當AI浪潮下的“賣水人”賺得盆滿缽滿時，算力基礎設施的真實投資回報率究竟是一地雞毛，還是受制於物理極限的長期印鈔機？華爾街頂級空頭與科技多頭給出了截然不同的答案。

    6月21日，由Jack Farley主持的Macro Minds研討會上，華爾街傳奇空頭、“安然終結者”吉姆·查諾斯（Jim Chanos），與科技對沖基金的Analog Century Capital的合伙人瓦爾·茲拉特夫（Val Zlatev）同台，就AI資本支出繁榮、半導體周期及算力基建的商業模式展開了深度激辯。

    傳奇空頭查諾斯警告，當前科技行業正經歷類似90年代末的資本支出熱潮，晶片供應商可以立即確認收入，而超大規模雲服務商將AI資本支出資本化。

    雲服務商通過四至七年折舊攤銷，而非直接計入運營開支。這種“時間錯配”曾導致當年科技股利潤暴跌40%。

    此外，查諾斯認為算力租賃（如CoreWeave）本質上是回報率僅為個位數的金融租賃業務。

    物理學家出身的華爾街投資人茲拉特夫則反駁稱，真實詞元需求爆發導致老舊GPU租金均在飆升，且英偉達（15倍2027年EPS）估值遠未達1999年泡沫水平。

    他進一步指出由於半導體設備產能年均增長上限僅為30%，存儲晶片的緊缺與高價周期將比市場預期的更加持久。

    利潤懸殊與“折舊定時炸彈”

    在當前的AI資本支出熱潮中，市場最關注的是利潤的流向。查諾斯敏銳地指出了產業鏈上下游在財務報表上的巨大錯位。

    查諾斯警告稱：

    現在的利潤會計核算存在脫節：那些賣‘鎬和鐵鍬’的公司（晶片、數據中心設備商）正在立即確認收入和利潤；而那些花掉這些巨資的超級雲廠商卻在將這些成本資本化。

    他回顧了1998年至2000年的網際網路泡沫時期，當時標普500的營業利潤在兩年內增長了30%，但當訂單簿在2001年崩潰而折舊成本繼續顯現時，標普500的利潤暴跌了40%。

    為了保守起見，查諾斯在建立模型時假設GPU的物理壽命為10年，但他依然對下游的盈利能力表示懷疑。查諾斯說：

    你要小心，買晶片、建數據中心的成本目前都記在‘在建工程’里，一旦它們上線並開始折舊，對利潤的衝擊是巨大的。

    對此，茲拉特夫表示大體認同，但補充稱GPU的實際經濟壽命難以精確界定，"可能不是10年，可能是6年，但絕對不是2年"。

    算力租賃屬於科技公司還是金融中介？

    對於目前火熱的新興雲服務商（如CoreWeave等算力租賃平臺），查諾斯給出了極度悲觀的評價，認為這在本質上是無利可圖的商業模式。

    查諾斯直言：

    如果你從英偉達買晶片，租別人的數據中心，再把算力轉租給微軟或谷歌，你就是一個設備租賃公司，你不是科技公司，而是一家金融公司。

    查諾斯進一步表示：

    你應該做多晶片所生產的東西，而不是晶片所在的地方。

    他透露了目前算力基建的真實投資回報率（ROIC）：

    目前的交易細節顯示，如果你現在有供電的數據中心和晶片，預期的稅前ROIC只有5%、6%、7%、8%，全是個位數。如果現在（缺貨時）都只能做到這樣，我寧願持有產業鏈的其他環節。

    Zlatev對此部分認同，但提示各家新興雲服務商並不完全相同。

    他舉例指出，部分公司如Lambda Labs約有40%至50%的收入來自即時推理場景的現貨定價，這使其在當前GPU現貨價格飆升的環境下，具備一定的靈活獲利空間。

    兩人均同意，真正的價值不在於提供機架與電力的物理載體，而是在晶片及其"包裹層"（軟體與優化層）。

    多頭反駁：真實的需求與遠未泡沫的估值

    針對網際網路泡沫的教訓與當下的差異，專注硬科技投資的茲拉特夫提出兩點反駁。

    首先，他認為當前的AI需求可以通過底層的詞元使用量來實時追蹤，這與1999年僅靠CFO們在財報會上“畫大餅”完全不同。

    茲拉特夫指出，AI基礎設施的緊缺是極其真實的：

    就在我們說話的時候，這些晶片依然非常緊缺，甚至那些6、7、8年老舊GPU的租金都在上漲。由於Token使用量的爆發，自今年1月以來，算力現貨價格上漲了40%到50%。

    其二，AI對模型能力的改進確實帶來了真實的生產率效益，企業用工人數停滯甚至下降，而營業利潤率卻顯著提升，這是在超過500家硬科技公司樣本中已經可以觀察到的實際情況。

    關於市場最擔憂的估值泡沫，茲拉特夫拋出了核心數據：

    這不是1999年思科以160倍市盈率交易的時代。目前英偉達的交易價格大約是其2027年預期每股收益的15倍，博通在近期回調後是2028年預期收益的12倍。整個板塊並沒有走向極端的泡沫。

    他同時承認，AI的"縮放定律"（Scaling Laws）屬於經驗規律，一旦有人研發出新的非Transformer架構模型，大幅降低單位算力成本，當前整個算力軍備競賽的邏輯基礎就將動搖。

    茲拉特夫說：

    這才是真正讓我夜裡睡不著的事情。

    存儲晶片：被逼到極限的物理產能與“反常”的低估值

    對於市場極度關注的存儲晶片（DRAM/NAND）周期，茲拉特夫揭示了供給端無法大幅擴張的核心物理約束。

    目前，因AI模型向推理、長上下文窗口及AI智能體演進，對存儲的需求呈現爆炸式增長，部分存儲價格已經上漲了4到5倍。但即便如此，各大存儲廠商也無法像過去那樣瘋狂擴產。

    茲拉特夫表示：

    半導體設備公司（如ASML、應用材料等）受制於供應鏈複雜性，其出貨量每年最多只能增長30%到35%。這是物理極限，無論你需要多少無塵室，你都無法增加超過這個比例的產能。

    他指出，目前市場給存儲公司的遠期市盈率僅為6到7倍，因為市場“錯誤地認為6到9個月後就會出現周期性衰退導致價格暴跌”，但他表示：

    由於產能擴張受限，這次需求的高峰將比過去25年都要高，且高位維持的時間會更長。

    終極狂想：馬斯克的1太瓦（Terawatt）星辰大海

    對話的最高潮圍繞馬斯克及SpaceX將數據中心搬上太空的設想展開。

    查諾斯從商業邏輯上將其拆解：

    太空中最大的成本是抗輻射和散熱。而且數據中心設備經常壞，在地球上你派個技術員去換零件就行，在太空你得發一枚火箭。太空的總體潛在市場（TAM）是無限的，但太空的無限熵（隨機性風險）也是無限的。

    他強調，目前SpaceX的發射業務仍處於虧損狀態。

    然而，茲拉特夫從技術發展的底層邏輯原理解釋了馬斯克看似瘋狂的舉動：

    馬斯克認為未來幾年世界需要1太瓦（1,000千兆瓦）的算力，而目前科技巨頭高達7500億美元的資本支出，僅僅轉化為了大約15千兆瓦的算力。他之所以這麼說，是因為他沒有看到AI底層‘縮放定律（Scaling Laws）’的打破。只要集群越大、模型越聰明，對算力的需求就是指數級的。

    訪談對話全文（AI輔助翻譯）：

    Jack Farley：

    如何在AI繁榮中尋找投資價值——無論是做多還是做空？這正是本月初我有幸主持節目時，向兩位優秀投資人提出的問題。他們分別是Jim Chanos和Val Zlatev。

    Jim是傳奇空頭投資人，以做空Wirecard以及安然公司而聲名卓著。Val則管理著一支規模數十億美元的對沖基金，在半導體和科技硬體領域的多空投資中擁有出色的超額收益記錄。

    本次對話發生在我為Macro Minds Symposium主持的一場圓桌討論上。這是一場面向機構投資者、以支持學生教育為使命的公益性會議。今年的研討會為三家受益方籌集資金，分別是：NYC First、Opportunity Music Project和100 Women in Finance。其他圓桌嘉賓包括業界重量級人物，如阿波羅的John Zito和貝萊德的Rick Rieder。

    我由衷感謝Macro Minds及其創始人Dean Kernutt邀請我參與其中。更多相關信息將附在簡介中，採訪結尾處我也會分享一些總結性看法。現在，讓我們正式開始。

    主持人介紹：

    有請Jim Chanos、Val Zlatev和Jack Farley。

    Jack Farley：

    感謝各位的到來。今天我們將圍繞AI與半導體投資展開一場精彩對話，涵蓋做多與做空兩個維度。嘉賓分別是來自Chanos & Company的Jim Chanos，以及來自Analog Century Capital Management的Val Zlatev。我想先請兩位談談對人工智慧及其配套基礎設施建設的整體看法。Jim，先從你開始，然後是Val。

    Jim Chanos：

    正如Rick Rieder在上一場討論中所說，AI目前主導著整個金融市場的走向，在股票市場尤為突出，信貸市場的影響也與日俱增，這是一個非常獨特的現象。

    我想從宏觀角度補充一點：我認為人們在將AI的影響外推至全球經濟增長和企業盈利增長時，需要保持一定的謹慎。我們回顧了Netscape問世前後各十年的數據——也就是1985年至1995年，以及1996年至2006年這兩個區間，後者刻意排除了全球金融危機的影響。結果發現，網際網路誕生前後，美國經濟增速幾乎沒有任何差異。

    更耐人尋味的是，企業盈利增速同樣沒有因生產率提升而顯著提高。網際網路前後兩個十年的企業盈利年均增速均為6%，與長期歷史均值一致。當然，其中不乏結構性的此消彼長。這其實是在說明：AI經濟中同樣會出現大量結構性變化和贏家輸家的分化，但它究竟能否提振整體經濟增速、帶動企業盈利的長期增長，目前仍是未知數。

    Val Zlatev：

    我不是宏觀投資者，也不打算就AI對整體經濟的影響與Jim爭論。但從微觀視角來看，當我們與所投資公司交流——無論是多頭還是空頭標的——我們發現AI對企業個體的實際影響已經相當清晰，許多被我們覆蓋的企業CEO對現階段的影響頗為振奮。

    其實有一個很簡單的驗證方式：對比過去三四年間這些企業的員工數量與營業利潤。你會發現，員工數幾乎沒有增加，部分甚至在下降，而營業利潤卻大幅攀升。我說的還不僅僅是那些靠漲價獲益的存儲器公司，而是覆蓋500餘家科技硬體公司的整個研究領域。換句話說，AI的實際影響已經切實發生，並且相當顯著。

    至於這種影響能否從科技圈內部的早期採用者，擴散至更廣泛的實體經濟，目前還有待觀察。在展望未來時，我同意Jim的判斷：這一過程中將充滿爭議、充滿起伏。事實上，這並不是一邊倒的共識——上Twitter、聽播客、看各類AI論壇，你會看到大量的空頭聲音，與多頭幾乎勢均力敵。這種分歧局面，我認為非常健康。我喜歡AI領域存在大量空頭，因為這促使人們停下來，思考、權衡，而不是像90年代那樣一哄而上、盲目樂觀。

    Jim Chanos：

    如果你真的想被嚇到，我告訴你：相對於我的空頭倉位，我目前是AI凈多頭——各位是不是被嚇到了？

    Jack Farley：

    Jim，你是通過指數持有凈多頭倉位的。那你目前在做空什麼？你顯然沒有在規模上做空半導體。你空的是什麼？

    Jim Chanos：

    在回答這個問題之前，我想先做一個鋪墊。在當前這波高科技資本開支熱潮中——多空雙方都承認這是一輪資本開支繁榮——存在一個盈利核算上的錯位，而這在90年代末我們也曾見過類似的情形。

    具體而言：銷售"鎬與鏟"的公司——在本輪周期中就是晶片、數據中心設備及建設公司——能夠立即確認收入和利潤；而花費這些資金的公司，包括Nvidia、ASML以及各類承建商等，則是在立即確認營收和利潤。與此同時，那些掏錢的超大規模雲計算商（Hyperscalers）等卻將這些支出資本化處理。

    這一點在理解當前高科技領域的盈利繁榮時至關重要。我們在1998年中至2000年中就經歷過這種情形。那個周期中，標普500運營利潤在短短兩年內增長了約30%，增速與當前相當甚至更高。但從2000年中到2001年，知道它下跌了多少嗎？

    Val Zlatev：

    跌得又快又猛。

    Jim Chanos：

    下跌了40%。訂單崩塌，成本（尤其是折舊）持續累積，標普500盈利在那一年——一次溫和衰退中——跌幅與全球金融危機期間相當，兩段時期均約下跌40%。

    所以我們必須對此保持警惕。我們目前聚焦的，是那些本質上商業模式存在缺陷、依附於AI生態系統的企業——即便在最樂觀的假設下，其資本

資訊來源：華爾街見聞。如有侵權，請聯繫我們刪除。