本轮AI调整在挤什么泡沫？

风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。

作者：陆家嘴幽灵

来源：雪球

过去一周 ， 纳指全周下跌约4.5% ， 英伟达自10月6日创下阶段新高后最大回撤近12% ， 市值蒸发约6000亿美元 。 周五科技调整持续 ， 美光 、 海力士分别跌5.63%和6.58% ， 而前一天刚迎来 “ 小奇迹日 ” 的CoreWeave再次下挫11.91% 。

AI投入 、 融资和回报 ， 再次成为市场讨论的焦点 。 AI发展远没有结束 ， 模型能够完成的任务在扩大 ， 企业也在继续投入 。 但在长期前景与当下交易之间 ， 始终隔着利润分配和市场预期 。

今天和大家简单谈谈泡沫 ， 可以帮助我们看清哪些增长有真实使用支撑 ， 哪些利润依赖暂时紧缺 ， 又有哪些远期结果被过早计入了价格 。

提示 ： 本文仅为学习思考记录 ， 不构成任何投资建议 。

01
相信AI发展为什么仍有必要讨论泡沫

本周台电公布三季度业绩 ， 营收467.2亿美元 ， 同比增长41.2% ， 环比增长16.2% ； 四季度营收指引为523亿至543亿美元 ， 增长有重要支撑 ， 经营规模仍在扩大 。 这与部分科技调整形成了对照 ：

经营增长与股价下跌能同时发生 ， 因为市场还要判断当前增长能保持多久 ， 未来利润中又有多少已经被价格提前反映 。

我认为AI长期发展的基础，仍然来自越来越多任务有机会被低成本完成。编程工具可以降低开发和维护门槛 ， Agent可以帮助处理原先不值得单独开发系统的流程 。 过去因为费用太高而放弃的软件需求 ， 成本下降后会重新出现 。 这些增量要经过产品 、 授权和客户使用逐步释放 ， 空间并不仅仅由今天几个热门应用决定 。

与此同时 ， 产业扩张过程中也可能积累过高的预期 。比如 ， 把某一年近乎翻倍的采购增长延续很多年 ， 把供给紧张时的利润率当成长期常态 ， 或者认为只要建成数据中心 ， 客户就会立即用满并持续付款 。 每一项假设都可能有依据 ， 全部按最顺利的路径组合起来 ， 容错空间就会变小 。

泡沫可以依附在真实需求之上，体现为对增长速度、利润持续时间和资金回收的过度乐观。

因此 ， 判断泡沫不必等到需求崩塌 。 订单仍在增长 ， 只要增速低于此前假设 ； 利润仍然很高 ， 只要市场开始缩短高利润的持续年限 ， 价格就可能调整 。 技术进步与这些预期修正 ， 有各自的时间表 。 反过来 ， 经历调整后 ， 也要检查价格是否已经反映了较多压力 。 一个实用的问题是 ：

当前价格要求企业维持几年高增长 ， 对利润率和资金条件又有什么要求 ？

如果每一项都要最顺利才能兑现 ， 风险就比较集中 ； 如果按较温和的增长和盈利也能支持价值 ， 后续经营改善便有更大意义 。 泡沫分析需要落到具体假设 ， 才能帮助判断价格 。

这也是研究上需要分开的三件事 ：AI是否继续创造价值，公司能从中获得多少利润，以及投资者为这些利润支付什么价格。

对第一件事保持信心 ， 与认真检查后两件事同时进行并不冲突 。

二高增长里有多少采购被提前了

供给紧张时 ， 客户通常会更早下单 ， 增加安全库存 ， 提前锁定关键部件 。 供应商看到的采购 ， 既包括即将投入使用的设备 ， 也包含为未来建设准备的物料 。 交期越不稳定 ， 客户越愿意用资金换取供应保障 。

这种行为会放大上游的增长 。 等安全库存达到目标 ， 即使实际部署继续增加 ， 新增采购也可能放缓 。 举个例子 ， 两期设备投产分别为80套 、 100套 ， 对应采购分别为120套 、 110套 。 在这个假设下 ， 投产增长25% ， 采购却减少约8% ， 库存仍在增加 ， 只是增加的更慢了 。

供应商前一期取得的收入是真实的 ， 客户的建设计划也可以继续推进 。 变化发生在采购与使用的时间差上 。 如果市场把补库阶段的增速长期外推 ， 后面就容易出现预期落差 。

还有一种情况是物料配套不齐 。 一套AI系统需要芯片 、 存储 、 网络 、 机柜和散热共同到位 。 某个部件先交付 ， 其他环节遇到问题 ， 已经采购的物料便需要等待 。 部分供应商订单旺盛 ， 另一部分供应商却可能收到暂缓提货的安排 。

此前报道某企业第三季度业务受到客户ASIC服务器机柜供应链良率 、 物料配套和运输等因素影响 ， 后段机柜生产问题也传导到了机壳拉货节奏 。 这个例子说明 ，研究交付放缓时，要先找到卡在哪一道工序，再判断对后续采购的影响。

利润变化同样要拆开 。 某存储厂商在前三季度业绩预告中表示 ， 第三季度存储供需总体仍偏紧 ， 但DRAM 、 NAND价格涨幅收窄 ， 涨价对盈利的边际贡献趋缓 ； 同时 ， 第三季度单季经营现金流净额转正 。一家公司可以在提价收益减弱的同时，改善资金周转。

这些信息需要分别使用 。 价格涨幅收窄影响盈利弹性 ， 物料不齐影响交付时间 ， 现金回收影响经营质量 。 公司自己的原材料 、 在产品和成品库存 ， 也对应不同状态 ： 有的在等待配套 ， 有的服务于新产品爬坡 ， 有的才可能面临销售困难 。 仅凭存货金额增加 ， 很难判断整条产业链已经过剩 。

目前更值得关注的 ，是此前采购有多少进入了实际部署，客户还需要维持多高库存，以及下一轮订单来自新增项目还是继续补库。 只有把这些关系接起来 ， 才能理解高增长中有多少能够延续 。

03
融资和估值开始检验增长的代价

近期另一条受到关注的线是AI扩张如何获得资金 。 据报道 ， 黑石旗下基金拟投入90亿美元 ， 参与以A家未来五年芯片租赁付款为支撑的融资 ， 投资者拟获超过10%的收益率 。

当然 ， 单笔融资的报价 ， 不能直接套到全部基础设施投入上 。 融资本身有明确用途 。 设备和机房需要先投入 ， 客户收入在以后释放 ， 资金可以帮助跨过建设期 。 需要关注的是借来的钱能否在约定偿付期限内 ， 变成持续产生现金的资产 。

如果项目按期投产 、 客户稳定付款 ， 收入可以逐步覆盖运营 、 设备更新和融资支出 ； 如果电力接入或交付延后 ， 利息 、 部分租赁费用和已投入资金的占用仍会继续 。 原本看起来有吸引力的项目 ， 可能因为多等几个季度而显著降低回报 。

设备更新也会影响这笔账 。 用未来多年的收入支持今天的融资 ， 需要判断设备在这段时间内能以什么价格提供服务 。 旧设备即使仍可使用 ， 新一代设备的成本优势也可能影响其租金和利用率 。 转去承担较轻任务 ， 可以延长使用寿命 ， 但是对应的收费与现金回收就要重新计算 。

这也让不同公司的差异变得重要 。 现金充裕的平台可以用原有业务支持建设 ， 依赖外部融资的服务商需要同时满足客户和债权人的要求 。 融资持续可得 ， 企业可以等待需求释放 ； 资金条件变化 ， 扩张节奏就需要调整 。

还有一点，产业链上的增长会相互强化。云厂商建设形成硬件订单 ， 供应商收入增长又支持市场提高对AI需求的判断 ， 更高估值有利于继续融资 。 这个过程可以为真实产业创造条件 ， 也可能让多家公司同时依赖一批尚未充分兑现的远期现金流 。 这就导致一种现象 ， 客户名单看起来很多 ， 但背后的资金来源和项目却可能是重叠的 。

所以，市场下调估值时，有时调整的是增长所需的资金、等待时间与风险补偿。过去愿意提前计入的收入 ， 现在需要更具体的投产和回款证据 。 一家公司业务仍在扩大 ， 股票的估值倍数也可能下降 。

资本开支同样要按这个逻辑理解 。 增长率从很高的位置回落 ， 只要总额继续增加 ， 设备采购仍可能扩大 。 具体供应商的收入取决于采购结构 、 份额 、 价格和交付时间 ； 设备更新 、 专用芯片和效率优化 ， 也会改变各环节获得的增量 。把资本开支的一个增速直接转换成整条产业链的利润增速，会遗漏这些差异。

04
总结

我对AI的看法仍然偏积极 。 能力进步 、 成本下降和应用探索 ， 为更多真实任务进入自动化创造了条件 。 这一轮调整值得关注的 ， 是市场开始更仔细检查 ： 采购有没有提前 ， 产能能否按期使用 ， 以及经营收入能否支持持续投入 。

这几类问题 ， 有不同的解决方式 ：预期过高可以通过盈利增长和价格调整重新匹配 ；物料不齐需要工程与供应链改善 ；库存消化需要实际部署 ；资金压力则需要经营回款 、 融资或项目节奏调整 。

如果只是笼统说一句“AI有泡沫”，难以判断风险会落到哪家公司、持续多长时间。

接下来 ， 我觉得最重要的是分清两种变化 。

一种是采购节奏的消化：客户继续投产和使用 ， 只是减少提前备货 ； 供应链逐步配齐 ， 积压设备进入运行 ； 部分产品涨价放缓 ， 客户部署成本得到改善 。 这种情况下 ， 上游短期增速可能承压 ， 实际使用与现金回收仍可继续增长 。 后续订单能否恢复 ， 要看库存消化和新增项目怎样衔接 。

另一种是需求与资金同时走弱：项目反复延期 ， 客户减少采购 ， 已投产资源利用不足 ， 应用也难以形成持续付费 。 如果这些变化相互印证 ， 就需要降低相关公司的盈利预期 ， 并重新检查扩张依据 。 两种情形最有区别的证据 ， 在于设备最终有没有被用起来 、 客户有没有继续付款 。

行情也会围绕这些差异展开 。 短期消息可以修复对极端风险的担心 ， 持续行情更需要企业证明交付 、 使用和回款 。 能够提高正常盈利 、 减少资金占用的公司 ， 与仍依靠不断投入等待远期收入的公司 ， 会面临不同的定价 。

另外，AI普及的收益未必全部留在目前最紧缺的环节。存储和计算更便宜 、 运行工具更成熟 ， 可能让应用客户获得更多回报 ； 某些供应商的短缺溢价则会降低 。 沿着产业链研究 ， 既要找仍然存在的约束 ， 也要看约束缓解后 ， 谁能获得更多任务 、 谁还能保留利润 。

对未来保持信心 ， 需要落在可以不断积累的证据上 ： 有更多任务值得交给AI ， 使用者愿意重复购买 ， 部署后的设备能够产生收入 ， 企业在支付全部成本以后还能留下现金 。 技术发展继续扩大可能性 ， 经营数据则告诉我们其中哪些已经变成了可持续的生意 。

AI发展远没有结束，只是我们要考虑：哪些增长能够跨过库存、交付和资金的约束，变成下一轮投入所依靠的真实回报。