AI泡沫之争

多客科技

作者：微信文章
1、今天海外算力板块大跌，CPO指数大跌3.37%，PCB指数大跌5.72%，通信指数大跌4%，电子大跌2.3%，分析如下：

<div class="rich_media_content js_underline_content autoTypeSetting24psection" style="">
可能原因之一：市场发酵北美缺电，导致大家担心数据中心不能如期建设完成，影响算力需求，但是我们认为，这不改变中期产业趋势，而且北美能源资源比如天然气等还是相对多的，能够解决这一瓶颈，同时说明算力需求持续性强。

可能原因之二：对openAI寻求政府资金支持的担忧，这个在后来文件曝光后，市场应该能够理解，而且我们认为，不少csp厂商从Q2开始已经从算力-模型-应用转动了飞轮效应，未来只会更好。

可能原因之三：市场风格变化，年底一些机构锁定收益，有些风险偏好降低，从盘面上来看，成长风格的海外算力、国内算力、机器人等今天都在调整，上涨的板块低位居多，呈高低切迹象，均为对该原因的印证。

综上所述我们认为，第三个原因为主原因，在AI行业的基本面没有发生变化的背景下，在展望未来5年持续高速增长的趋势中，在未来一年供不应求的格局里，对于业绩好估值低的海外算力标的仍然看好。

2、AI泡沫再被提起

先总结一下市场的担忧和事件的催化点：

一. 循环投资，“我投你，你投我”似乎旁氏骗局，由NVDA/AMD与OpenAI的投资引发担忧。

二. OpenAI现在的ARR是200亿美金，未8年时间投入1.4万亿美金，钱哪来，由OpenAI想要政府贷款担保事件引发担忧。

三. 巨额CapEx不见应用，而CSP已经开始发债，由META发250亿债务引发担忧。

第一问和第二问我觉得本质上都取决于现阶段被宠爱的OpenAI能不能有陡峭的收入曲线，比如30年2000亿收入，一年折旧1700亿+，再加上一些Opex，就有打平的可能，那么市场就不会怀疑，2000亿=1000亿订阅费（付费用户X4｜ARPU+50%）+300亿API+200亿AGENT+500亿广告，这个收入假设是比较合理，能做得到的。这还不包括新的商业模式，比如新硬件带来新的交互模式，未来可能的入口费。

第三问，目前看巨头的内部造血能力极强，现金流状况相较于之前的bubble不可同日而语，即使发债也可以低风险地还债，2000年泡沫时CapEx/FCF=75%，现在是46%。

至于应用，第一个视角是互联网时代 ，软件是端到端解决问题的核心，价值集中在应用层。AI时代，AI本身就具备端到端能力，价值链条从应用层转向上游（模型/算力）与下游（生产力替代） ，或许，以后所有的APP都是模型的供应商，模型成为新的交互入口。第二个视角是目前看到C端用户的普及速度远超任何大周期，这是实实在在的需求，AZURE花了6年实现ROIC转正，有需求的东西最终都被证明逻辑是正收益的。

最后，泡沫的样子是00年美国境内约 97% 的光纤处于“暗”的状态，是08年到处是无法承担房贷必须卖房的投资客，互联网泡沫前的MAG7估值是NTM 67X，NDX（纳指100）是89X，而现在MAG7估值是NTM28X，NDX（纳指100）是28X，估值虽然处于高位，但决不算不合理。

3、大摩：对中国企业仍乐观

近期美国市场波动率高于中国内地及香港市场，另一重要原因是市场对AI科技投资的分歧——究竟是理想愿景还是存在泡沫？

分辨AI当前的投资状态，可关注两条核心线索：技术进步的非线性、企业落地应用的节奏。

- 技术进步的非线性：过去几轮科技革命（80年代电脑革命、互联网、移动互联网、如今的AI），每一轮算力需求均比上一轮提升10倍。若这一规模效应成立，后续AI模型能力有望再上一个大台阶，技术进步的非线性特征将持续显现。

- 企业应用落地节奏：目前AI应用仍处于试点阶段，全面采用的第一波可能要到2026年才会发生。

AI当前是否存在泡沫？这一争辩短期难以证实或证伪。

我们分析AI硬件板块的分析师担忧：当前动辄数千亿、上万亿美元投入的GPU算力中心，未来两三年可能面临迅速折旧、价值减记的问题。

核心矛盾：挖掘出的TOKEN与GPU、算力效率不匹配（TOKEN可能越来越少、价值下降），而当前投入的算力设备在技术迭代后将快速折旧，存在“投入与回报能否平衡”的疑问。

对美国及全球经济的影响：目前AI资本开支阶段，类似2000-2001年科网泡沫破灭前的1998-1999年——市场大举投入（如当年广铺海底电缆），未来能否收回足够收益尚不明确，但至少对明年经济的拉动作用将体现在强劲的AI资本开支上。

对中国并非坏事：中国是除美国外，唯一拥有AI亮点与生态链的经济体和市场，若美国AI资产估值过高，全球资金可能转向中国AI领域。美国AI产业链（尤其是硬件）如火如荼时，往往呈现“美国企业吃肉，中国及亚洲企业喝汤”的格局，中国企业可依托生产链快速出口受益。

综上，即便AI泡沫之争未水落石出，明年中国面临的外围环境仍相对乐观。

4、接下来重视模型，为何Google有后发制人之势？

1）Google是大模型Transformer架构的始祖，是AlphaGo的发明者，技术储备深不可测。　

2）从“算力->模型->应用商业”模型比拟“电脑主机->操作系统->桌面软件”的话，我们之中大部分人会选择最优的生态模型/操作系统（Windows），然后再倒推搭配电脑主机平台（X86主机），配合使用Windows的软件生态，因此模型对于的先发导流作用在当下被严重低估了。　

3）Google业务具有惊艳的业务闭环生态，从搜索引擎语料垄断、到TPU架构的自主设计/供应、到大模型Gemini/Claude（参股，可以说同一阵营）在Arena竞技场/用户中的惊艳表现，及现成安卓系统在移动端的绝对垄断，再到现成云平台的众多成熟商业...etc。 所有的现成业务都可以通过谷歌自身AI赋能完成效率质变。　

4）谷歌在本轮政府关门导致流动性短期危机、AI泡沫疑云、美联储降息左右摇摆等多重危机叠加环境下屹立不倒、跌幅最小，其财报的健康Capex支出、完善的商业生态是空头望而却步的重要原因。　

5）此外一点，海外链的业务未必能落地到东大（原因你懂的），未来可能分国内一条最强链、国外一条最强链，国内怎么选(Deepseek/Qwen/Kimi/Hunyuan)？海外怎么选(GPT/Gemini/Claude/)?？目前依然竞争激烈、难下定论，但无疑先有生态最优者拥有最强的先发优势。

5、国产模型在于「雕」，海外模型在于「怼」

1）就像股价沿着阻力最小路径演进，技术迭代也是。

2）国内「雕」即雕花，雕的原因在于算力不足，「雕」就是最小阻力路径。MiniMax模型训练者有这么一个发问“如果你有无限算力，你会选择研究Linear /Sparse Attention吗？”由于MoE已成共识，所以Transformer架构里最值得「雕」的是Attention模块 ，这也是国内发力重点。DeepSeek V3.2使用Sparse（稀疏）Attention，选择出“值得算”的token计算；阿里Qwen3-Next、Kimi Linear采用混合注意力，Linear（线性）+Full Attention，且比例都是1:3（共识）。

3）海外「怼」在于怼算力+数据，不受算力限制+融资手段丰富，「怼」就是最小阻力路径。数据上，从Scale AI、Surge AI等数据标注公司的10亿美金级别年收入能看出来；算力上，看OpenAI的30+GW、xAI的20万+集群就行。

4）国内Attention的优化是不是一条终极路径，目前没法下结论。MiniMax在M2模型中，放弃了上一代M1模型混合Attention，再次回归到Full Attention，原因是发现在处理复杂的大规模多跳推理任务，混合Attention效果不好。究竟是混合Attention不行了，海外怼算力才是“终局”，还是说混合Attention提升后更好，这个只能走一步看一步  。但是目前对于国内算力现状来说，Attention优化或是当下最适合的路径 。

5）无需担心算力和存储需求，国产算力依然应坚定。诚然每次国产模型更新，都不可避免”提效“：DeepSeek V3省算力成本，Kimi K2 Thinking采用Int 4 大幅减少显存和延迟（CNBC的460万美金训练成本，非官方信息）；稀疏Attention少“算”，线性减少“算+存”。不能直接的认为利空算力、存储 ，而是要看到”省“的本质——在于供给不足、需求太多。那提效后，必然会被更多需求拉升需求总量。国产算力的支持，从DeepSeek V3.1、K2 Thinking都能明显看到针对国产算力的优化，依然应坚定。