ARTICLE · 1159085
AI越成功,上游股票就越值得买吗?
AI越成功,上游股票就越值得买吗?科技巨头还在大举投资AI，芯片、服务器和数据中心设备供应商也赚到了大量利润。过去几年，AI基础设施建设成为科技行业最重要的资本开支方向之一，上游企业订单增长，盈利不断改善，部分公司的股票也获得了很高的估值。 但有一个问题值得思考：如果未来AI应用越来越普及，科技巨头的投资回报也越来越好，上游供应商是否就一定能够维持高速增长？ 答案恐怕没有那么简单。 随着算力效率提高，科技巨头可能用更少的设备完成更多工作。前期建设的数据中心陆续投入使用后，新增业务也可以由已有设施承接。与此同时，上游企业看到高利润，纷纷扩大产能，原先紧张的供需关系也可能逐渐缓解。 AI需求仍在增长，科技巨头也在赚钱，但部分供应商的订单增速和利润率可能已经开始回落。如果市场此前按照未来多年高速增长给出了较高估值，即使企业依然盈利，股票投资者也可能遭受明显损失。 10月8日，纽约大学教授Aswath Damodaran发表了一篇关于AI资本开支、企业盈利和现金流的文章。沿着他的分析继续思考，我更感兴趣的是一个问题：AI创造的经济价值，最终会如何在科技巨头、设备供应商和股票投资者之间分配？ 2026年第二季度，Damodaran统计的美国上市公司净利润合计达到9040亿美元，同比增长约57%；同期资本开支同比增长接近36%。虽然统计范围覆盖金融、科技、能源等多个行业，不能把全部增长归因于AI，但企业盈利和资本投入同步扩张的趋势相当明显。 AI资本开支对企业盈利的推动，首先发生在设备采购环节。 微软、谷歌、亚马逊等科技巨头建设数据中心，需要购买大量芯片、服务器、网络设备和电力设施。供应商完成交付，满足收入确认条件，就可以将销售收入及相应利润计入财务报表。 但采购设备的科技巨头，面临的是另一笔账。 企业先花钱建设数据中心，再通过未来几年的AI服务收费、广告收入增长或者内部运营效率提升，逐步收回投资。设备买回来以后能否创造足够的经济回报，需要等待未来的经营结果。 会计处理进一步拉开了双方的时间差。 假设一家科技公司花费100亿元采购设备，年初投入使用，按照五年直线折旧且不考虑残值，当年利润表只需要确认20亿元折旧费用，但100亿元现金已经支付。 供应商的销售利润可能已经实现，采购方的设备成本却仍在逐年进入利润表。 于是在建设高峰期，上游供应商率先实现利润增长，采购方的当期利润也不会一次性承担全部设备成本。双方的财务报表都可能表现不错，但前期投资究竟能创造多少经济价值，尚未得到充分验证。 当然，供应商的利润有真实交易作为基础，设备分年折旧也符合会计原则。不能因为建设方尚未收回投资，就否定上游已经实现的盈利。 真正值得关注的是，设备卖出去以后，供应商完成了一笔生意；客户未来是否继续购买同样多的设备，却取决于前期投资能否获得足够好的回报。 科技巨头有能力把投资周期拉得很长。 微软、谷歌和亚马逊拥有软件、广告、云计算等成熟业务，每年产生大量经营现金流。即使部分AI项目暂时无法收回成本，也可以用原有业务赚到的钱继续建设。企业还可能出于竞争考虑提前投资，避免在未来的技术和市场竞争中落后。 因此，下游投资回报尚不明确，上游供应商仍然可能连续几年获得强劲订单。 但资金总有其他用途。 用于建设数据中心的现金，原本可以分红、回购股票，也可以投向其他业务。即使完全使用自有资金，企业也需要考虑机会成本。 如果AI项目迟迟无法产生足够的新增收益，管理层最终仍然要重新评估建设规模。 Damodaran在原文中还提到，截至2026年9月，标普500公司最近十二个月的分红与回购合计约占净利润的63%，低于过去二十年许多时期80%以上的水平。 需要注意，63%是股东现金分配占净利润的比例，并非自由现金流转化率，比例下降也不代表分红回购的绝对金额减少。但随着企业将更多资金投入长期资产，未来能向股东返还多少现金，也会更加依赖新增投资的实际回报。 科技巨头雄厚的财力可以延长投资回报的验证期，却无法永久消除资本回报的约束。 对于上游供应商而言，已经签订的订单能够支撑眼前的利润，未来的持续增长则需要下游投资不断创造经济价值。 过去讨论AI产业链投资，通常有一条很直观的逻辑：AI应用越广泛，算力需求越大，科技巨头购买的设备也就越多。 逻辑大体成立，但容易忽略技术进步带来的变化。 假设一家云计算公司每年需要处理100亿次AI任务，现有设备刚好能够满足需求。未来业务量翻倍，增长到200亿次。 如果设备效率保持不变，云厂商自然需要增加算力投入。 但假如通过模型优化、推理加速和任务调度，同一批设备就能完成原来两倍的工作，即使业务量翻倍，也未必需要购买同样多的新设备。 实际情况还会更加复杂。 过去几年，科技巨头已经建设了大量数据中心。新业务出现后，可以先利用已有设备的闲置容量，逐步提高利用率，而无须立即启动新的建设项目。 对于科技巨头而言，结果可能相当理想：AI服务的使用量不断增长，单位成本持续下降，前期投入的数据中心产生更多收入，资本回报也随之改善。 但设备供应商未必能够分享全部收益。 原因很简单。科技巨头希望用更少的投入创造更多收益，设备供应商却需要客户不断增加采购，才能延续此前的收入增长。 当然，技术进步也可能带来相反的结果。 AI服务越来越便宜，过去成本太高、不值得使用AI的场景，可能逐渐具备商业价值。企业愿意将AI引入更多工作流程，个人用户的使用频率也可能明显提高。 如果新增需求增长得足够快，完全可能抵消单位业务所需算力的下降。 硬件更新换代同样会创造新的采购需求。性能更强的芯片可能卖出更高价格，领先供应商也有机会通过技术优势分享效率提升创造的价值。 所以，不能因为单位算力成本下降，就认定未来设备采购一定减少。 但至少需要承认，AI需求增长和设备采购增长之间，并不存在固定的比例关系。 对于投资者而言，预测未来AI应用增长多少还不够。还需要判断满足新增需求究竟需要多少设备，已有设施能够承担多少工作，以及供应商能否维持原有的销售价格和利润率。 这里还有一层容易忽视的区别。 一家数据中心已经建成，即使最初的投资回报不理想，只要继续运营获得的收入能够覆盖可以避免的运营和维护支出，继续使用仍然可能比直接停用更加划算。 但再建设一座数据中心，需要重新投入资金。管理层必须重新计算未来能够获得多少收入，需要承担多少成本，以及项目回报是否值得冒险。 已有资产继续赚钱，并不意味着购买更多同类设备仍然是一笔好生意。 对于上游供应商来说，真正影响未来订单的，是科技巨头下一笔投资准备花多少钱，以及花出去以后能够获得多少回报。 AI产业发展得越来越好，科技巨头的资本效率越来越高，与部分设备供应商的订单增速放缓，完全可能同时发生。 除了技术进步，还有一个来自资本周期本身的影响。 当一种设备供不应求时，拥有产能的企业往往具有很强的议价能力。 科技巨头急着建设数据中心，更关心能不能及时拿到设备。供应商订单充足，产品价格提高，利润率也随之改善。 但高利润本身就会改变行业参与者的行为。 原有供应商看到旺盛需求，自然愿意扩大产能，希望获得更多订单。其他企业也会被高利润吸引，尝试进入市场。 与此同时，科技巨头不会一直被动接受高昂的采购价格。 尤其是拥有雄厚技术和资金实力的企业，设备价格越高，越有动力提高使用效率，寻找替代方案，甚至开发适合自身业务的芯片和系统。 供应商希望通过扩产赚取更多利润，客户则希望通过技术进步和采购竞争降低成本。双方都有充分的经济动机。 当然，扩大产能和开发替代产品都需要时间。新的芯片要完成研发、生产和客户验证，数据中心及配套设施也要经历较长的建设周期。因此，供给调整过程中，紧缺状态和高利润仍可能维持数年。 但当新增产能陆续释放，客户有了更多选择，原先支撑上游高利润的供需关系就可能发生变化。 即使AI终端需求继续增长，部分设备也可能逐渐从紧缺走向供给充足。 供应商最先遇到的问题，甚至未必是收入下降。 订单可能仍在增加，销售规模继续扩大，但随着竞争加剧，议价能力已经开始减弱。此前依靠供不应求获得的高利润率，逐步回到更加正常的水平。 如果企业在景气高峰期大规模扩产，还需要承担新增厂房和设备的折旧，以及备货、应收账款形成的资金占用。订单增长一旦放缓，利润和现金流受到的压力可能比收入变化更加明显。 AI产业规模继续扩大，与部分上游供应商的超额利润开始回落，可以同时发生。 不过，并非所有供应商都会受到同样的影响。 AI芯片、服务器、光模块、电力设备等环节，技术门槛、竞争格局和客户议价能力存在很大差异。 拥有持续技术优势、成熟软件生态、较高客户转换成本或者难以替代的制造能力的企业，可能长期维持较强的定价权。技术进步也可能让领先企业扩大竞争优势，将更多行业利润集中到自己手中。 真正需要研究的是，供应商的高利润究竟来自哪里。 如果主要来自技术壁垒、规模优势和持续创新，盈利能力可能维持很长时间。 如果更多来自阶段性的供需紧张，随着竞争者进入和新增产能投放，超额利润就会逐渐受到挑战。 两种盈利来源在财务报表上可能表现得非常相似，长期价值却存在显著差异。 设备紧缺的时候，拥有技术优势的公司和暂时供不应求的公司，都可能赚到很多钱。等到新增产能释放、客户拥有更多选择，才能逐渐看出谁真正掌握了定价权。 对于投资者而言，尤其需要警惕把建设高峰期的稀缺性，当成企业不可动摇的长期竞争优势。 回到股票市场，还需要考虑另一层问题。 即使一家企业未来能够持续盈利，也不意味着股票投资者一定可以获得良好回报。 股票价格反映的不仅是企业当前赚了多少钱，还有市场预计它未来能够赚多少钱，以及愿意为未来增长支付多高的价格。 假设一家设备供应商上一年度每股盈利10元，市场预计下一年度能够增长到15元，愿意给予20倍预期市盈率，对应股价300元。 后来，企业经营仍然不错，但订单增长低于市场预期，下一年度每股盈利预测从15元下调至12元。 与此同时，投资者发现此前的高速增长难以长期持续，愿意支付的预期市盈率也下降到18倍。 股价就从300元变成216元。 即使企业最终实现每股盈利12元，相比上一年度仍然增长20%，股票却已经较原来的300元下跌28%。 上述数字只是一个简化假设，但背后的定价机制值得重视。 投资者不仅要承受盈利增长低于预期的影响，还可能失去此前为未来多年高速增长支付的估值溢价。 而且，资本市场通常不会等到财务报表出现明显恶化，才开始调整价格。 一家企业可能仍然拥有充足订单，收入和利润继续增长，但如果投资者已经意识到未来采购增速可能下降，或者短缺时期的高利润率难以维持，股价就可能提前反映变化。 资本开支本身也需要区分不同情形。 假设科技巨头今年投入100亿元，明年增加到150亿元，后年继续增加到180亿元。资本开支增速从50%下降到20%，但投入总额仍然在增长。 如果前期建设的数据中心陆续投入运营，付费需求持续增加，已有资产开始产生更多现金，资本开支增速放缓可能意味着科技巨头正在收获此前的投资。 对于科技巨头而言，可能是一件好事。 但如果设备供应商的股价此前已经按照客户未来多年维持50%的采购增速定价，即使采购金额继续增加，20%的增长仍然可能令人失望。 另一种情况则更加危险。 科技巨头发现，前期建设的数据中心利用率低于预期，AI服务降价又无法带来足够的新增需求，部分项目的投资回报甚至低于资本成本。 管理层因此推迟新机房建设，缩减设备采购。上游供应商不仅失去新增订单，还可能面对产能闲置和产品降价。 如果多家科技巨头同时调整投资计划，压力还可能沿着共同供应商向产业链传导。若相关项目高度依赖债务融资，偿债压力和融资收紧又会进一步放大经营调整的影响。 但正常的投资放缓与系统性危机之间，仍然存在很大距离。 少数项目投资失败，或者某个季度资本开支增速下降，都不足以证明整个AI投资周期已经出现严重问题。 Damodaran在原文中也讨论了AI投资成功、回报一般和投资失败的不同情景。技术能够创造真实经济价值，并不保证每笔资本投入都能获得足够好的回报。 因此，判断AI资本开支周期，不能只盯着科技巨头明年准备花多少钱。 如果减少新建设的同时，已有数据中心的付费收入、利用率和经营现金流持续改善，说明企业可能正在提高资本效率。 如果需求持续低于建设时的预期，新增项目难以获得合理回报，科技巨头开始推迟采购，上游供应商的订单、利润率和现金回收又相继转弱，那么投资风险就有了更具体的依据。 即使产业经营没有恶化，也要关注股票价格此前反映了多少乐观预期。 一家公司拥有良好的技术和商业前景，可能仍然是一笔糟糕的股票投资。关键在于，投资者买入时已经为未来的增长支付了多少价格。 过去几年，AI基础设施建设创造了大量真实的商业机会，也让一批上游企业获得了丰厚利润。随着AI逐步进入更广泛的经济活动，产业规模仍可能继续扩大。 但技术进步不会保证每个参与者都获得同等回报。 科技巨头可能通过提高算力效率获得更好的资本回报，用户可能享受到越来越便宜的AI服务，而部分上游企业则需要面对订单增速放缓、竞争加剧和利润率回落。 对于股票投资者而言，最容易犯的错误，是把建设高峰期的盈利水平和供需格局，当成能够长期延续的常态。 看对一个产业的未来，只是投资判断的起点。企业究竟能够从产业增长中获得多少利润，以及买入股票时已经为未来支付了多少价格，才最终决定投资回报。
资料来源：Aswath Damodaran，2026年10月8日，《Stock Prices, Earnings and Cashflows: The AI Effect plays through!》。美国市场数据沿用原文；资本开支、设备效率及估值案例为简化假设。关于上游供应商竞争、利润持续性和股票投资回报的讨论，为原文基础上的延伸分析。