)的“軀殼”。但現(xiàn)在我們進入了一個不同的階段。超大規(guī)模數(shù)據(jù)中心運營商不僅在以前所未有的更大規(guī)模建設新的數(shù)據(jù)中心，而且是從零開始建設，并相互爭奪相同的資源——其中之一就是熟練勞動力。

即使是麥肯錫也認為這些資本支出數(shù)字并非天方夜譚（到2030年累計6.7萬億美元的資本支出意味著2030年當年約為2萬億美元）。

要讓你每年部署2萬億美元的AI資本支出，就必須有其他人在生產(chǎn)價值2萬億美元的所有其他數(shù)據(jù)中心組件，而不僅僅是芯片。數(shù)據(jù)中心的上游供應商——那些生產(chǎn)從銅線到渦輪機、變壓器和開關設備等一切的公司——將需要建造更多的工廠。

問題在于，這些工廠的成本必須在幾十年的生命周期內(nèi)攤銷。按照通常的利潤率，只有當這種AI需求能持續(xù)10-30年時，這些工廠才值得建造。

建造這些工廠的公司并非對通用人工智能（AGI）深信不疑——它們是經(jīng)營了幾十年的工業(yè)企業(yè)，利潤率低，并且曾被多次需求波動所傷害。在21世紀初，電力需求似乎將要爆炸式增長，因此像通用電氣（GE）、西門子等燃氣輪機制造商大規(guī)模擴張了生產(chǎn)能力。然后需求崩潰，給他們留下了巨大的（幾乎導致破產(chǎn)的）過剩產(chǎn)能。

如果不僅晶圓廠存在資本富余，其他數(shù)據(jù)中心組件也存在，那么超大規(guī)模數(shù)據(jù)中心運營商能否簡單地支付更高的利潤率來加速產(chǎn)能擴張？特別是考慮到芯片目前占數(shù)據(jù)中心資本支出的60-70%，這些巨頭或許會告訴那些建造另外30%組件的公司不要擔心長期需求：“我們只需幾年的超高利潤率就能讓你們回本?！?/p>

最大的燃氣輪機制造商（GE Vernova、西門子能源和三菱電機）預計在未來5年內(nèi)從燃氣輪機中獲利1000億美元。這對應約100吉瓦的發(fā)電能力。這些公司所有部門的合計資本支出約為每年50億美元。

如果超大規(guī)模數(shù)據(jù)中心運營商愿意為這100吉瓦的發(fā)電能力支付2000億美元而不是1000億美元（例如，為了激勵更快的交付），他們實際上將覆蓋這些渦輪機制造商（按當前速度計算）整整20年的全部資本支出。

要建造100吉瓦的數(shù)據(jù)中心，超大規(guī)模數(shù)據(jù)中心運營商無論如何都需要投資數(shù)萬億美元。發(fā)電成本僅占數(shù)據(jù)中心成本的7%左右。如果天然氣最終成為最快擴大發(fā)電能力的方式，那么為了確保電力能盡快上線，將發(fā)電成本翻倍至14%可能是非常值得的。

我們認為，對于數(shù)據(jù)中心的大多數(shù)組件，類似的情況可能都成立。不要低估供給的彈性。

即將到來的勞動力瓶頸？

勞動力實際上可能成為最嚴重的短缺——我們不能簡單地像蓋章一樣憑空制造出更多工人（至少現(xiàn)在還不能）。

位于阿比林的1.2吉瓦Stargate數(shù)據(jù)中心設施擁有超過5000名員工。當然，隨著我們擴大規(guī)模，效率會提高，但粗略計算，要建設100吉瓦，似乎需要417,000人。而這還只是2030年AI電力消耗預測的低端。我們將需要體育場那么多的電工、重型設備操作員、鋼鐵工人、暖通空調(diào)技術員……等等。

作為參考，美國有80萬電工和800萬建筑工人。我們聽說這個勞動力群體正在迅速老齡化，但至少在未來幾年內(nèi)，通過重新分配和提供高薪應該能夠緩解勞動力瓶頸。

到2020年代末，4000億美元以上的ARR是能實現(xiàn)的

Anthropic和OpenAI每年的AI資本支出（在2025年主要由亞馬遜和微軟間接完成）似乎在1000億美元左右。

在過去兩年里，OpenAI和Anthropic的收入每年增長三倍。到2025年，它們合計有望實現(xiàn)200億美元的收入。

這意味著他們在資本支出上的花費是收入的5倍。這種情況可能會隨著時間改變——更成熟的行業(yè)通常資本支出低于銷售額。但AI增長非常快，所以現(xiàn)在投入比賺的多是合理的。

目前，美國的AI資本支出為每年4000億美元。為了讓AI在短期內(nèi)不成為一個泡沫，目前正在建設的數(shù)據(jù)中心需要在其生命周期內(nèi)產(chǎn)生4000億美元的收入。它們能做到嗎？

谷歌、Facebook等公司已經(jīng)向我們展示，如果你能創(chuàng)造一個對數(shù)十億人有適度用處的產(chǎn)品，你每年就能產(chǎn)生數(shù)千億美元的收入（僅廣告一項，谷歌+Meta每年就賺4000億美元）。

OpenAI正在接近10億未變現(xiàn)的免費用戶，我們認為僅憑其現(xiàn)有產(chǎn)品，收入從120億美元擴展到1000億美元是可能的（一個愿景就是：GPT-5為廣告變現(xiàn)和超級應用鋪平道路）。問題更多在于他們是否能在3-5年內(nèi)做出一個看起來有前景且經(jīng)濟上有用的GPT-6（或其他產(chǎn)品），從而使他們的收入達到4000億美元以上的范圍。

當然，收入問題最終取決于你的時間線。如果AI真正兌現(xiàn)其承諾，那么它至少可以與白領工資相提并論，后者每年達數(shù)十萬億美元。

你認為到2020年代末，AI模型能完成軟件工程師的大部分工作嗎？如果全球2700萬軟件工程師都使用每月1000美元的超級AI Agent計劃，使他們的生產(chǎn)力翻倍（花費其薪水的10-20%），那將已經(jīng)是3240億美元的收入。

交付周期（Lead Times）

建造一個新的吉瓦級以上的數(shù)據(jù)中心大約需要兩年時間——這還不包括調(diào)試新一代芯片所需的時間。這意味著，如果你想在2030年部署2萬億美元的資本支出，你需要在2028年就做好規(guī)劃。按照目前的性能/功耗和性能/價格趨勢，2萬億美元大約對應66吉瓦的AI數(shù)據(jù)中心容量。

在過去幾年里，超大規(guī)模數(shù)據(jù)中心運營商和實驗室想要的算力總是比他們之前計劃開發(fā)的要多。如果這些巨頭計劃未來5年復合年增長率（CAGR）為30%，但最終希望平均達到40%（在2030年達到2萬億美元的資本支出），那么在2030年，他們將需要彌補相對于長期計劃的20吉瓦的缺口。

Elon Musk（在他還沒有一家AI公司的時候，傳統(tǒng)的超大規(guī)模數(shù)據(jù)中心運營商本應預先承諾建設產(chǎn)能）通過做一些瘋狂的事情來解決他的限制。普通人是否能在只計劃了30或40吉瓦的情況下，造出60吉瓦的全新產(chǎn)能，尚不清楚。

如果AI需求持續(xù)超過預先規(guī)劃，壓縮數(shù)據(jù)中心建設時間線的壓力將會巨大。問題是：這對能源來源和數(shù)據(jù)中心設計意味著什么？一些能源的交付周期比其他能源長得多，而一些數(shù)據(jù)中心設計更適合快速部署。

在數(shù)據(jù)中心總擁有成本中，芯片的成本壓倒了其他一切。這是因為：一、芯片非常昂貴；二、數(shù)據(jù)中心的外殼（建筑）可以在12-20年內(nèi)折舊，而芯片每3年就完全折舊（并且必須更換）。

因此，在選擇能源時，你可以非常清楚地看到優(yōu)先順序：

1.交付周期-數(shù)據(jù)中心的外殼晚建成一個月，就意味著占成本絕大部分的芯片閑置一個月。

2.非芯片資本支出-在3年周期內(nèi)，這比電力運營支出昂貴得多。

3.電力運營支出（OpEx）。

所以你可以理解為什么天然氣比目前的核反應堆更受青睞。核電的運營支出極低，但交付周期極長且資本支出高昂。天然氣可能不是可再生能源，但你可以在數(shù)據(jù)中心旁邊設置幾十臺燃氣輪機，讓你的芯片快速運轉(zhuǎn)起來。

太陽能電池板本身非常便宜，但在平衡夜晚和季節(jié)性差異時成本可能很高。如果你完全依賴太陽能，你必須建造大量的過剩容量（考慮到15-25%容量因子，1吉瓦的數(shù)據(jù)中心需要4-7吉瓦的太陽能容量）并增加大量的電池。否則，你昂貴的芯片在冬天或晚上就有閑置的風險。

太陽能發(fā)電場還占用巨大的土地面積，并需要大量的安裝勞動力——祝你好運——能雇傭30,000人在沙漠中鋪設20,000英畝的太陽能電池板和電池，只為給一個1吉瓦的數(shù)據(jù)中心供電。目前世界上最大的太陽能園區(qū)是中國青海的共和塔拉灘光伏電站。它產(chǎn)生的電力足以為約3吉瓦的平滑連續(xù)功率供電——但這需要15吉瓦的峰值容量——意味著720萬塊太陽能電池板——面積相當于七個曼哈頓。

除了交付周期和成本，你可能會問，哪種能源在物理上足夠充裕以供應這種需求？答案是，幾乎所有能源都夠。即使是對于2020年代末最爆炸性的AI場景，所提到的任何能源的理論極限都比需求高出幾個數(shù)量級。

脫離電網(wǎng)？

一個關鍵問題是數(shù)據(jù)中心是否會“脫離電網(wǎng)”——即在現(xiàn)場發(fā)電而不是連接到公用電網(wǎng)。一些最大的數(shù)據(jù)中心已經(jīng)在這樣做了，例如Meta的Orion或xAI的Colossus。

為什么數(shù)據(jù)中心想要自己發(fā)電而不是依賴電網(wǎng)？他們試圖繞過并網(wǎng)延遲?，F(xiàn)在將大型新電源連接到電網(wǎng)需要超過5年的時間。

在過去20多年里，美國的電力消耗一直持平或緩慢增長。電網(wǎng)運營商現(xiàn)在預計，由于AI數(shù)據(jù)中心、制造業(yè)回流和電氣化同時發(fā)生，需求將大幅增加。

ERCOT的年度能源預測。誰能想到他們也對AGI如此深信不疑？

一個潛在的解決方案：杜克大學的一項研究發(fā)現(xiàn)，如果數(shù)據(jù)中心同意在0.25%的時間內(nèi)（每年約22小時）削減負荷，就可以釋放出76吉瓦的備用輸電容量。大多數(shù)輸電線路的平均運行負荷遠低于其容量——瓶頸只在需求高峰時出現(xiàn)。

但即使超大規(guī)模數(shù)據(jù)中心運營商能夠完美地利用這76吉瓦，在樂觀的AI場景下，這也只夠用到2026-2028年。之后，要么電網(wǎng)擴張，要么數(shù)據(jù)中心脫離電網(wǎng)。

數(shù)據(jù)中心規(guī)模的分布

單個數(shù)據(jù)中心的規(guī)模分布會是怎樣的？以下是為什么我們最終可能會看到一種遍地都是100兆瓦（MW）數(shù)據(jù)中心的景象的論點：

如果你可以在這里那里建一個中型數(shù)據(jù)中心，你就可以吸收電網(wǎng)中的任何多余容量。你可以用一個100兆瓦的數(shù)據(jù)中心進行這種套利，但在1或10吉瓦的規(guī)模上，電網(wǎng)中沒有局部的多余容量——那么大的電力本身就相當于一個電網(wǎng)的規(guī)模！

對于像預訓練這樣的學習任務，你需要大塊連續(xù)的計算資源。但我們已經(jīng)進入了一個強化學習和中期訓練的階段，學習過程涉及大量推理。而最終的愿景是某種形式的持續(xù)學習，即模型廣泛部署在經(jīng)濟中，并在工作中/從經(jīng)驗中學習。這似乎與中型數(shù)據(jù)中心相容，這些數(shù)據(jù)中心容納著數(shù)以萬計的AI實例在工作、創(chuàng)造收入并從部署中學習。

這是另一種愿景。1-10吉瓦的數(shù)據(jù)中心，然后在設備端進行推理?；旧蠜]有中間地帶。

如果我們進入一個垂直整合、工業(yè)化生產(chǎn)離網(wǎng)數(shù)據(jù)中心的世界，也許你想做的就是買一大塊地，在現(xiàn)場建一個大工廠，盡可能多地生產(chǎn)獨立的計算大廳和電力/冷卻/網(wǎng)絡模塊。當你的公司總共需要50吉瓦時，你不會費心在這里那里為100兆瓦建設定制的基礎設施。一個很好的類比是，一個管理著數(shù)十億美元資金的風投不會看任何小于千萬美元級別的交易。

一臺每周產(chǎn)出一吉瓦的機器

今天的數(shù)據(jù)中心建設類似于在自家車道上造汽車：引擎從德國運來，變速箱從日本運來，線束從底特律運來，然后一個機械師花幾個月在現(xiàn)場組裝。每個數(shù)據(jù)中心都是在1-2年內(nèi)定制建造的，網(wǎng)絡、機電管道系統(tǒng)（MEP）和機架都是一件件組裝起來的。

用這種方式，你不可能達到每周一吉瓦的速度。

你能有預制的計算大廳嗎？完全布線的機架、冷卻系統(tǒng)、電力設備、電池——在工廠里組裝好，作為完整的模塊運送。這樣一來，就不是18個月的現(xiàn)場施工，而是將滑軌模塊推入到位。

設計空間出奇地靈活。液冷可以實現(xiàn)500千瓦-1兆瓦的機架，但這需要完全不同的管道和施工。如果太陽能占主導，也許你可以完全采用直流到直流（DC-to-DC）的方式（太陽能板產(chǎn)生直流電，芯片需要直流電），跳過所有的交流轉(zhuǎn)換步驟。每個設計選擇都會影響其他選擇——能源來源影響冷卻方法，冷卻方法影響機架密度，機架密度影響建筑設計。

順便說一句，如果AI最終被證明是一個泡沫，我們離AGI的距離比硅谷想象的要遠得多，那么會留下什么持久的價值呢？你可以講一個故事，說互聯(lián)網(wǎng)泡沫為互聯(lián)網(wǎng)后來創(chuàng)造的所有價值鋪平了道路。對于這次AI建設熱潮，類似的東西是什么？

占資本支出70%的GPU在3年后就一文不值了。建筑物和電力基礎設施可以持續(xù)幾十年，但對于非AI工作負載來說是過度建設的。也許持久的價值是這種新的工業(yè)能力：按需快速制造和部署大規(guī)模計算基礎設施的能力。就像互聯(lián)網(wǎng)泡沫給我們留下了地下的光纖一樣，也許AI泡沫會給我們留下一個工業(yè)化的數(shù)據(jù)中心供應鏈和一個擴建的電網(wǎng)。

實際上，加密貨幣為當前的AI浪潮做了這件事。例如，正在幫助OpenAI在阿比林建設Stargate的Crusoe公司，最初就是為了在廢棄的天然氣上建設比特幣挖礦數(shù)據(jù)中心而成立的。

從長遠來看，默認會獲勝的是中國嗎？

為什么中國不會默認獲勝？對于這次工業(yè)規(guī)模擴張所需的除芯片外的所有組件（太陽能電池板、高壓變壓器、開關設備、新的電網(wǎng)容量），中國都是全球主導的制造商。中國每年生產(chǎn)1太瓦（TW）的太陽能光伏產(chǎn)品，而美國生產(chǎn)20吉瓦（GW）（即使是這些，電池和晶圓本身也是在中國制造的，只有最終的模塊在美國組裝）。

中國不僅發(fā)電量是美國的兩倍多，而且其發(fā)電量的增長速度是美國的10倍以上。這一點之所以重要，是因為電力建設可以被導向新的數(shù)據(jù)中心站點。中國國家電網(wǎng)可以與阿里巴巴、騰訊和百度合作，在對AI建設最有幫助的地方建設產(chǎn)能，避免美國不同超大規(guī)模數(shù)據(jù)中心運營商之間為爭奪現(xiàn)有產(chǎn)能而進行的零和博弈。

在長遠時間線上，中國是否具有優(yōu)勢？中芯國際可能最終會趕上臺積電[也許上海微電子（SMEE）或新凱來（SiCarrier）會趕上阿斯麥，長鑫存儲（CXMT）和長江存儲（YMTC）會趕上SK海力士和美光，北方華創(chuàng)（NAURA）和中微半導體（AMEC）會趕上Applied Materials, LAM, Tokyo Electron 和 KLA]——出口管制不會永遠保持領先優(yōu)勢。如果在2030年之前沒有出現(xiàn)純軟件的智能爆炸，而AI只是變成了一場涵蓋從機器人到太陽能電池板、電池再到鋼鐵的整個供應鏈的大規(guī)模工業(yè)競賽，那么為什么最終不是中國領先呢？中國的差異化優(yōu)勢不正是這種快速和大規(guī)模的基礎設施建設嗎？

Semianalysis預測，明年中國實際能夠出貨的芯片將比今年少，主要是因為國內(nèi)高帶寬內(nèi)存（HBM）生產(chǎn)的限制。但我們想知道，這在中長期內(nèi)有多大關系。

GPU在3年內(nèi)完全折舊（因為新的設計和更好的底層工藝節(jié)點使前幾代產(chǎn)品變得無關緊要）。而建設新數(shù)據(jù)中心的交付周期只有一到兩年——數(shù)據(jù)中心的整體設計可能會被重新改造，以適應工業(yè)規(guī)模的垂直整合。

所有這些都讓我們思考，是否每3年，AI競賽就完全重新開始。雖然我們可能能夠限制中國到2028年（甚至可能通過光刻技術的瓶頸限制到本十年末）的生產(chǎn)，但為什么這在2030年之后還重要呢？

兩種情景：AI寒冬和AI爆發(fā)

為了理解這類問題，我們認為把數(shù)字放入電子表格中非常有幫助。即使情景是憑空捏造的，它們也能讓你感覺到，在這些情景成真的世界里，哪些條件必須成立。例如，問這樣一個問題很有趣：考慮到硬件價格和性能的趨勢，2030年2萬億美元的資本支出將對應多少電力？5000億美元呢？

我們決定繪制兩種不同的潛在軌跡：

1.爆發(fā)式增長：AI投資平穩(wěn)增長，然后在AI自動化帶來的蓬勃經(jīng)濟增長（2035年GDP增長30%）的推動下開始加速。

2.AI寒冬：投資增長在2029年左右崩潰，然后從2032年起以平穩(wěn)的5%年增長率增長。

以下是兩種情景下到2040年的AI資本支出和AI電力消耗：

在爆發(fā)式增長的情景中，Sam Altman關于領先公司每周1吉瓦的愿景將在2036年實現(xiàn)。但在那個世界里，全球AI的電力消耗將是美國當前發(fā)電量的兩倍。

作者：MD

出品：明亮公司