超過1000家公司的財務資料、供應鏈記錄，把AI行業的真實收入，從頭算一遍。 兩年了。 兩年來，“AI泡沫”的警告聲此起彼伏，但卻沒有人能真正回答一個最簡單的問題：這個行業，到底賺了多少錢？它什麼時候能收支平衡？ 不過最近，答案來了。

鐵路是人類重要的運輸方式，如果能讓鐵路運輸的成本大幅降低，那就能顯著提升經濟效率，甚至會導致世界經濟的分佈格局發生變化。而鐵路運輸的最大成本在於基建，軌道、編組站、客/貨運站建設成本合在一起，大概能佔到鐵路運行成本的60%~90%左右。更可怕的是這個比例還是把基建成本平攤到幾十年時間之後的結果，這成本比例算的是折舊費，但實際上基建成本要在鐵路運行之前提前投入，而且是一次性投入。購買火車的費用和燃料費看起來很貴，但其實並不貴，基建費用才貴，這還是在中國鐵路徵地成本很低的前提下，換成外國更貴。所以降低鐵路運行成本的核心關鍵，在於如何更高效率的使用鐵路基建，燃料費和車輛費節約不了幾個錢。一個鐵軌區段同一時間內只能跑一輛火車，這輛火車過去之後很久才能放行下一輛火車，不然就可能導致火車碰撞的慘烈事故，坐過火車的人都有自己的火車在車站等很久的經歷，就是為了等“鐵軌資源”。中國的車輛編組能力早已經達到了世界極致，在如何最佳化鐵路通行方面已經沒辦法再提升了，現有的列車時刻表就是數學層面的最優解。所有人類國家都想提升鐵路運輸能力，不止是中國，目前人類提升鐵路通行能力的一條可行之路就是建造多載列車。既然一條鐵軌在同一時間只能跑一輛火車，既然不同火車之間必須間隔很遠才能保證安全，那就把一輛火車造的特別大特別長。用一個超級火車頭，後面拉超級多的火車皮，形成一個多載列車，這就可以有效提升鐵路的運輸能力。目前人類已經造出了可以拉2萬噸的超級火車頭，形成的多載列車長達2.8公里。然後這條技術道路就到底為止了，無法再繼續提升了，不是因為人類造不出更強大的火車頭引擎，而是因為列車總長2.8公里這實在是太長了。從編組通行方面，別說2.8公里車長，就算是8.2公里都沒事，但火車到站了需要卸貨，需要上下乘客。對於客運車來說，根本不需要那麼重，單趟沒有那麼多乘客可以拉，客運車要的是速度和發車頻率，而不是單次載客量。對於貨運車來說，載重多多益善，但貨運車需要裝貨卸貨，這些工作必須在車站進行，不能在野外進行。多載列車的車皮只能是一字長蛇陣，而車站必須經過特殊改建，站台才能容納2.8公里的多載列車。如果還要繼續提升這個資料，那就需要更大規模的改建車站，而且是停靠的每一個站點都要改建，這成本就太大了，和帶來的經濟效益不成正比，是虧錢行為，所以不具備可行性。所以多載列車的通用性極差，只能在特定車站停靠，本身車頭還死貴，所以經濟價值其實並不高。因此中國提升鐵路運輸能力的問題核心，就被改為了在繼續提升單列車多載能力的同時，降低單列車的長度。聽起來似乎是互相矛盾的要求，但中國做到了。近日，新華社發佈了一條消息，說國家能源集團十大重點科技攻關項目，“多載列車群組運行控制系統技術研究與應用”取得重大突破，成功實現了世界首列3.5萬噸級多載群組的試驗開行。該技術的突破，將重構人類既有鐵路運輸技術體系，為世界鐵路發展帶來變革。這句話說的非常之重，而這話是新華社代表官方發出來的，沒有把握是不可能這麼說話的，那這項技術到底厲害在那裡，能擔得起這麼高的評價？這項技術的核心，不是研發超級火車頭，而是打造虛擬列車，用無線訊號來協同行駛。從圖中我們可以看到這個火車頭平平無奇，之所以可以拉得動3.5萬噸的超級多載列車，是因為你看到的這個火車頭只是一個能拉5000噸的普通貨運車頭。所謂3.5萬噸的超級多載列車，是用7個這樣的0.5萬噸的普通貨運火車組合而成。但和普通貨運火車不同的是，這7輛車利用5G技術和北斗訊號，可以同進同退，形如一體，看起來好像是一輛火車，這樣就可以在車輛編組表裡視為一輛車，這7輛車可以在同一時間內佔據同一區段的鐵軌行駛，但不用擔心撞車問題。簡單的說，你可以認為是7輛汽車上高速，原本必須間隔200米，但現在利用技術同時控制7輛車，同時加速同時剎車，不管前車如何操作，後車都瞬間跟隨，形如一體的前進，這樣車輛間隔那怕縮短到2米開高速都不會出事，車輛通訊速度越快越精確，那車輛間隔就可以距離的越小，最後可以做到看起來好像真的是用掛鉤“永久連結”了一樣，但其實車和車之間是分開的。這個就叫通過無線訊號來實現協同行駛，剛需5G技術，對訊號的速度和穩定性有著極高的要求，一個訊號卡頓就立刻災難性撞車，所以這個確實是高科技，沒有5G基礎的國家完全沒有任何研發成功的可能性。而且世界上對鐵路貨運需求最高的地方也是中國，所以這個技術突破在中國簡直是天經地義的。在鐵軌區段行駛的時候，這技術可以讓人類用多個便宜的普通火車頭來實現多載列車的運輸能力，但其他方面和常規的多載列車沒有什麼區別，不過到站裝貨卸貨的時候那就不一樣了。常規的多載列車到站的時候，必須是一字長蛇陣，列車多長那麼車站就得建多長，列車多載能力的高低不取決於火車頭，而取決於車站的長度。但虛擬列車就不一樣了，他們本來就不是永久連結的，本來就是7輛車，只是看起來好像是一輛車而已，這就導致他們在進入車站的時候，可以瞬間解體變回7輛普通列車，然後可以分別停靠在7條鐵軌上進行裝卸貨。這就大大提升了車站的容納能力，或者說大大降低了車站的改建成本。修一個2.8公里長的車站很困難，但修一個400米長的車站，然後在車站裡面弄7條平行鐵軌甚至更多，這個就簡單太多了。除此之外，虛擬列車技術也讓多載列車的編組變得極為靈活，不再是整輛列車必須同時前進同時停靠一個車站。以7輛火車組成的虛擬列車為例，若只有1輛火車的貨物需要在前方車站裝卸，那完全可以只留1輛列車在前方到站裝卸貨，然後等候指揮中心的指令和其他火車重新編組，其他6輛不需要在這個站裝卸貨的火車，直接高速通過車站不停車。這就讓火車的編組靈活太多了，可以隨心所欲的進行排列組合，而且也不會出現大量的車皮停在一個車站上無所事事，非要等到自己的部分車皮完成裝卸貨才能繼續前進的資源浪費現象。所以這個技術理論上是完全可以用於客車的，把需要停靠在不同車站的乘客區分出來，分別放在不同的車裡，用一堆小火車組成一個大火車，然後不斷的進行排列組合，不僅可以大幅增加鐵路通行能力，而且可以儘量的少停車。出於安全考慮，這個創新性技術肯定是先給貨運火車用，但最後早晚會用在客運火車身上的。甚至這個技術還可以用於汽車，如果未來中國實現了汽車智能化率100%，所有的汽車都強制配備自動駕駛技術，那完全可以把中國所有城市的紅綠燈和汽車全部進行編組，整體進行一個虛擬耦合，人類車主只負責發出目的地指令然後就不用管了，由超級電腦不停的即時計算出最優解，然後各車輛聽指令進行加減速，這完全可以在不新增城市基建的前提下，大幅提升城市道路通行能力，大幅降低城市擁堵程度。要實現這個目標，需要智能駕駛技術達到L5等級而且強制配備到所有汽車，路上不能有任何非L5智能汽車的存在進行干擾，且不能有人類進行駕駛以至於系統出現變數。這個目標目前來看還很遙遠，但理論上是完全做得到的。而且光目前在多載列車領域突破的這一技術，僅僅只是弄了一個3.5萬噸的編組，就能憑空給中國的貨運鐵路帶來理論上50%的運能潛力提升。不用新建50%的鐵路，只是這一虛擬列車技術的突破就可以實現50%的貨運能力提升，這自然會變相降低中國的鐵路運輸成本。而鐵路運輸成本的每一次降低，都會帶來人類經濟格局的重塑，海洋和陸地的經濟權重，實際上就是由海運和鐵路貨運的成本所決定的。所以央視認為該技術的突破，將重構人類既有鐵路運輸技術體系，為世界鐵路發展帶來變革。 (遠方青木)

AI泡沫論？高盛來安撫了“AI是不是泡沫”的問題，被討論了整整365天"高盛分析師Shreeti Kapa在12月15日寫道但你關心的短期漲跌，機構根本不看他們在下更大的賭注——AI到底能不能顛覆勞動力市場高盛說"AI不是泡沫"的核心論點這份報告裡最核心的一段話，我幫你劃重點了："這是人類歷史上第一個能規模化替代認知勞動的技術。之前所有技術革命——印刷機、電力、網際網路——都是在幫人類幹活。但AI不一樣，它能直接替代人。"高盛給出了三個關鍵論據：1.AI能力翻倍的周期是"月"，不是"年"或"十年"。指數型進步曲線，不是線性。2.AI能自我改進。AI改進AI，這在人類技術史上從未有過。3.資本可以直接替代勞動。以前雇100個人幹的活，現在一套AI系統+零邊際成本就搞定了。所以，拿2000年網際網路泡沫來類比AI？大錯特錯機構最擔心的3個問題是什麼？問題1：晶片折舊是不是在"美化報表利潤"？市場傳言：超級大廠把GPU折舊年限拉長，變相美化利潤。高盛研報引了一位大廠雲端運算的高管描述："我們2020年買的A100現在還在跑，利用率接近100%。不是折舊造假，是產能根本不夠，老卡都捨不得退役。"所以，你覺得這是財務粉飾，還是真實需求呢？問題2：AI投資回報在那？企業真有賺到錢嗎？質疑的聲音：燒這麼多錢，EPS提升在那？高盛又給了一個案例（某大型電商的Applied AI負責人）："之前我們用500個ML模型做商品合規稽核，24個月才部署完，精準率60%。現在？3個月，1個模型，精準率90%。欺詐商品清理速度翻倍，直接提升GMV。"更關鍵數字：高盛策略師預計，AI生產力提升對S&P 500 EPS的貢獻2026年只有5%，但在2027年提升到15%問題3：估值是不是已經Price-in了所有利多？高盛的估值推演（劃重點！！！）自ChatGPT推出以來，S&P 500市值增加了約$24兆AI相關公司（晶片+超級大廠+私有AI公司）貢獻了約$19兆高盛對AI未來10-15年創造的增量資本收入估值：基準$8兆，樂觀$19兆高盛按出的計算器！！！$19兆增量收入 × 20%利潤率 = $4兆利潤 × 22倍PE =$88兆潛在估值空間而現在市場只漲了$24兆。華爾街的"暗盤"在那？兩個被嚴重低估的方向暗盤1：銅——AI競賽的真正瓶頸大家都在盯著晶片但高盛指出一個更大的問題：美國電力不夠用了資料很嚇人：72%的美國資料中心集中在1%的區域電網跟不上，輕則漲電價，重則直接斷電高盛更狠的一句話："電力瓶頸可能讓美國在AI競賽中輸給中國。"而中國呢？電力產能還在瘋狂擴張。受益標的：銅高盛預測銅價2035年漲到$15,000/噸邏輯很簡單——電網升級必須用銅，而且供應端集中在東大暗盤2：消費股——機構倉位創歷史新低這是報告裡最有"預期差"的部分："Consumer Discretionary（可選消費）的倉位，Gross Exposure創歷史新低，Net Exposure過去一年只有1%分位。"說的再直白些：目前機構對消費股的看空已經到了極致但高盛認為2026年中等收入消費者的實際收入增速會超過2.5%關稅對通膨的推升效應消退，減稅紅利開始兌現預期差在那？大家都覺得消費不行，但收入端正在改善，而估值已經殺低到10年35%分位。黃金：不是避險，是"去美元化"高盛對黃金的目標價：2026年底$4,900/盎司，而且"有顯著上行風險"。核心邏輯變了：2024年：央行買+西方投資者不賣（因為預期降息）= 金價漲30%2025年：央行買+西方投資者搶 = 爭搶同一塊金磚最有意思的一句話："黃金市場相對於美股和美債市場太小了。任何小幅度的配置轉移，對金價都是巨大衝擊。"每增加1bp的配置比例，金價漲1.4%。高盛相關建議高盛這份報告的標題叫"Conviction over Consensus"——信念勝於共識yes!散戶在網際網路上形成了共識機構在產業鏈中看到了信念 (FinHub)

在圍繞AI投資的激辯中，一個核心會計問題正成為多空雙方的新戰場：作為算力基石的GPU，其真實的經濟壽命究竟是多久？這個問題的答案，直接關係到科技巨頭數百億美元的利潤以及當前AI估值泡沫的虛實。據投行伯恩斯坦（Bernstein）在11月17日發佈的一份報告，分析師認為，將GPU的折舊周期設定為6年是合理的。報告指出，即便考慮到技術迭代，運行舊款GPU的現金成本相對於其市場租賃價格而言非常低，使得延長使用年限在經濟上完全可行。這一發現意味著，對於亞馬遜、Google和Meta等大型雲服務提供商而言，其當前的折舊會計政策在很大程度上是公允的，並非刻意粉飾財務報表。這直接為科技巨頭的盈利能力提供了辯護。然而，這一觀點與市場上的悲觀論調形成鮮明對比。以預測了2008年金融危機的“大空頭”Michael Burry為代表的批評者認為，AI晶片等裝置實際壽命僅2-3年。Burry警告稱，科技巨頭正在玩一場危險的會計“戲法”，旨在人為抬高短期利潤。01 伯恩斯坦：6年折舊在經濟上可行分析師Stacy A. Rasgon在報告中明確指出，GPU可以盈利地運行約6年，因此大多數超大規模資料中心的折舊會計是合理的。這一結論的基石在於經濟性分析：營運一塊舊GPU的現金成本（主要是電力和託管費用），遠低於市場上的GPU租賃價格。這意味著，即便硬體性能不再頂尖，但只要市場對算力的需求依舊旺盛，持續運行舊GPU就能帶來相當高的貢獻利潤。資料顯示，即使是已有5年歷史的輝達A100晶片，供應商依然可以獲得“舒適的利潤”。伯恩斯坦的測算表明，只有當GPU老舊到7年前的Volta架構時，才開始接近現金成本的盈虧平衡點。因此，報告認為，大型雲服務商（Hyperscalers）採用的5-6年折舊周期，從經濟角度看是站得住腳的。02 經濟可行性：高昂的租金與低廉的營運成本Bernstein的分析拆解了GPU的營運經濟學。GPU租賃價格，要比其營運的現金成本高出一個數量級。以A100晶片為例，報告估算其貢獻利潤率高達70%。具體來看，其每小時收入約為0.93美元，而包括電力、託管和維護在內的現金成本僅為0.28美元。這種巨大的利潤空間，使得雲廠商有充分的經濟動機去儘可能延長GPU的執行階段間。報告還提到，GPU的價值損失並非線性。它們通常在第一年因“磨合期”（burn-in）問題和市場對最新硬體的偏好而損失20-30%的價值，但在那之後價值保持得相對穩定。此外，報告通過與行業參與者的交流證實，GPU在物理上通常可以使用6-7年甚至更久。早期出現的一些“燒燬”案例，大多歸因於新硬體上線初期的配置錯誤（即“burn-in”階段問題），而非GPU本身的設計壽命缺陷。03 算力需求旺盛，舊晶片仍有市場當前的市場環境是支撐舊款GPU價值的另一個關鍵因素。報告強調，在一個“算力受限”的世界裡，市場對算力的需求是壓倒性的。領先的AI實驗室普遍認為，更多的算力是通往更高智能的路徑，因此他們願意為任何可用的算力付費，即使是舊型號。行業分析師指出，A100的算力容量至今仍接近完全預訂的狀態。這表明，只要需求持續強勁，運行效率較低的舊硬體依然有其存在的價值。04 科技巨頭的折舊選擇根據公司檔案，Google對其伺服器和網路裝置的折舊年限為六年；微軟為二至六年；Meta則計畫從2025年1月起，將部分伺服器和網路資產的使用壽命延長至5.5年。值得注意的是，並非所有公司都在延長折舊期。亞馬遜在2025年第一季度已將部分伺服器和網路裝置的預計使用壽命從六年縮短至五年，理由正是AI技術發展的加速。這一舉動為看空者的論點提供了一定的支援，也顯示了行業內部對硬體迭代速度的不同判斷。05 “大空頭”的警告：會計“戲法”與虛增的利潤與伯恩斯坦的樂觀看法截然相反，“大空頭”Michael Burry在11月11日通過其社交平台發出了嚴厲警告。他認為，科技巨頭正在通過延長資產的“有效使用壽命”來低估折舊，從而人為地抬高了收益。華爾街見聞寫道，Burry指出，AI晶片和伺服器等計算裝置的產品周期通常只有2到3年，但包括Meta、Alphabet、微軟、甲骨文和亞馬遜在內的一些公司，卻將其折舊周期延長至6年。他預計，從2026年到2028年，這種會計處理方式將使大型科技公司的利潤被虛增1760億美元。Burry特別點名，到2028年，甲骨文的利潤可能被誇大26.9%，Meta的利潤則可能被誇大20.8%。值得注意的是，Burry的觀點並非孤例。早在9月中旬，美國銀行和摩根士丹利就曾發出警告，稱市場嚴重低估了當前AI投資的真實規模，且對未來折舊費用激增的衝擊準備不足，這可能導致科技巨頭的真實盈利能力遠低於市場預期。這一系列警告，疊加Burry此前披露的輝達看跌期權持倉，加劇了市場對AI相關股票估值的擔憂。 (芯師爺)