多位投資者警告，SpaceX、OpenAI和Anthropic三大IPO若在同一年內相繼登陸市場且表現不佳，可能對整個AI投資熱情形成實質性打擊。SpaceX目標融資750億美元，相當於美國股市日均交易量近10%，市場消化能力存疑。4月27日，在The Information於紐約舉辦的AI融資峰會上，多位投資者和銀行家發出警告：SpaceX、OpenAI和Anthropic三家公司可能在同一年內相繼上市，這在資本市場歷史上極為罕見。然而，一旦這些IPO表現失利，對AI整體投資熱情的打擊將是實質性的。Inspired Capital創始人兼管理合夥人Alexa von Tobel在會上直言：“這三個可能是歷史上最大的IPO，都可能發生在同一個日歷年內。其中某些IPO的表現，實際上可能像一盆冷水潑向現實……有一種情形是，它們反而讓周邊資本變得更加謹慎。”SpaceX：750億美元的壓力測試Vista Equity Partners聯席資本市場主管Ashley MacNeill的措辭更為直接。她在另一場分論壇上表示，SpaceX的IPO"有無數種出錯的方式"，"只有少數幾種能走對"。問題的核心在於規模。SpaceX目標融資750億美元，遠超歷史上任何一次IPO。MacNeill指出，這一發行規模相當於美國股市日均股票交易量的近10%。市場能否一次性消化如此體量的新股，本身就是未知數——更不用說鎖定期結束後，大量籌碼陸續解禁入市帶來的拋壓。Discovery Capital投資組合經理Jon Redmond對SpaceX IPO持樂觀態度，稱自己對此"感到興奮"，並預計招股書公開後"人們會真正開始意識到這家公司的機會有多大"。但他同時承認，超大型IPO歷史上往往伴隨市場回呼——投資者需要賣出現有持倉來騰挪資金認購新股。"我認為會出現非常類似的情況，大機率是科技股領跌，如果讓我猜的話，就是'七巨頭'領跌。"每年3000億至4000億：AI融資的新量級峰會的另一條主線，是AI基礎設施建設對資本市場提出的空前需求。摩根士丹利全球債務資本市場主管Anish Shah表示，市場每年需要為AI相關支出融資3000億至4000億美元，這將佔到全球債券和股票資本市場總量的約10%。他強調，這類融資一年前幾乎還不存在，如今已呈爆發式增長。傳統的建築融資或項目融資模式難以適配AI基礎設施的需求——資金體量太大，建設節奏太快。Shah以Meta與Blue Owl合作在路易斯安那州建設Hyperion資料中心園區為例，稱這是一筆"首創性交易"：通過聯合投資結構，以270億美元投資級債務完成融資，同時使Meta得以將這筆債務保留在表外。Brookfield Asset Management則採取另一種路徑：深入研究資料中心客戶合同，釐清誰是實際付款方、各方對手風險如何，以及項目能否依靠借款人自身現金流覆蓋債務。Brookfield首席財務官兼基礎設施信貸聯席主管Hadley Peer Marshall指出，建設延期是貸款方必須正視的風險："通常合同要求項目投入營運才能觸發付款條款。如果未能按時投產，可能還要支付違約金——而債務方不希望承擔這種敞口。"AI是泡沫嗎？投資者分歧明顯對於AI熱潮本身，與會者看法不一。CoreWeave董事會成員、億萬富翁投資者Glenn Hutchins明確表示，AI不是泡沫，而是"歷史上經濟和人類組織方式最重大的變革之一"。他警告說："如果你沒有投身其中，無論是資本還是時間都沒有站在正確的一邊……你面臨真實的被淘汰風險。"但Hutchins同時預言，企業軟體的估值下行還將持續。他用了一個強烈的比喻："一場巨大的海嘯即將席捲全球經濟，而軟體公司只是第一批被衝擊的海灘上的遊客。"PwC美國科技、媒體與電信交易業務合夥人Alex Baker則提出了另一面：隨著更多企業轉向按使用量計費的定價模式，AI代理成為新的"使用者"，每天可能執行的操作量是人類的百倍。"如果你擁有真正的護城河和有價值的平台，你在新環境下的價值反而高於以前。"von Tobel則表示，她目前更關注那些增長相對較慢、但客戶黏性強、技術壁壘高的公司。"如果一家公司說'我們成立一個月，ARR就從零做到了1億美元'，這對我們沒有吸引力。我們尋找的是那些早期很難做的生意——有深刻洞察，或者有重大智慧財產權，比如我們投了很多基礎設施、量子計算、光子學領域的公司，那些有42項專利申請中的想法，競爭對手不是那麼容易複製的。" (invest wallstreet)

截至周四美股市場收盤，在科技股強勢領漲之下，標普500指數以及納斯達克綜合指數在中東地緣政治戰爭、石油供應端持續衝擊以及經濟學家們警告長期地緣衝突將抑制經濟增長的背景下大舉攀升至紀錄高位。標普500指數在周四實現連續兩天收於歷史新高點位，自3月底以來漲幅高達11%。涵蓋全球最頂級科技公司且有著“科技股風向標”稱號的納斯達克100指數和納指雙雙連漲12個交易日，前者創2017年7月以來最長連漲紀錄。儘管發生在伊朗的這場地緣政治戰爭仍未正式宣告終結，且荷姆茲海峽的石油運輸實質上仍然被封鎖，但包括美股在內的全球股市一直保持著強大上漲韌性。儘管中東地緣政治風暴仍未完結，但是華爾街對於全球股票市場的看漲情緒變得愈發激昂。在經歷了最初的一系列劇烈拋售動盪之後，華爾街機構投資勢力似乎正將這些與戰爭有關的噪音遮蔽在外，不再像3月初那樣將戰爭視為“決定市場方向的核心變數”，而是開始在很大程度上“無視戰火噪音”。華爾街多家金融巨頭直接把當前股票市場的這種上漲韌性歸因於企業盈利預期仍在持續上修、尤其是與AI算力基礎設施持續炸裂式需求密切相關聯的科技類公司強勁盈利預期未被戰火打斷。許多投資者可能會想：為什麼股市能夠在伊朗戰爭期間一舉創下新的創紀錄高點?經濟學家和市場分析師們普遍表示，很大程度上是因為，股市是衡量投資者們對未來將發生什麼的看法的晴雨表，而不是對當下現狀的即使定價與評估。他們表示，投資者們本質上是在將中東地緣政治衝突視為一個會相對較快得到解決的短暫插曲，並未過度在意。此外，還有一大趨勢對於全球股市反彈也非常重要，市場愈發相信川普“臨陣退縮”劇本——即在一些重大事項逼近最後時限之時川普最終會選擇退縮，股市也將大舉反彈，也就是所謂的“TACO”策略。“TACO ”策略(Trump Always Chickens Out / 川普總是臨陣退縮)，現已被交易員們廣泛採用乃當前最熱門交易策略，每當川普發出新的更加激進的關稅威脅或者拋出其他的重大威脅引發市場暴跌時，全球股債市場的投資者們便押注他最終會退縮或者實際落地的政策較川普的口頭威脅大幅削弱，進而選擇在適當的低迷時機大舉抄底，大舉押注股票市場將在不久後出現大舉反彈。隨著美股財報季本周正式拉開帷幕，圍繞人工智慧算力基礎設施的強勁盈利擴張預期托底，並且市場愈發堅信美以與伊朗、黎巴嫩不久後將在國內民生壓力下達成長期穩定的停火協議，包括貝萊德、高盛以及摩根士丹利在內的華爾街頂級投資機構們對於未來股票市場的展望，可謂在邊際上變得更加樂觀了，凸顯出華爾街的超級大行們正在把美以與伊朗暫時停火後的市場估值修復、企業強大盈利韌性以及AI算力鏈條驅動的科技公司業績上修趨勢，視作市場風險偏好顯著回暖的依據。摩根大通私人銀行高級市場經濟學家Joe Seydl表示：“股市並不是在試圖為今天發生的所有事情定價。”“股市始終是在試圖為未來6到12個月後世界會是什麼樣子來進行定價。”為何股市表現出“韌性”? 答案之一是企業們在財報季彰顯出的愈發強大盈利能力在Nationwide首席市場策略師Mark Hackett看來，華爾街的那些機構投資者是本輪股市復甦背後的核心推動力量。在經歷了激進拋售之後，市場注意力已重新回到財報季的企業基本面，而他認為這些基本面是非常具有支撐性的。華爾街的那些最頂級交易員們目前對中東的負面局勢不以為意，選擇繼續配置股票資產;機構投資者們，可謂是本輪美國股市復甦的核心幕後推手。這些機構投資者似乎相信中東衝擊更像一輪可管理的油價擾動，而非會演變成系統性供給危機，認為只要戰火沒有破壞美國企業盈利韌性、沒有把油價永久推入失控區間、也沒有迫使聯準會全面轉鷹，那它對股市的殺傷力就是暫時的。美國股票市場基準指數之一的標普500指數在伊朗戰爭最初開始的那幾周下跌了約8%，即從2月28日衝突開始到3月30日的近期低點。但此後包括美國股市在內的全球股票市場已經實現強勁反彈，抹去了自戰爭爆發以來的全部跌幅，尤其是坐擁全球最頂級AI算力產業鏈領軍者們的韓國、台灣股市以及A股市場的漲勢自4月以來可謂更加強勁。標普500指數周四收於歷史新高，較3月底低點高出約11%。此前該指數周三也創下紀錄收盤高位。來自三大信用評級機構之一穆迪的首席經濟學家Mark Zandi表示：“面對這場戰爭，市場始終表現得非常有韌性，並且在地緣政治問題將得到解決的預期推動下強勁上漲。”乍看之下，自2月底以來似乎並沒有太多事情發生變化——這也讓普通投資者們對市場這波突如其來的熱情感到困惑。股市最初出現拋售，是因為投資者擔心石油供應衝擊可能通過全球經濟傳導並推高通膨，最終有可能導致全球經濟出現令央行們恐懼的“滯脹”。伊朗實際上仍在持續掐斷經由荷姆茲海峽的油輪運輸。這是一條海上航運通道，全球大約20%-30%的石油和天然氣都經由此地運輸。這場封鎖構成了歷史上最大規模的石油供應中斷，因此油價在整個3月期間飆升，導致市場滯脹預期大舉升溫。儘管美國和伊朗於4月7日達成了為期兩周的停火協議，但該封鎖在很大程度上仍然有效。而且，儘管投資者們為衝突可能出現的外交降溫乃至潛在的長期停火路徑而歡呼，這項臨時停火看起來仍然脆弱，美國和伊朗各自指責對方違反協議。在為期僅僅兩周的停火期限結束前，各方仍然未能達成長期性質的和平協議。美國副總統范斯(JD Vance)表示，在伊朗代表團拒絕接受美方提出的不得發展核武器的要求後，美國官員於上周末離開了在巴基斯坦舉行的和平談判。然而，從全球股市強勁走勢來看，市場仍然愈發堅信美以與伊朗、黎巴嫩不久後將在國內民生壓力下達成長期穩定的停火協議。從“TACO策略”，到AI科技繁榮推動的盈利擴張局面：美股頂著地緣政治風暴創新高背後的兩大核心支柱經濟學家們普遍表示，歸根結底，股市傳遞出的是一種集體信念：緊張局勢將會全面緩和，戰爭將在近期結束，經由荷姆茲海峽的石油運輸最終將恢復正常，且世界必然在長期和平協議達成之後將尋找規避荷姆茲海峽的能源獲取途徑，就像歐洲逐漸穩定擺脫俄羅斯石油和天然氣那樣。經濟學家們表示，這在很大程度上是因為，投資者已經被“長期訓練”得愈發相信，一旦經濟痛苦變得過於強烈，美國總統唐納德·川普就會臨陣退縮——這就是所謂的“TACO”交易策略，即“Trump always chickens out(川普總會臨陣退縮)”的縮寫。華爾街愈發流行的交易策略——TACO(Trump Always Chickens Out / 川普總是臨陣退縮)：誕生於2025年4月川普向全球發起史無前例“對等關稅”戰役的時期。當時交易員們押注要麼美國政府收回關稅威脅，要麼即便落實也遠不如川普所威脅的那麼強硬且不足以大幅拖累美國經濟擴張。TACO一詞由《金融時報》專欄作家所創造，用來描述川普於2025年4月2日“解放日”演講後在關稅問題上的反覆搖擺，但最終他會選擇退縮，股市也將大舉反彈。當在一場記者會上被問及“TACO”時，川普勃然大怒，稱該提問“惡毒”。“TACO ”策略現已被交易員們廣泛採用乃當前最熱門交易策略，每當川普發出新的更加激進的關稅威脅或者拋出其他的重大威脅引發市場暴跌時，全球股債市場的投資者們便押注他最終會退縮或者實際落地的政策較川普的口頭威脅大幅削弱，進而選擇在適當的低迷時機大舉抄底，大舉押注股票市場將在不久後出現大舉反彈。Zandi表示：“投資者們強烈相信——而且已經被訓練得愈發相信——他會退讓，會找到一種方式轉向平穩過渡，進而宣佈勝利然後繼續向前。”川普則多次反駁了自己會後退的說法，並將這種邊緣施壓策略描述為一種他主導的高明談判戰術。經濟學家們指出了這一動態的一個近期例子：2025年4月所謂的“解放日”，當時川普政府對美國在全球範圍的貿易夥伴徵收了一系列關稅，此後的幾短短天之內——也就是在美國股市暴跌超過12%之後，川普宣佈將這些關稅暫停90天。隨後，在川普關稅政策立場大幅逆轉之後，全球股市迎來了歷史上最大單日漲幅之一。Seydl表示，投資者們記得川普經常會讓地緣政治衝擊與關稅衝擊大幅降溫——這也是為什麼他們會抓住那些暗示和平談判取得積極進展的任何頭條新聞。“市場是有記憶的。”Seydl表示。經濟學家們普遍表示，還有其他重要因素在戰爭時期支撐著市場的韌性。“其中的重要因素則是，投資者對人工智慧算力支出大浪潮推動的科技公司強勁盈利軌跡充滿熱情與自信，而這些科技股票佔標普500指數總市值的近一半。”Zandi表示。AI科技繁榮局面所驅動的科技股強大盈利預期軌跡，也是推動美股創新高以及全球股市大舉反攻的核心邏輯。同時帶有“業績確定性+高貝塔屬性”標籤的那些與AI算力基礎設施直接相關的股票——即輝達、台積電以及AMD、博通所領銜的“AI算力超級天團”，往往是整體股票市場或者科技股反彈邏輯裡最敏感、最先動且上攻幅度也最大的一層。背後的核心邏輯可謂極其“硬核”：這一層直接繫結的是科技巨頭們持續創紀錄的AI資本開支，而不是單純講故事。 AI hyperscalers(即Google、微軟以及亞馬遜等超級雲端運算巨頭們) 仍在延續資本開支軍備競賽，只要它們“更願意舉債和裁員，也不願在AI capex 競賽中(即所謂的“AI算力軍備競賽”)選擇退縮”，整個AI算力產業鏈條的領軍者們就仍有配置價值。貝萊德因此把美股與新興市場股市重新上調至“超配”評級，並指出科技類股2026年盈利增長預期升至43%;花旗也將美股上調至“超配”，認為近期回呼後的市場估值更有吸引力，美國科技對全球盈利增長的貢獻繼續上升。來自華爾街最大規模資管巨頭貝萊德的股票策略師們已重新轉向“超配”美國與新興市場股票資產，主要因為他們認為新一輪中東地緣政治衝突對全球經濟增長造成的實質性質損害“很可能是非常可控的”。在核心投資主題/投資風向方面，貝萊德策略師們重點看好與AI算力基礎設施密切相關聯的半導體類股票，比如美國股市以及韓國和台灣股市的相關AI算力產業鏈領軍者們。貝萊德重點強調了即將到來的美股財報季，高呼盈利增長引擎能夠托住美股牛市主旋律。策略師們寫道：“即便在地緣政治衝突期間，企業盈利預期仍在不斷上升，大部分邏輯與原因在於AI相關投資主題帶來的強勁AI算力需求。”Zandi表示：“這些股票有其自身的運行邏輯，獨立於任何事情之外，包括伊朗戰爭。”“我認為，如果不是因為市場對AI超級大浪潮抱有非常樂觀的看漲情緒，我們本來會跌得更多，復甦也會更艱難。”Seydl表示，我們正處於一輪“AI驅動的科技大繁榮”之中，而在投資者們認為這輪科技周期已經走到盡頭之前，他們很可能會繼續保持樂觀。更廣泛地說，股票投資者們本質上是在押注一家公司未來愈發強勁的盈利增長軌跡，而當前的盈利背景“一直相當穩固”，Seydl表示。例如，經濟學家表示，消費者支出似乎保持穩定。Zandi表示，企業們的稅後盈利也正因共和黨所謂的“大而美法案”而獲得強勁提振，該法案除其他內容外，使企業們更容易將投資進行當期費用化處理，從而降低其稅負。市場已開始憧憬股票市場新一輪“超級牛市”股市在地緣政治衝突期間強勢創新高，也凸顯出為何長期投資期限內的普通投資者應堅持自己的投資計畫並忽略噪音。Seydl表示：“對於普通投資者來說，試圖擇時市場是非常困難的，甚至可以說是不可能的。”“更好的做法是採取長期投資視角，穿越任何一輪劇烈波動。”股票市場之所以看起來像“忘了戰爭”，並不是因為市場忽視了地緣風險，而是因為股票市場交易的是未來6到12個月的業績增長軌跡，有著強勁盈利韌性與政策托底預期;相反，全球債券市場仍更直接地被油價上行所對應的通膨預期與利率路徑牽引。隨著科技股引領全球股市大舉反攻——尤其是在科技股主導之下標普500指數以及納斯達克指數在地緣政治衝突期間持續創歷史新高點位，投資者們可謂已經吹響新一輪全球股市“牛市衝鋒號”。有著“華爾街神算子”稱號的資深股票市場策略師兼Fundstrat聯合創始人Tom Lee認為，美國股市乃至全球股票市場當前所處的位置，比其在今年早些時候觸及上一個歷史高點時更為強勁，Lee認同華爾街金融巨頭摩根大通的一項典型判斷，即以AI算力基礎設施為核心的科技類股必須引領股票市場下一超級牛市階段的上漲主旋律;花旗將美國股票評級從“中性”上調至“超配”，並且該機構預計到年底標普500指數將達到7,700點。截至周四美股收盤，標普500指數收於7041.28點位。當前的新一輪牛市敘事，本質上是三大邏輯共同支撐：美股最新財報季彰顯出的企業盈利韌性、科技股/AI算力主題主導的新一輪風險偏好回暖，以及市場對中東衝擊不會演變為2022式長期通膨的判斷。 只要這三根邏輯柱子不倒，華爾街就會繼續把戰爭相關的頭條新聞當作交易噪音處理。花旗最新研報顯示，此前被地緣衝突、估值焦慮和預期過高所壓制的科技類股，正在迎來一個由風險偏好修復轉向基本面重估的窗口。伊朗局勢邊際降溫後，市場從避險迅速切迴風險資產，標普500與納指同步走強，說明資金已開始重新交易“AI驅動之下的未來整體盈利增長軌跡”而非“當下恐慌”。在這一框架下，科技股尤其是大型科技平台，不再只是流動性驅動的抱團對象，而是重新成為美股風險偏好和盈利預期的核心錨。花旗策略師團隊強調，市場正在從“少數AI龍頭獨舞”的窄幅牛市，向“由點及面擴散”的更廣泛上漲格局過渡，但是前提是兩點同時成立：一是科技龍頭繼續用盈利與指引證明高估值並非泡沫，二是地緣政治風險繼續朝著可預期、可管理的方向演進。一旦這兩個條件滿足，市場就會從少數權重科技股逐步擴散到更廣泛的軟體、通訊服務乃至跨行業周期類股，形成夏季可能出現的“市場廣度改善型牛市行情”。 (invest wallstreet)

最新跡象顯示，海外科技公司正越來越多地轉向以晶片為抵押的貸款來籌集資金，用於它們龐大的AI投資。這些晶片正是訓練其大型語言模型的核心。此類貸款往往以GPU作為抵押，並由科技集團的租賃協議提供擔保，在AI軍備競賽中廣受歡迎。該行業目前每年都會在晶片領域耗資數千億美元，儘管這些晶片往往很快就會過時。而越來越多的投資者眼下也正被高達7%-17%左右的誘人收益率所吸引，這類貸款收益率通常高於科技公司自身發行的債務。“投資者非常興奮，”King & Spalding律師事務所專門從事金融與重組業務的合夥人David Ridenour表示，“人們甚至願意接受‘概不議價’的條款，擠破頭也要擠進這些GPU交易中。”GPU融資徹底火了自2023年末雲端運算服務商CoreWeave開創先河以來，隨著高端晶片需求激增與價格飆升，GPU抵押債務正日益普及。據花旗集團估算，GPU及配套伺服器可佔資料中心項目總成本的30%至40%。此類貸款通常由科技公司和投資機構設立的特殊目的載體(SPV)承接，用於批次採購高性能晶片，隨後租賃給科技企業用於訓練人工智慧模型。這種安排使得債務規模迅速增長的大型科技集團，能夠將這些貸款從其公司資產負債表中剝離。上月，阿波羅宣佈為Valor Equity Partners管理的數字基礎設施基金提供35億美元融資方案，該基金將購入輝達的GB200晶片並租賃給馬斯克旗下的xAI公司。人工智慧雲服務提供商IREN Limited本月早些時候也從高盛和摩根大通獲得36億美元貸款承諾，用於採購與微軟AI合同相關的晶片。據熟悉GPU融資的律師透露，此類交易中貸款方往往需迅速行動並開出大額支票。“大型機構基本會這樣問：‘你是否願意參與一個兩周內結項的交易，並投入幾億美元？’”該律師表示。而此類貸款的日益盛行，也凸顯了投資者對資產擔保型融資的渴求——銀行與私募信貸基金正尋求以穩定現金流為擔保的特殊債務。這些交易通常會包含一項“不可撤銷條款”（hell or high water），防止科技公司提前終止租賃。這有助於降低因AI技術快速演進導致GPU過時的風險。最大風險：GPU折舊？然而，部分投資者仍擔憂GPU的經濟壽命可能短於預期，且由於該新興產業缺乏價格歷史資料，老舊AI晶片的市場價值往往存疑。一些投資者還表示，目前的估值也可能因短期晶片供應短缺而被人為推高。橡樹資本結構化信貸策略主管Jen Marques強調：“我們必須確保GPU的使用壽命遠超投資攤銷周期。”一位多次拒絕GPU融資提案的投資者坦言：“這類裝置往往三年內就會過時，這簡直是場豪賭。”該投資者進一步指出：“（違約後）轉售幾年前的GPU，就像是在鞭打一匹死馬(意指徒勞無功)。”“這是一個非常新的領域，很多人都在努力應對GPU壽命的問題，”A&O Shearman律師事務所美國能源、基礎設施與自然資源聯席主管Dorina Yessios則表示，“這必須納入承銷考量，就像其他裝置融資一樣。”目前，三大評級機構之一的穆迪也已開始對GPU擔保債務進行評級，並聲明一旦基礎租賃期結束，它就會撤銷信用評級。穆迪全球項目與基礎設施融資團隊的高級副總裁John Medina表示，“通常情況下，我們評級的交易在首個租賃期內就會償還所有資金，因此你無需考慮(GPU)使用壽命的期限。” (財聯社AI daily)

導讀全球AI投資浪潮正以算力、資料中心和大模型為核心重塑科技產業與資本結構，形成高強度、短周期、重資產的新型投資循環。本文系統梳理了AI投資的歷史演進、產業層次與融資結構，對比其與網際網路泡沫的異同，本輪AI熱潮技術基礎更穩固，但金融鏈條更複雜、系統性風險更高。文章進一步分析AI泡沫可能的破裂路徑及跨國傳導機制，強調未來更可能經歷結構性出清而非單點崩塌，為政策制定與資產配置提供風險識別框架。引言AI的全球性投資浪潮正在重塑科技行業的結構，也重塑著資本市場的邏輯。以大模型、算力基礎設施和資料中心建設為核心的AI鏈，形成了自2008網際網路以來最強烈的一輪跨周期資本累積。巨頭之間的資本開支競賽不斷刷新紀錄，從NVIDIA的GPU出貨與企業市值，到微軟、亞馬遜、Google爭相投建的超大規模資料中心，再到初創公司圍繞模型、Agent與新型AI服務，展現出一種技術突破疊加資本擠兌式投入的發展結構。與傳統科技周期不同，這一輪投資不僅規模更大、節奏更密集、折舊周期更短，也構成了一個容易產生系統性風險的正反饋循環。在未來收益充滿不確定性的背景下，AI產業彷彿踩在紅利與成本現實的雙軌之上，推動市場在繁榮與泡沫之間不斷擺動，債務與融資結構也逐漸複雜化：為支撐資料中心和算力擴張，銀行、ABS與企業債等多管道快速擴張，放大了利率與信用風險的傳導路徑。01. AI投資的系統梳理(一) 歷史處理程序AI投資熱潮的發展歷程可以大致分為幾個階段。1、早期探索階段（1950年代-1980年代）。AI主要以學術研究為主，技術集中在符號主義、邏輯推理和早期神經網路上。雖然計算能力和資料規模有限，但政府和高校的科研資助推動了基礎理論的發展。例如，1956年達特茅斯會議首次提出“人工智慧”概念，1960年代的MYCIN和DENDRAL專家系統在醫療診斷和化學分析中進行了初步應用。此階段的投資主要依賴於政府撥款和科研基金，風險投資尚未形成規模。日本政府在1980年代啟動的“第五代電腦計畫”（FGCS）也試圖推動AI產業化，但整體投資活躍度仍較低。2、1980年代至1990年代的AI低潮期。即所謂的“AI寒冬”，早期專家系統和神經網路在實際應用中屢屢受挫，技術無法滿足市場預期。計算能力不足、資料匱乏以及投資回報不確定，使得全球範圍內的AI投資大幅減少。美國、英國和日本等國家紛紛縮減AI相關研發預算，資本市場對AI初創企業的熱情顯著下降。3、21世紀初（2000年代-2010年代）的復甦期。隨著網際網路的普及和巨量資料技術的發展，AI迎來了新的發展機遇。統計學習方法逐漸成熟，機器學習和早期深度學習模型開始顯現潛力。與此同時，GPU計算能力提升和雲端運算的發展為AI應用提供了必要的基礎設施。這一時期的投資逐漸恢復，以科技公司和部分風險投資機構為主，重點關注資料驅動型的智能演算法和初創公司。2006年，Hinton提出深度學習概念，為後續的突破奠定基礎；2012年，AlexNet在ImageNet競賽中取得壓倒性勝利，標誌著深度學習技術進入快速發展期。4、2012年至2020年，AI投資進入快速增長階段。深度學習在圖像識別、語音識別和自然語言處理等領域取得實際應用，帶動了風險投資和企業併購的熱潮。科技巨頭如Google、Facebook、百度等紛紛加大研發投入，同時AI初創企業融資金額屢創新高。例如，2015年，全球人工智慧市場融資規模達到了63億美元。這一階段的投資特點是技術驅動與資本市場熱情共同推動，行業應用開始拓展至金融、醫療、教育等多個領域。5、2021年至今，生成式AI的快速發展進一步引爆了新一輪投資熱潮。OpenAI發佈的ChatGPT引發全球關注，推動企業和投資者加大對生成式AI及相關基礎設施的佈局。微軟、Google、騰訊等科技巨頭通過戰略投資和併購搶佔技術前沿，AI創業公司融資規模屢創新高，資本熱情從科技行業擴散到金融、醫療、教育、製造等各類應用場景。生成式AI的技術突破和跨行業落地能力，使得AI投資成為全球科技資本追逐的核心方向之一。ChatGPT發佈（2022年11月30日）至今，輝達股價累計上漲964%，其利潤累計上漲1354%；蘋果股價累計上漲91%，其利潤累計上漲12%；微軟股價累計上漲90%，其利潤累計上漲55%；Google股價累計上漲211%，其利潤累計上漲107%。但近兩年，AI投資逐漸放緩，反映出AI技術發展及其在各行業應用仍處於探索的早期階段。雖然長期市場潛力仍然巨大，但最初的熱情已被在實際應用中推廣人工智慧技術的複雜性和挑戰所削弱。來源：2025 AI Index Report(二) 產業層次與參與主體近年來，AI產業的發展逐漸呈現為基礎設施、平台、應用三個層面平行推進，並由不同類型主體共同推動其資本流動與技術落地。首先，在基礎設施層，AI所需的算力硬體，如GPU、專用加速器、伺服器、儲存、網路裝置等，以及支撐這些硬體的系統成為基礎底座。分析指出，AI伺服器市場近年來經歷爆炸式增長。根據最新統計，全球伺服器市場因AI加速器需求迅速擴張，2024年前三季度伺服器銷售額大幅上升，AI伺服器出貨量與總伺服器平均壽命替換需求疊加，推動整體市場顯著擴容。另一方面，以阿里雲為代表的雲基礎設施提供商，其在中國 AI 基礎設施市場（IaaS）中佔據領先地位。2024年下半年阿里雲在中國AI IaaS市場份額達約23%，在大模型訓練與推理兩大子市場均位列第一。其次是平台層或雲服務層，即把基礎算力、儲存和網路資源以“雲服務、模型服務、算力租賃、按需呼叫”等形式打包提供給下游使用者。隨著 AI 技術成熟、模型越來越大，對算力和靈活資源調度的需求也越高，使得雲服務商、neo‑cloud租戶、專業AI服務商等成為關鍵中介。業界觀點認為，隨著大模型與雲端運算的融合，傳統雲端運算（IaaS）正在向“AI 原生”（AI‑native）雲服務演進，雲廠商不僅提供通用計算資源，也在提供專門為AI最佳化的算力、調度、儲存、模型部署環境等服務。此外，智算雲服務（AI‑optimized cloud）在中國也形成了較為明確的產業鏈結構，上游含晶片與伺服器基礎設施，中游為雲平台提供商，下游為行業使用者。最後是應用層，即行業化落地層。當基礎設施和平台服務配備就緒後，大量企業就能夠借助雲+模型服務，把 AI 技術應用到具體場景中：例如網際網路服務、金融、製造、醫療、零售、公共服務等等。報告指出，隨著AI平台服務能力提升，對於中小企業、傳統行業的“上雲+用數+賦智”門檻大幅降低，這推動了AI應用的廣泛普及。這個體系的推動主體首先是超大科技公司及頭部雲廠商（hyperscalers），其擁有資金、基礎設施、全球資源分配能力，是基礎設施與雲平台能力建構最重要推動者。其次是專業雲、neo‑cloud租戶、中型雲服務提供商及智算雲服務商，它們通過租賃基礎設施、提供靈活、彈性的AI算力及雲服務，把能力下放，為更多中小企業與行業使用者提供門檻更低、按需付費的AI服務。然後是私募和債權市場，基礎設施尤其是資料中心和機櫃建設，需要巨額資金投入，也往往借助債權融資、私募基金或機構資本支援。這使得AI基礎設施本身成為一種資本資產，並連接到更廣泛的金融市場與資本運作中。綜上，這種多元主體參與的機制，使得AI投資熱潮不僅是技術浪潮，也是基礎設施擴張、服務變現與產業應用同步推進的綜合性變革，也是當前AI產業能夠迅速擴張並持久化的重要原因之一。(三) 融資形式及周期特徵AI 基礎設施與平台建設需要大量資本投入，因此融資形式呈現多樣化趨勢。一方面，企業常通過企業債、高票息直接貸款獲取建設資金，這類方式利率相對固定、融資成本可控，但增加了短期償債壓力。另一方面，隨著項目規模擴大，也出現了基於長期租約的項目融資模式，即通過未來收入現金流如雲租用、AI服務訂閱等支援融資；進一步衍生的還有資產證券化（ABS），將資料中心、GPU叢集或機房租約收入打包成可交易證券，使投資風險在資本市場分散。與此同時，部分私募信用也開始進入AI基礎設施領域，為非上市公司提供靈活的信貸支援。這種多元化融資結構在分散風險的同時，也引入了資訊不對稱、信用評級難以精準評估以及流動性錯配的問題。AI硬體尤其是GPU、定製加速器和AI‑optimized 伺服器更新周期短，導致資本支出密集且折舊快速。短周期硬體更新不僅增加了資產殘值不確定性，還會加大再融資壓力，尤其在企業擴張或大規模部署初期。這意味著投資者在衡量 AI 基礎設施項目時，必須同時考慮技術迭代風險、折舊損失、未來現金流以及市場需求變化。在大型AI 資料中心項目中，GPU佔總資本支出約40-50%，伺服器機櫃與網路裝置佔30-35%，折舊周期短的硬體部分對項目財務壓力貢獻顯著。02. AI投資熱潮與網際網路泡沫的異同（一）相似之處當前的AI投資熱潮與1999年網際網路泡沫之間確實存在明顯的相似關係：高度一致的市場情緒、對技術變革的集體敘事、企業估值大幅上漲、媒體與投資人對新產業的超預期樂觀，這些因素共同構成了典型的科技繁榮景觀。市場熱情高漲，資本對新興技術的追逐表現出明顯的“短期高估”傾向。在網際網路泡沫期間，投資者對電子商務、入口網站等前景抱有過度樂觀預期，而在當前AI熱潮中，生成式AI、行業大模型、智能硬體和雲服務等領域的融資額持續攀升，部分初創公司估值迅速膨脹，許多人工智慧公司的估值已遠超行業平均水平，例如，Palantir和特斯拉的市盈率遠遠超過了200倍，而標普500指數成分股公司的平均市盈率約為25倍。其次，風險偏好顯著提高，投資者願意在尚未盈利或尚處於早期研發階段的企業中投入巨額資金，以搶佔潛在市場份額。而市場投機心理與輿論推動相結合，媒體和分析機構對前沿技術的持續炒作進一步放大了資本湧入速度。（二）關鍵差異首先，AI熱潮的技術基礎更為穩固。與1999年網際網路泡沫不同，當時許多公司缺乏可落地的商業模式，網際網路技術本身尚不成熟；而當前AI技術已經在電腦視覺、自然語言處理和大模型訓練等領域取得實際突破，生成式AI具有可直接落地的行業應用，從金融、醫療到製造和教育均有明確商業場景。其次，產業生態和資本結構更加多元。AI投資不僅包括風投和天使投資，還涉及企業資本支出（CAPEX）、私募信用、債券融資以及資產證券化（ABS）等形式，使風險能夠在一定程度上分散，同時引入了更複雜的流動性和資訊結構管理。再次，AI投資與全球基礎設施建設緊密掛鉤，如GPU、資料中心、雲端運算平台和模型訓練服務等，而這些硬體與雲服務資產具有長期使用價值和持續收入潛力，相較於1999年網際網路公司大量依賴短期廣告或電商流量收入，更加穩健。最後，監管與風險控制環境更加成熟。當前金融市場對AI相關融資有更嚴格的資訊披露和風險評估要求，部分國家和地區也出台政策鼓勵AI技術創新與應用，同時限制過度槓桿和投機行為。此外，從產業長周期發展來看，每一輪過度投資都可能為產業的長期成長做好了鋪墊。1999年網際網路泡沫崩潰後，此前大規模投資的光纖、電腦、移動通訊等裝置大幅度壓低了電子裝置和網路費用，Google、亞馬遜等一批網際網路企業和整個產業得以持續快速發展。（三）風險複雜性更高當年的泡沫主要集中在股價上，而今天的風險通過資本開支、長期租約、債務結構、影子銀行體系以及跨國能源和供應鏈瓶頸等多層結構相互疊加，一旦某個環節出現違約或資金緊縮，很可能不是簡單的“科技股下跌”，而是沿著融資鏈條迅速向房地產、信貸市場乃至跨境資金流動擴散，從而引發結構性的金融緊張。AI市場目前面臨的挑戰也更加複雜：技術瓶頸，例如輝達高端晶片供應短缺；應用程式的商業化滯後，大多數人工智慧公司尚未找到可持續的現金路徑；以及技術脫鉤，例如美國和中國的晶片監管。新興人工智慧公司傳統財務估值方法的失敗加劇了這種風險，資本狂熱導致泡沫的可能性仍然存在。03. AI泡沫破裂的可能性與傳導路徑AI 泡沫是否會破裂不能簡單地用“會”或“不會”來判斷，而應從估值邏輯、宏觀政策和全球資金流動三條主線分析其潛在破裂方式及時間窗口。從估值角度看，如果未來2-3年大模型的商業化速度無法匹配當前動輒百億美元的資本投入，市場估值必然進入回呼期，尤其是依賴 AI 敘事驅動漲勢的公司更容易經歷大幅波動。從宏觀政策角度看，若聯準會與歐洲央行維持高利率或再次收緊流動性，資料中心開發商、AI 獨角獸及依賴長期租約融資的基礎設施項目將面臨更高的再融資成本壓力，信用風險可能從個別企業擴散為行業性調整。從全球資金流動角度看，美國吸收全球資本將使新興市場、跨境基礎設施項目以及外幣債務敞口較高的經濟體最先感受到壓力，進一步把科技投資的波動轉化為跨國金融波動。整體而言，本輪AI投資周期大機率不會以1999年網際網路泡沫那種單點式全面崩塌收場，而更可能呈現漫長的結構性出清：先是局部估值回呼，再到資本鏈條的重新定價，最終由宏觀政策變化推動整個系統向新的均衡移動。如果發生破裂，具體方式主要包括兩個管道：一是估值重估，觸發因素包括AI商業化速度落後預期、盈利增長未達標或關鍵企業盈利警告，結果是高估值成長股票回呼，指數高度集中導致市場波動放大，回撤集中在“巨頭+AI”股票；二是信貸與項目融資鏈條斷裂，觸發因素包括利率上升、租戶違約或 neo‑cloud企業現金流緊張，結果是資料中心開發商與特殊目的載體面臨償債壓力，資產價值快速下滑，債權損失擴散至銀行、直接貸方及ABS持有者，將泡沫從股市傳導至實體信貸市場。在未來政策方面，需要找到一個平衡：不僅要支援龍頭企業突破技術界限，還要培養多元化的應用產業鏈，以建構良性的工業生態。技術革命的本質不是避免泡沫，而是通過持續的技術迭代能力和可行的商業模式，在穩定資本的支援下，推動長期的GDP增長和引領代際飛躍，並將資本狂熱的階段轉變為新的質量生產力。整體來看，AI 泡沫破裂不是單一事件，而是一系列結構性調整和局部泡沫破裂的組合，AI熱潮將經歷周期性的回撤，但它在超自動化領域（例如機器人、AGI）具有遠超網際網路時代的長期潛力，出現一次性大規模全面崩塌的可能性取決於貨幣政策和信貸鏈條的健康狀況。04. 跨國風險傳導AI 投資熱潮的全球化特徵意味著，一旦出現市場調整，其影響可能跨境傳導。觸發機制主要包括利率和信貸環境的收緊，例如，若美、歐主要央行同時加息並收緊信貸，全球資金快速撤出，將直接衝擊依賴外幣融資的新興市場以及海外AI項目，尤其是資料中心與雲服務廠商。此外，能源供應，尤其是電力，與全球供應鏈瓶頸，也可能放大地區性危機，導致局部市場風險集中爆發。潛在時間窗可分為短期和中期兩個階段。在短期，若宏觀利率快速上行或發生大型租戶違約，短期內可能看到信用利差迅速擴大，同時項目融資重新定價，資料中心、相關REIT及開發商最先暴露風險。在中期，如果AI商業化鏈條未能形成廣泛盈利，尤其是行業級應用落地緩慢，市場可能從增長溢價向盈利篩選切換，導致估值普遍回呼，資金重點流向盈利能力強的項目和企業。各國宏觀政策將是跨國傳導的決定性變數之一。一方面，聯準會與歐洲央行的利率與流動性政策會直接影響債務負擔與風險溢價：緊縮將放大企業融資壓力，寬鬆則可能延緩市場調整，但同時積累更高的系統性風險。另一方面，財政與產業政策的作用也不容忽視：針對資料中心電力成本或AI研發的補貼和支援，能夠緩衝局部衝擊，但可能延長非盈利項目的資金供給周期，形成“殭屍化”風險。最後，宏觀審慎與監管措施也會調節跨境風險傳導的幅度：加強對非銀行信貸、ABS透明度及應計壓力測試，可降低系統性傳染風險；反之，監管盲點可能放大跨國資本流動和供應鏈壓力造成的風險。05. 結語當前的AI熱潮同時包括真實的技術紅利若干高度脆弱的金融鏈條，因此更像是一種局部繁榮與局部泡沫並存的複雜態勢，而非歷史上的單一泡沫復刻。分析的關注點不應停留在“是否存在泡沫”，而應轉向泡沫存在的具體位置、形成機制及其可能通過那些管道傳導至宏觀金融體系。對政策制定者與資產管理者而言，最佳策略是在強化風險監測的基礎上進行選擇性防禦，重點關注資料中心融資結構、租戶信用狀況以及短期再融資節點；在估值重估情形下，應優先迴避高度槓桿化且盈利路徑不明確的投資敞口，從而在享受技術紅利的同時，降低系統性風險暴露。 (IMI財經觀察)

核心速覽底層動力： AI 爆發源於人類對“更富有、更懶惰”的終極追求——即用更少的勞動，創造更高的經濟價值。三大核心賽道：AI 原生軟體： 在“綠地機會”中挑戰傳統巨頭，提供全自動化閉環。軟體替代人工： 從“賣工具”轉向“賣結果”，直接切入勞動力市場。私有資料圍牆： 掌控大模型無法獲取的行業私有資料，建構長期防禦力。護城河本質： AI 公司必須成為企業的“記錄系統（System of Record）”。最好的公司擁有“人質”而非客戶。增長神話： AI 極大地縮短了軟體周期。以往需 10 年達成的 1 億美金 ARR，現在最快僅需 2 年。在 AI 浪潮爆發兩年後的今天，市場對於“AI 是否是泡沫”的爭論從未停止。然而，a16z 合夥人 Alex Rampell 在最新訪談中給出了答案：這不是泡沫，而是軟體行業的“黃金時代”。商業的底層邏輯：人類永遠追求“更富有、更懶惰”Alex 認為，所有偉大的技術革命，本質上都在滿足人類的兩個終極本能：Richer & Lazier（變得更富有，以及更懶惰）。更懶惰： 用更少的工作量完成任務。更富有： 創造更高的經濟價值。從 1977 年至今，科技行業經歷了 PC、網際網路、雲、移動網際網路四大周期。AI 是第五個。它並非橫空出世，而是站在前四個周期的肩膀上。現在，AI 已經從“寫個劇本”的魔術表演，正式進入了企業核心流程，開始真金白銀地省錢、賺錢。a16z 看好的三個 AI 投資主題如何建構一家長青的 AI 公司？Alex 總結了三個核心範式：1. 傳統軟體的 AI 原生化 (AI-Native Trad Software)這是在已有的“Bingo 遊戲板”上玩新遊戲。綠地機會 (Greenfield) vs 棕地機會 (Brownfield)： 去搶 Adobe 的老客戶是“棕地”，極其困難。但在新公司成立或系統升級的拐點切入，則是“綠地”。核心邏輯： 像 Real 這樣的公司，它不僅是 ERP，更能自動平帳（Close the books）。對於新公司來說，選一個自帶 AI 功能的原生系統是“腦殘決策（No-brainer）”。2. 軟體正在“吃掉”勞動力 (Software Eating Labor)這是 Alex 最興奮的領域，其市場規模遠超傳統的軟體市場。從“買工具”到“買結果”： 以前你買軟體是給員工用，現在軟體就是“員工”。價值定價： 債務催收 AI Salient 的軟體不僅能講 21 種語言，甚至能比人類多催回 50% 的欠款。客戶不再是付訂閱費，而是為增加的收入買單。3. “圍牆花園”：私有資料模型 (Walled Gardens)當底層大模型變得像電力一樣廉價時，勝負手在於誰擁有“稀缺礦產”。原始蔬菜 vs 成熟大餐： OpenAI 像是賣蔬菜（Token）的農場。但它不知道 1992 年的融資價格，也不知道西班牙 80 年代的法律判例。資料護城河：Open Evidence 擁有醫學期刊獨家授權，Vlex 數位化了海量法律記錄。這些“ChatGPT 抓取不到”的資料是核心防禦力。護城河：最好的公司擁有“Hostages”，而非客戶在 AI 時代，程式碼極易被模仿，因此必須建立極致的粘性。a16z 提出了一個深刻的觀點：偉大的公司擁有“人質（Hostages）”，而非客戶。什麼是“人質”？當你的軟體成為了企業的“記錄系統（System of Record）”，承載了所有核心流程和私有資料時，替換你的成本將高到不可接受。以法律 AI Eve 為例，它管理著律師從接案到結案的整個工作流。即使以後大模型出了更強的總結功能，律師也不會搬家，因為他們的資料和流程都“鎖”在 Eve 裡。巨頭會贏嗎？創業者的勝算在那？Alex 對傳統巨頭（Incumbents）持看好態度。與“雲轉型”時期不同，現在的巨頭（如 Microsoft, Adobe, Intuit）反應極快。他們手握大量“人質（老客戶）”，只要加入 AI 功能就能通過加價賺得盆滿缽滿。創業者的三條活路：極度垂直： 尋找巨頭看不上的細分專業領域。模式創新： 利用 AI 實現按效果計費。深挖資料： 掌控那些物理世界或歷史檔案中的獨佔資料。我們正處於從“工具時代”向“代理時代”跨越的節點。AI 不僅僅是效率的提升，它正在重定義什麼是“公司”。正如 Alex 所言，a16z 並非只是在投 AI，而是在投那些能讓使用者更富有、更懶惰的未來。在這個時代，“速度”是入場券，“資料”是護城河，而“結果”才是真正的商品。 (GD梯度下降)

《2025 AI 投資回報率報告》這份報告調研了全球3446名企業高管（這些企業年營收都不低於1000萬美元，不是小卡拉米）。通過實打實的案例告訴業界，到底應該如何在AI上花錢，才能獲得最大收益。Google通過報告指出：88%的早期入坑者，都得到了不錯的投資回報，而且，生成式AI/大模型的下一個金礦，是智能體。核心結論包括以下幾點：①智能體已經在生產環境大規模部署。②早期入坑的，獲得的收益正在放大，越吃越香。③GenAI的回報已經相當廣泛，不再是少數頭部案例。④收益集中在5類場景：生產力、客戶體驗、業務增長、行銷、安全。⑤企業老闆的態度決定了AI價值能否快速兌現，搞定老闆就成功了一半。⑥AI最大的挑戰仍然是安全和合規。雖然已經發佈1個多月了但這份報告的含金量還在上升我們對這份報告進行了全文翻譯以下為完整中文報告智能體分級↓一級：簡單任務，主要是輸出內容，並不真正接管業務動作，比如聊天機器人、知識庫檢索、多模態生成。二級：智能體應用，AI開始為了一個業務目標幹活，能在限定範圍完成多步任務，從對話走嚮應用，讓AI能做動作或者推動流程，可以替代具體崗位裡的重複步驟。三級：多智能體工作流，本質上不是一個智能體干所有活，而是多個角色分工協作，形成端到端流程。能覆蓋跨部門、跨系統的複雜業務流程，適合長鏈路場景比如：從線索到成交、從保修到閉環、從需求到交付。一級是工具，二級是產品，三級是系統。AI智能體的採用率↓按地區挺意外的，亞太領跑（調查樣本不含中國大陸），北美最慢。按行業看醫療反而最謹慎，畢竟人命關天的事兒哈哈哈。智能體最先落地在那些場景↓第一梯隊：客戶服務與體驗49%、行銷增長46%、安全營運與網路安全 46%、技術支援45%；這些場景資料和流程最標準化，容易形成可量化收益。中間梯隊：產品創新與設計43%、生產力與研究43%、軟體開發40%、財務與會計38%。說明智能體已開始深入到“產研與經營”層面，不只做客服和寫文案。相對靠後的是：銷售35%、HR31%、個性化29%、法務15%這些場景往往涉及更嚴格的權限、合規、責任邊界，容錯率更低，所以採用更謹慎，落地周期更長。銷售和HR、法務看了應該很開心吧，而且似乎程式設計師的末日也沒有來。這頁不錯，給出了各個行業最先跑通ROI的落地地圖，劃個重點，想不到吧，安全營運竟然是各行各業最通用的場景。有句話，話糙理不糙：吃屎也要趁熱。這裡的早期採用者是指AI預算50%以上投智能體，且深度嵌入日常營運流程。早期入坑者都做對了什麼？①預算真投，且投向智能體；②AI在IT預算中佔比更高；③落地點更聚焦，更重業務；④可複製，把智能體擴散到更多部門。甲方老爺們最看重那些場景？生產力、客戶體驗、業務增長、行銷、安全，這五個方向的共同點是：高頻、流程化、可量化、能快速上線，容易在3到6個月做出看得見的改進。值得mark一下，甲方關注的點，對乙方來說就是商機。五大領域GenAI能帶來多大影響？這張圖有意思的一點是，相比去年的調查，好幾個指標下滑了，這也說明，老闆們趨於理性了，其實是好事，甲方的預期降低了，乙方才好驗收嘛。這一頁純純幫Google雲吹NB了，每個場景都有。生產力這條線已經跑通ROI企業對生產力提升的理解開始變得更細：不止是寫報告、做PPT，更包括流程效率、洞察速度、精準性這些更貼近業務的指標。客戶體驗的新標準是啥？是在使用者觸達、互動、滿意度、現場服務等鏈路上，持續帶來可衡量的改善。這個出來站台的，竟然是NBA金州勇士隊。他說的客戶是啥？是庫裡的球迷嗎？還是幫格林洗地？不只是降本增笑哦帶來增長了，這可能是大家最喜歡看到的吧，而且這個增幅看著有點誘人。智能體如何推動市場行銷？更高效的投放、更多線索、更高轉化，要把AI從內容工具升級為行銷工作流引擎，AI參與策劃、生成多版本素材、自動適配管道、根據反饋繼續迭代，人負責品牌與關鍵決策。安全廠商看過來↓其實和大家畫的餅基本一致：更強的威脅識別能力、更好的情報與響應整合、平均解決時間下降、安全工單數量下降。但是跟去年相比，多項指標回落，說明甲方更理性了。企業AI預算正在向智能體傾斜，2024年幾乎沒人談智能體，如今插隊進前五。真正的預算大頭在那兒呢？往往不在模型呼叫費，而在資料治理、系統整合、權限與安全、評測與維運，尤其當企業開始部署智能體時更明顯。當然對於國內企業來說，自己搞算力、訓調推模型的話，AI Infra的費用仍然是大頭。這兩頁挺有意思的——搞AI必須得有C-Level的支援，這是一場從上到下的變革。讓你的老闆先爽起來！不出所料，最大的挑戰還是資料隱私與合規。這對國內場景更加現實，到底是呼叫API還是本地化部署？但國內的優勢在於，開源模型生態比較好（當然模型能力跟閉源比有差距），私有化部署更方便。三大落地挑戰↓①資料隱私和安全②與現有系統整合③成本智能體行動計畫七步法↓①搞定老闆：得有 C-level 站台，能拍板、能清障。②展示價值：用一個說得通的業務案例去拿預算，別只畫餅。③立好規矩：提前寫好企業級 AI 規則，資料、合規、版權/IP 都要管住。④挑准場景：優先做那些重複、標準、能省人省時間的流程，ROI 最快。⑤築起信任：資料治理+安全框架從第一天就上，同時保留人工兜底。⑥接入系統：智能體要能幹活，就得接入內部業務系統，但權限要可控可審計。⑦投技術更要投人：培訓內訓、培養人才。好了，祝大家在新的一年，無論個人還是組織，都能與AI/智能體共同成長。 (特大號)

IBM CEO的警示：兆美元支出難以盈利2025年12月初，IBM首席執行長Arvind Krishna公開質疑AI資料中心支出的可持續性。他指出，建設一個1吉瓦AI資料中心成本約800億美元，若全球計畫達到100吉瓦，總資本支出將達8兆美元，僅利息支出就需要每年8000億美元利潤支撐。這相當於當前科技巨頭利潤總和的數倍。Krishna強調，AI晶片5年折舊周期進一步放大壓力：“你必須在五年內用完，否則就得扔掉重設。”這一言論迅速引發市場震動，凸顯AI建構從“技術競賽”轉向“經濟可行性”審視的核心轉折。Krishna的計算並非孤立。多家機構估算， hyperscalers（如Microsoft、Amazon、Google、Meta）2025-2026年Capex總和將超3150億美元，其中AI基礎設施佔比逾80%。儘管需求強勁，但回報延遲已成為共識：MIT報告顯示，95%企業GenAI投資零回報；J.P. Morgan分析稱，實現10%回報需每年產生6500億美元收入，這在當前不確定性下遙不可及。Oracle財報：需求爆炸與現金流負轉的矛盾Oracle財政2026第二季度（截至2025年11月30日）財報於12月10日發佈，總營收161億美元，同比增長14%；雲基礎設施營收41億美元，增長68%；剩餘履約義務（RPO）暴增438%至5230億美元，新增680億美元主要來自Meta、NVIDIA等巨頭合同。這反映AI需求真實且繫結長期。然而，市場反應負面：股價盤後暴跌逾10%。核心原因是Capex大幅上調至500億美元（較9月指引增加150億美元），自由現金流轉為負值約100億美元，長期債務接近1000億美元。管理層強調“致力於維持投資級信用評級”，但這反而暴露財務緊縮風險：公司需持續借債擴張，而回報延遲可能導致信用市場收緊。Oracle從“現金牛”轉向債務依賴，標誌下游雲服務商轉化瓶頸顯現。Broadcom業績：增長強勁卻難掩邊際壓力Broadcom財政2025第四季度（12月11日發佈）營收180億美元，同比增長28%；AI半導體營收增長74%。公司指引2026第一季度AI營收翻倍至82億美元，顯示訂單勢頭不減。然而，股價下跌約11%，因毛利率預警：AI業務佔比上升導致元件成本壓力，客戶轉向自訂晶片可能削弱定價權。Broadcom保持正現金流，但整體科技股估值已接近dot-com泡沫峰值。任何增長放緩（如 backlog 未達預期）都觸發拋售，反映市場從“增長故事”轉向“盈利質量”考核。hyperscalers Capex狂飆：2025-2026年投資規模2025年，四大 hyperscalers（Microsoft、Amazon、Google、Meta）Capex預計超3150億美元，較2024年大幅躍升：Google上調至910-930億美元Meta 700-720億美元Microsoft和Amazon合計逾1000億美元這推動AI相關Capex佔美國GDP增長逾1個百分點，成為經濟主要驅動力。但若回報不及預期，這一支柱崩塌將放大衝擊：基礎設施遺留價值高，但短期現金流負轉風險上升。宏觀經濟分化：AI成最後支撐柱2025年，美國就業市場顯著惡化。ADP報告顯示，11月私人部門淨損失3.2萬職位，小企業裁員12萬，為2023年以來最大降幅。聯準會主席Powell在12月會議上承認，勞動力市場風險上升，官方資料可能高估每月增長。12月FOMC會議降息25基點至3.5%-3.75%，但點陣圖僅暗示2026年一次降息，遠低於市場預期。三位委員異議（一鴿派欲更大降幅，兩鷹派欲暫停）反映分裂：通膨頑固 vs. 勞動力弱化。Powell強調，高收入群體（股市財富效應）支撐消費，但AI股逆轉將銳減支出。嬰兒潮一代退休潮加劇風險：股市上漲時可持續，下跌30%-50%則無解。美國經濟“K型”分化加劇：底層消費疲軟（McDonald's、Target下滑），高端依賴AI股市。全球類似：日本家庭支出下降，歐洲零售乏力。若AI逆轉，Capex放緩疊加財富效應消退，將擊中消費——2025年已佔經濟增長大半。聯準會政策困境：平衡通膨與衰退風險聯準會12月會議更鷹派：2026年僅一次降息，反映通膨上行擔憂（部分關稅影響）。但勞動力市場弱化迫使“保險性”寬鬆。Powell稱當前經濟“異常”：通膨高於目標，就業風險上升。若AI泡沫破裂，聯準會空間有限，難以同時應對。歷史鏡像與潛在結局AI熱潮類似dot-com泡沫：初期狂熱，後期質疑回報，最終崩盤但遺留價值（網際網路）。不同在於集中度更高（S&P 500 30%由少數巨頭支撐），槓桿更重（科技債務激增）。若2026年需求未爆（競爭、自研晶片），債務滾雪球、信用收緊將連鎖反應。風險不止金融：資料中心電力需求佔全球14%，氣候壓力加劇；就業層面，Anthropic CEO預測淘汰一半入門白領，失業率升10%-20%。雖Yale分析顯示ChatGPT以來整體就業未擾動，但科技裁員數十萬已成事實。結論：轉折點已至，審慎為上2025年底，AI投資熱潮抵達轉折：IBM、Oracle、Broadcom事件標誌市場從“買入後問”轉向“先問回報”。需求真實，但財務緊縮、宏觀弱點放大風險。若2026年未實現盈利轉化，估值調整在所難免；長期，高效建構方能釋放轉型價值。投資者需警惕：AI或重塑世界，但過程伴隨劇痛。短期波動加劇，中期審慎配置為宜。 (周子衡)

今年三季度Google的財報中，投資收益引人注目，前三季度的浮盈已經達到220億。Google的這類非市場化股權投資通常與其戰略需求，或對其生態系統至關重要的AI 初創公司投資有關。今年的盈利主要來源於對Anthropic的投資。Anthropic是目前全球估值最高的未公開上市AI 公司之一。相比其它股東，Google投資金額較小，但入局早。從Anthropic的籌資歷史與估值變化中，可以看到其受到了資金的極度追捧。2021-2022，早期投資5.8億，來自於現在已經破產的FTX。2023年9月-2024年11月，亞馬遜承諾投資40 億美元。2023年10月，Google承諾投資20億。2024年3月，由 Lightspeed 領投E輪，籌資27.5億，估值達到615 億美元.2025年8月，由ICONIQ Capital 領投，籌資130億，估值達到 1830 億美元。2025年11月，微軟和輝達聯合投資150億。微軟約 50 億美元，輝達約 100 億美元。估值猛增至約 3500 億美元，是Google投資時的87倍！Anthropic是由前OpenAI 的核心研究人員在2021年創立的。其Claude 系列大型語言模型是當前市場上唯一能在性能上與ChatGPT 和Gemini抗衡的頂級模型。Claude與其它模型的不同之處，在於其專注於那些能在近期產生經濟效益的，企業級市場，模型的程式設計能力尤其強大。它對Google的DeepMind和 OpenAI關注的數學推理等領域則投入較少。可以看到，科技公司們正在根據自身技術稟賦和戰略目標，來選擇最能實現商業變現的細分領域進行深度挖掘。市場足夠大，容得下差異化競爭。2024年3月，Anthropic的E輪融資估值為615億美元。一年半後的2025年8月F輪融資，估值為1830億美元。這給Google和亞馬遜帶來巨大的帳面收益。短短兩個月後的11月，微軟和輝達也投資入股，估值幾乎翻倍，達到3500億美元。這說明Google的第四季度將同樣獲得可觀的帳面股權投資收益。Google和亞馬遜投資的主要目的之一是確保Anthropic 在其 AI 模型開發和訓練中，使用自己的雲服務。Google雲在與 Anthropic 簽訂的價值高達數百億美元的合同中，承諾提供大規模的Google自研的TPU AI 晶片，為其提供超過千兆瓦的計算能力，用於模型訓練和擴展。通過融資，Anthropic巧妙地鞏固了所有主要雲服務提供商和輝達的算力支援。從這個案例中可以看到，這些科技巨頭之間的關係錯綜複雜，Anthropic與它的股東們的關係既競爭又合作，還互相投資。比如Gemini 是Claude在產品和技術上的主要對手，而Google雲又提供了Anthropic關鍵的基礎設施。這樣的關聯交易就是大空頭Micheal Burry認為AI有泡沫的依據之一。非排他性值得注意的是，所有這些股權投資和業務上的合約都沒有排他性條款。比如，Google和亞馬遜在投資Anthropic的時候，並不限制Anthropic使用對方的雲。類似的，輝達投資OpenAI時，也不限制OpenAI買別家的晶片。在傳統行業，排他性競爭是主流。股權投資經常作為換取稀缺實物資源，比如礦產，的長期獨家控制權的籌碼。這是因為，傳統行業的市場規模增長速度通常與經濟增長速度持平或略高，是線性增長。在有限的市場中，競爭必然是排他性的。企業會通過法律合同、獨家供應協議、收購競爭對手等方式來消除競爭，實現市場份額最大化和垂直整合。而AI領域的技術和市場特徵與傳統行業截然不同。首先，AI創造了全新的、指數增長的需求，尤其是在算力和應用領域。ai技術的複雜性與垂直整合難度，意味著沒有一家企業能從底層晶片、中介軟體、基礎模型、到應用層都做到最好。每一家都可以在自己擅長的領域發展，而不威脅到競爭對手。比如，Google的TPU晶片即使開始對外銷售，擴大市場份額，也不會影響輝達GPU的需求量。因為兩者服務的是不同的需求對象，而且對兩者的需求都遠大於供應。在市場巨大、資源稀缺、技術複雜這些因素的作用下，合作比排他性競爭能帶來更高的回報。AI巨頭們對前沿公司，如Anthropic、OpenAI的投資，能獲得技術，商業機會和投資回報等多重收益：通過鎖定技術和人才來對衝落後的風險。投資競爭對手的模型可以讓雲巨頭們獲得對最新AI 技術、能力和人才的近距離觀察，有助於他們縮小自身模型的差距。股權合作可以確保最新的頂尖模型優先部署在自己的雲服務上。Anthropic授權Google雲和亞馬遜雲AWS，將 Claude模型整合到Google雲的AI 服務生態Vertex AI和亞馬遜的AI 模型服務平台Amazon Bedrock 上。這允許Google雲和AWS的使用者通過 API 介面，直接在兩者的環境中呼叫 Claude用於建構自己的應用。使用者使用 Claude 模型時，Google雲和AWS會向 Anthropic 支付授權費用。由此，Google和亞馬遜成為Anthropic的戰略合作夥伴和分銷商，而不僅僅是算力供應商。這是AI時代基礎設施與模型技術深度繫結的競合模式。自然而然地，Anthropic盈利能力的提升，推動估值，也會給Google和亞馬遜帶來巨大的投資回報。從Anthropic的角度來看，則獲得了將計算資源進行最優配置的能力。它同時獲得Google的 TPU，亞馬遜的 Trainium/ Inferentia，以及微軟的 Azure的基礎設施支援，可以確保最先進的模型可以運行在最適合它們的硬體上，最大化技術產出。社會意義這些非排他性的投資與合作，還會產生一個更宏大、更具社會意義的結果。那就是促進整個AI行業的技術進步、擴大其社會應用範圍，進而激發全社會對AI的接受度和需求。首先，非排他性能更好地支援分散式創新，更有可能突破技術瓶頸，達到效率的極致化。Anthropic專注於 AI 安全和編碼，OpenAI 專注於通用智能，DeepMind 專注於科學發現。這種多點開花的競爭模式比任何一家公司內部研發都更有效率。巨頭們通過非排他性投資，可以外包一部分前沿研究的風險和成本，同時受益於所有方向的突破。其次，當市場上多個優秀且可信賴的AI 產品（Claude, ChatGPT, Gemini）出現時，企業和公眾對AI 技術的接受度會更快、更廣泛。當前這波由生成式AI 驅動的社會接受速度，在科技史上是前所未有的。參考歷史上，新技術達到1億使用者所需的時間，固定電話用了75年，手機16年，網際網路7年，臉書4.5年，而ChatGPT才僅僅用了2個月。如果用技術採納生命周期來衡量，AI目前正處於從早期採納，向加速滲透過渡的關鍵時期。在個人層面，已經超過數億人在使用AI 進行寫作輔助、程式碼查詢、資訊總結、日程規劃和創意生成。Google的生成式搜尋體驗和微軟的Copilot，正在將 AI 回答直接整合到搜尋結果中，這意味著每一次搜尋都在使用 AI。新一代智慧型手機、電腦作業系統正在將大語言模型作為底層能力內建，使用者在不知不覺中已經在使用AI。企業也已經認識到AI 不是可選項，而是保持競爭力是必須項，正在重金投資部署。Microsoft Copilot、GitHub Copilot 等工具被大規模採購，用於提升知識工作者和程式設計師的效率。企業正在將AI 模型，如Anthropic 的 Claude 或 Gemini，作為新的 API 介面整合到其核心業務系統和軟體中，實現資料分析和決策的自動化。未來當AI模型更加安全、專業和可信賴，垂直領域的關鍵應用也被成功開發和部署後，AI 會真正嵌入到各個傳統行業中，真正提升實體行業在物理世界的生產力。那時，AI 的廣泛應用將創造出目前我們無法想像的新商業模式和工作流程，這反過來會產生對大規模、持續、複雜算力的巨大需求。最終回到巨頭們投資的核心收益:建立未來的盈利基礎。算力消耗本質上是技術被社會接受度提高的最終結果。因為如果AI 不能廣泛應用於社會並改變生產力，那麼對算力的需求就會停滯不前。通過非排他性協議，讓被投資企業取得成功，從而最大程度地激發整個AI 生態系統的繁榮，最終將推動底層基礎設施和巨頭們自身產品的需求。 (一顆南瓜籽的成長)