AI算力投资是印钞机还是坑？华尔街多空激辩半导体

在人工智能热潮中，提供底层算力的企业获得了丰厚收益，但算力基础设施的实际投资回报究竟是难以持续的泡沫，还是受限于物理条件的长期盈利模式？据Macro Minds研讨会消息，华尔街知名投资人吉姆·查诺斯与科技对冲基金合伙人瓦尔·兹拉特夫近期就人工智能资本支出、半导体行业周期以及算力基础设施的商业模式进行了深入探讨。

（左：Jim Chanos；中：Val Zlatev；右：Jack Farley）

查诺斯指出，当前科技行业存在类似20世纪90年代末的资本支出热潮。芯片及设备供应商能够立即确认收入，而超大规模云服务商则将人工智能资本支出资本化，通过四至七年进行折旧摊销。这种时间错配曾在互联网泡沫破裂时导致利润大幅下滑。他提醒，一旦数据中心上线并开始折旧，将对企业利润产生巨大冲击。

对于新兴云服务商，查诺斯认为其本质是金融租赁业务而非科技公司。据他透露，目前算力基础设施的税前投资回报率仅为个位数。兹拉特夫则补充，部分公司通过即时推理场景的现货定价获取了灵活获利空间，但真正的价值仍在于芯片及其软件优化层。

兹拉特夫反驳称，当前人工智能需求可通过底层词元使用量实时追踪，老旧图形处理器租金飙升印证了算力紧缺的真实性。在估值方面，他指出英伟达等头部企业的远期市盈率远低于1999年泡沫时期的水平，板块并未出现极端泡沫。不过，他也提示了人工智能缩放定律被打破的潜在风险。

针对存储芯片周期，兹拉特夫表示，受限于半导体设备供应链的复杂性，设备出货量年均增长上限约为30%至35%。这种物理极限使得产能无法大幅扩张，需求高峰的持续时间将超出市场预期。目前存储厂商的远期市盈率较低，市场对其周期性衰退的预期过于悲观。

关于将数据中心搬上太空的设想，查诺斯从散热、辐射及维修成本等角度质疑其商业可行性。兹拉特夫则解释，此举主要是为了应对未来庞大的算力需求，目前科技巨头高达7500亿美元（约人民币50917.19亿元）的资本支出，仅转化为约15千兆瓦的算力。在宏观层面，查诺斯认为人工智能对整体经济增速的长期提振作用仍有待观察。而在微观层面，兹拉特夫通过企业员工数量与营业利润的对比，证实了人工智能已带来显著的生产率提升。

此外，在探讨具体企业估值时，查诺斯提到星链年度运营利润大约40亿美元（约人民币271.56亿元），但背后的投入资本估计在250亿至300亿美元（约人民币1697.24亿元至2036.69亿元）之间。他认为，要支撑相关企业接近2万亿美元（约人民币135779.17亿元）的估值，需要依赖对未来的宏大预期。而在讨论传统周期性行业时，兹拉特夫以油价飙升至150美元（约人民币1018.34元）时的市盈率为例，说明市场对存储芯片当前低估值定价的合理性存在误判。

注：按1美元≈6.79人民币计算