来源：喵财经MeowFin

　　关于人工智能 （AI） 的乐观论调我们都已耳熟能详 ：我们正处在一场将改变世界的技术革命的早期阶段 ，而引领这场革命的公司将为投资者带来丰厚的回报 。但在经历了多年的巨额支出和不断攀升的股票估值之后，我们开始听到越来越多持怀疑态度的声音 。

　　那么，AI 领域是否存在泡沫迹象？ 高盛研究部的美国互联网股票研究分析师 Eric Sheridan 和美国软件股票研究分析师 Kash Rangan 探讨了 AI 发展的现状、投资回报问题，以及当前的市场环境与历史上的泡沫有何异同 。

　　01

　　基础设施激增

　　企业应用滞后

　　在基础设施层，资本和支出的规模超出了预期 。这种短期的支出水平主要是因为对服务的需求——例如，用户查询 ChatGPT 所需的计算能力——已经超出了可用的容量 。因此，基础设施层面为满足服务需求所需的资本投入令人意外 。

　　平台层可以说是少数几家公司 ，它们拥有执行所需的资本和人才规模 ，正从仅仅运行基础模型过渡到在基础模型之上构建 API 解决方案或应用程序 。

　　Sheridan 指出，在消费端，我们已经看到更多应用的出现，主要体现在消费者对 ChatGPT 和 GoogleGemini 的使用上 。

　　然而，Rangan 指出，令人失望的一直是企业应用层 。尽管基础设施的建设周期比任何人预期的都要长得多，并且平台层如今的状况也远胜一两年前 ，但在企业和最终用户层面，虽然出现了一些增长迹象，但仍未达到预期。

　　Rangan 表示：“如果让我猜测这些公司今天会达到什么水平，我过去会给你一个数字。而我们现在的水平远低于那个数字 。但这并不是与一两年前的预期相比，而是与六到九个月前相比 。我们正开始看到这些企业应用的出现 。”

　　02

　　巨额资本支出与

　　投资回报率的难题

　　AI 领域惊人的资本支出引发了投资者对投资回报率 （ROI） 的质疑 。Sheridan 指出，总支出的增长是一个非常庞大的数字 ，并且这一质疑只会愈演愈烈 。

　　NVIDIA 最近提出了一个数字，即从现在到 2030 年底，行业支出将达到 3 到 4 万亿美元 。Sheridan 称，除非 AI 在某种最终状态下成为社会经济产出的巨大驱动力，否则大多数投资者都难以证明这 3 到 4 万亿累计支出的回报合理性 。

　　尽管如此，Sheridan 也提示，在过去的计算周期中，人们也曾无法预见六到十年后的景象 。例如：

　　桌面计算： 当初人们认为过度建设了桌面计算能力，但随后 Netflix 被创造出来，浏览器大战和门户网站大战爆发，这些都极大地推动了桌面的使用 。

　　无线网络： 在建设频谱、信号塔和无线网络时，没人想到会有 30 亿人拥有具备如此电池和处理能力的智能手机 。

　　Sheridan 认为，最具前瞻性的公司会满怀信心地针对长期目标进行投资 。但随着投入资金的持续增长，回答投资者的质疑将变得困难 。他表示：“在我分析过的每一个计算周期中，这通常都会在某个时刻导致‘幻灭的低谷’（trough of disillusionment），无论是支出、采用率还是两者的结合，无法在 6 到 12 个月内给出令人满意的答案 。”

　　他补充说，如果这次能避免这个低谷，他会感到“震惊” 。在典型的技术周期中，通常只有两到三家公司能赚取其资本成本，并在此基础上获得超额回报 。一个行业中的四、五、六、七家公司在同一垂直领域或同一产品上都能获得超额回报，这种情况并不典型 。“我不知道为什么这次会有什么不同 。”

　　03

　　这次是泡沫吗？

　　与历史的异同

　　关于市场是否已进入泡沫区域的担忧，分析师们提供了细致入微的看法 。

　　相似之处： Sheridan 指出，当前有些迹象确实与过去（如 90 年代末或 07 年）的时期“押韵” 。例如，私募市场的估值远远领先于公开市场，而公开市场的估值高于历史正常水平 。

　　关键区别： 然而，Sheridan 也强调了几个关键区别：

　　市场讨论度：“在过去三年里，关于泡沫的讨论一直持续不断 。而在我经历过的另外两次泡沫中，当我们身处泡沫之中时，并没有这么多关于泡沫的讨论 。”

　　估值水平： 尽管目前估值很高，但仍低于 1999 年和 2000 年公开市场的峰值 。

　　资本市场活跃度： 资本市场活动仍远低于 2020/2021 年、2007/2008 年以及 1998/1999 年的水平 。

　　盈利能力： 最大的区别在于公司的质量 。在 1999 年，推动最狂热估值的是那些没有收入的公司 。“超级七巨头” 中的大多数公司都能产生超额的自由现金流，回购股票并支付股息 。而在 1999 年，很少有公司会回购股票和支付股息 。

　　Rangan 则从他所覆盖的软件股角度指出，这些股票“肯定不存在泡沫” 。相反，许多软件股的估值正处于低迷状态 ，因为市场正经历一场“生存危机” ——担心 AI 可能会颠覆其终端市场，例如导致就业岗位错配，或者使企业不再需要购买传统的应用软件包 。

　　Rangan 认为，这个周期最大的不同在于资本的来源 。在 90 年代末，部署在高风险项目中的是风险资本和私人资本 。而这一次，资本来自“财力雄厚、资金充裕的超大规模巨头” 。

　　Rangan 解释说：“他们的资本成本很低 。他们用这笔钱承担风险的能力非常高 。即使这意味着需要经历几个周期的尝试才能找到从 AI 中提取价值的最佳方式，他们也能做到 。” 这种来自不同投资者的充裕资本，使得这个周期对“我们将会遇到的大量混乱和失误”更具容忍度 。

　　尽管超大规模企业的资本状况良好，但 Rangan 指出了一个值得警惕的新风险：杠杆 。

　　他观察到一种新的发展趋势，即一些实体正以 80% 的债务和 20% 的股权结构获得融资 。甚至在股权部分，也可能存在对发起实体的抵押担保 。这些实体能够以非常低的资本成本发行债务 。

　　Rangan 警告说：“我们需要密切监控这种数学模型是否行得通 ，因为这是在一个低毛利率商业模式之上层层叠加的杠杆 。”

　　Sheridan 对这种担忧表示赞同，并补充了对循环投资的观察 。他指出，当下的情况（例如供应商投资于交付能力的公司，公司之间互相投资） 与 1998/1999 年的电信行业“押韵” 。

　　“当时Global Crossing、Level 3 和 Quest 这些公司利用债务相互交易容量，一个人的收入就是另一个人的容量，反之亦然 。当债务曲线变得过高时，一切都崩溃了 。” Sheridan 回忆道。

　　他指出，当投资者开始看到债务、公司间相互投资时，他们“自然而正确地”会提出问题，以确保系统中没有累积的复合效应 。