市场质疑AI的投资回报率，但忽略了更重要的信号

对于那些明白这并非“资本支出峰值”的人来说，现在就是一个机会。

目前市场最大的误解在于AI训练和推理的变轨。过去两年，牛市由训练需求驱动，各公司投入数十亿美元构建AI“大脑”。空头似乎认为，一旦模型训练完成，支出就会减少。

但最新财报季的数据显示，事实恰恰相反：推理计算量已正式超过训练计算量。

• 训练是资本支出(CapEx)：构建完成后，一段时间内无需维护。

• 推理是运营支出(OpEx)：随同客户使用而增长。

训练产生一次性需求，而推理产生持续性需求。

华尔街总是低估将资本支出转化为持续性运营需求的企业。随着更高级的“推理”模型成为标准，模型会有意识增加每次查询的计算量，以获得更好的答案。

与训练不同，这种计算负载永不停歇。每个新增用户、提示和交互都会永久性地增加基础设施需求。AI从突发性工作负载转变为全天候流程。

推理才是真正的核心所在。虽然它表现为持续的运营需求，但它迫使企业持续进行资本投资以跟上步伐。

华尔街忽略的投资回报率信号

质疑“投资回报率”的人忽略了谷歌最新财报中最重要的数字：2400亿美元。这是谷歌的云积压订单，无法推迟、取消或“消化掉”的需求，同比增长了55%。

谷歌之所以在AI相关资本支出上投入1800亿美元，不是因为需要“引导”人们使用AI；而是因为它已经签署了2400亿美元的合同，如果没有更多芯片，就无法履行合同。

这是供应受限，而非需求受限。而当需求通过合同锁定时，支出就会加速增长。

同样，Alphabet实现了疫情以来最强劲的谷歌云增长，增速从约30%飙升至近50%，主要得益于Gemini项目的推动。

亚马逊AWS也取得了近年来最佳季度业绩之一，与此同时，零售利润率也在悄然扩张。微软的云积压订单已膨胀至约6250亿美元。作为全球最成熟的广告平台之一，Meta广告投放速度仍然维持在20%左右。

然而，市场对这些公司的定价却仿佛认为支出即将断崖式下跌，所有基本面信号都指向了相反的方向。

投资者急于将股市高企归咎于AI泡沫，忽略了科技行业以外的其他行业估值也在扩张。

DataTrek一项研究，标普指数中科技板块的市盈率相对于10年平均水平的增幅在所有板块中是最小的。

“目前根本无法证明科技行业的估值存在任何泡沫。”

过去十年，大型科技股“资本回报率高，能够维持较高的估值，而盈利增速超预期是常态”。科技股未来的回报将在一定程度上取决于该板块公司能否证明，其在AI方面的增量投资带来额外的盈利增长。

AI硬件升级周期在加速

在AI领域，硬件落后一代不是小事，而是生死攸关的风险。

在AI出现之前，数据中心大约每五年升级一次服务器。但如今，周期已缩至12个月。

AI硬件的改进不再是渐进式的，而是指数级，打破了以往数据中心升级的周期。

英伟达从Hopper架构到Blackwell架构，再到Vera Rubin架构，迫使超大数据中心运营商不断向更好更快博弈。

今年底预计交付的Rubin GPU可以将代币成本降低10倍。如果谷歌技术迁移到Rubin架构，AI运营成本降低90%，那么微软和亚马逊别无选择，只能跟进，否则将面临在价格、利润率和延迟方面失去竞争力的风险。

当市场对这种结构性转变定价错误时，机会往往首先出现在那些最接近支出增长点的公司身上。

基于以上种种原因：推理方式的转变、避免生存危机的追赶式竞争、快速的升级周期以及巨大的投资回报率，可以确信，2026年并非“AI资本支出峰值”。相反，高达7000亿美元的资本支出(仅是最大的五家)，在未来10年甚至更长时间内，预算会达到和超过这个地板价。

因为大型科技公司不仅在竞相构建全新的AI基础设施，还被迫升级和改造现有的数据中心，与此同时，早期AI部署已经开始转化为可衡量的收入增长。回报开始显现，持续投入的动力只会越来越强。

这意味着AI供应链股票，所有这些支出的直接受益者，仍是绝佳的长期投资标的。

然而，由于担心AI领域过度支出，这些股票目前正在普遍暴跌……

对于那些明白这并非“资本支出峰值”的人来说，是一个机会。