AI是否出现泡沫|盯紧这个70个基点

如果AI存在泡沫，那么是否有可观察其破灭的现行指标？别盯资本开支，盯这个70个基点

“7000亿美元AI投资，会不会把市场炸了？”

这个问题问错了。

真正该问的是：这些钱投下去，赚的钱还够不够还本付息？

Gavekal Research最近给了一个很有意思的框架：决定AI投资周期能不能继续的，不是资本开支绝对规模，而是维克塞尔利差。

说人话，就是：

投资回报率 − 融资成本。

只要这个差值还够厚，企业就有动力继续投。

如果这个差值被压没了，AI资本开支才会真正危险。

▶ Gavekal的核心判断是：当前维克塞尔利差仍比过去二十年历史中位数高约70个基点，AI投资周期还没到最危险的位置。

这句话很重要。

因为它把“AI泡沫”从情绪问题，变成了算账问题。

一、为什么市场越来越担心AI投资周期？

因为钱花得太猛了。

过去两年，市场的AI叙事很简单：

英伟达卖GPU；

云厂买GPU；

数据中心扩建；

电力、液冷、光模块、存储跟着涨；

股价一路反映未来。

但到了2026年，问题开始变味。

市场不再只问：“你买了多少GPU？”

开始问：“这些GPU能赚多少钱？”

这就是拐点。

公开报道显示，微软、Meta、Alphabet、Amazon等超大云厂2026年资本开支计划继续大幅上行，有分析预计四大科技巨头资本开支可能达到约7250亿美元10。Axios引用的预测也显示，Google、Meta、Microsoft、Amazon的资本开支从2023年约1400亿美元，可能升至2026年约6100亿美元14。

这个数字很吓人。

但光看金额，会误判。

因为大公司花钱多，不一定是泡沫。

有时候是赚钱机器在扩产。

二、维克塞尔利差是什么？别被名字吓到

维克塞尔利差，就是资本回报和资本成本之间的差。

公式很简单：维克塞尔利差=ROIC−WACC维克塞尔利差=ROIC−WACC

其中：

• ROIC：投入资本回报率，代表企业用钱赚钱的能力；
• WACC：加权平均资本成本，代表企业筹钱的成本。

如果ROIC高于WACC，企业投钱是划算的。

如果ROIC低于WACC，企业越投越亏。

瑞典经济学家维克塞尔的基本思想，就是经济周期常由“自然利率”和“市场利率”的差异推动。现代分析里，这可以理解为资本回报率和融资成本之间的差。Gavekal过去也长期使用这种框架，把Baa长期债券收益率等指标作为企业资本成本代理，来观察商业部门投资激励。

这套东西听着学术。

实际很朴素。

你开饭店也一样：

开店回报率15%；

借钱成本6%；

那你会继续开分店。

但如果：

开店回报率5%；

借钱成本8%；

你还扩张？

那不是企业家。

那是给银行打工。

AI数据中心也是这个逻辑。

▶ 泡沫不是“花钱多”，泡沫是“花钱赚不回融资成本”。

三、Gavekal的判断：现在还没到危险区

Gavekal真正反驳的，是那种“资本开支一大就必然崩”的直觉。

MarketWatch援引Gavekal Research观点称，当前AI资本开支周期最大的威胁不是规模本身，而是维克塞尔利差是否收窄；目前ROIC仍高于WACC，该利差仍然较宽，支持企业继续投资。

更具体一点，Gavekal指出，当前该指标仍比过去二十年历史中位数高出约70个基点。

70个基点听起来不大。

但在宏观投资框架里，它很有分量。

因为这说明：

企业资本回报还不错；

融资成本还没压垮投资；

AI相关资本开支仍有经济动机；

周期还没有进入“越投越亏”的阶段。

这不是说AI没有泡沫。

也不是说股价都合理。

而是说：

如果只从资本回报和融资成本看，AI投资周期还没自然死亡。

四、真正的风险不是“投太多”，而是“回报下滑”

AI周期会不会破，关键看ROIC会不会掉。

这比看资本开支更重要。

AI公司现在投的钱，主要进了：

GPU；

HBM；

服务器；

液冷；

数据中心；

电力设备；

光模块；

网络交换；

软件和模型训练。

只要这些投资带来的收入增长、利润率提升、客户粘性增强，能覆盖资本成本，周期就还能延续。

但如果回报下滑，问题就来了。

ROIC下滑通常来自几件事：

1. AI服务货币化不及预期

如果用户愿意用AI，但不愿意为AI付足够的钱，回报就会掉。

这很现实。

今天很多AI产品还在补贴用户。

推理成本高。

竞争激烈。

免费替代很多。

如果AI应用不能形成足够高的付费收入，云厂和模型公司就会面临利润压力。

2. GPU利用率不够

数据中心建好，但算力卖不满，这就是资本开支灾难。

这和酒店一样。

建酒店不是错。

空房率高才是错。

AI数据中心如果利用率下降，折旧还在，电费还在，融资成本还在，利润会被挤压。

3. 算力价格快速下跌

供给扩太快，会压低算力租赁价格。

这会直接影响回报。

如果GPU云价格下滑速度快于成本下降，云厂ROIC会收窄。

4. 电力和基础设施拖慢交付

钱投出去了，但数据中心迟迟上不了线，也会拉低回报。

现在AI数据中心不只缺GPU，还缺电、变压器、液冷、土地、并网和施工队。

资本开支沉下去，收入没起来。

利差就会变窄。

五、融资成本也不能忽视：利率是AI周期的地心引力

WACC上升，会让所有故事变贵。

过去十几年，科技投资吃了低利率红利。

钱便宜，远期现金流值钱，资本开支容易扩。

但现在不一样。

利率更高。

债务更贵。

投资者更关心现金流。

CNBC报道称，AI热潮下大型科技公司资本开支仍在升高，市场甚至看到2027年AI资本开支可能超过1万亿美元的讨论；与此同时，分析师也在关注销售和自由现金流能否改善来支撑这些投资。Seeking Alpha相关报道也指出，2026年超大云厂AI资本开支进入关键阶段，投资者开始要求看到回报，并关注债务融资风险。

这就是WACC的重要性。

如果利率再上，或者信用利差扩大，融资成本上升。

即便ROIC不变，维克塞尔利差也会收窄。

所以AI周期有两个刹车：

回报率下降；

融资成本上升。

任何一个来得太猛，都会出事。

六、为什么“资本开支大”本身不是泡沫证据？

因为大型科技公司的资产负债表太强了。

这和2000年互联网泡沫不同。

当年很多公司没有利润。

没有现金流。

靠股权融资烧钱。

今天的AI资本开支，主要由全球最赚钱的公司承担：

Microsoft；

Alphabet；

Amazon；

Meta；

Oracle；

一部分由xAI、OpenAI、Anthropic等通过合作和融资承担。

这里面确实有激进融资。

但核心买家不是小破公司。

它们有现金流。

有客户。

有云业务。

有广告业务。

有生态入口。

所以你不能直接把“AI数据中心”类比成2000年光纤泡沫。

更好的类比可能是：

铁路、电网、云计算早期、以及部分电信资本开支周期的混合体。

有泡沫成分。

也有真实基础设施。

▶ AI投资周期最可能的结局，不是全部归零，而是从“所有人一起涨”变成“只有回报好的公司继续涨”。

这才是投资重点。

七、哪些公司最受益？看“回报扩张链条”

如果维克塞尔利差还宽，资本开支就有惯性。

这意味着AI基建供应链还能受益。

但要分层。

第一层：直接吃资本开支

这些公司最受益于AI投资继续扩张：

NVIDIA：GPU和整柜系统；

AMD：AI加速器追赶者；

Broadcom：ASIC、网络芯片、交换；

Marvell：定制芯片和高速互连；

Arista：数据中心交换机；

Coherent、Lumentum：光通信；

Micron、SK hynix、Samsung：HBM和存储；

Vertiv、Schneider、Eaton、Delta：电力、液冷和数据中心基础设施。

只要资本开支继续，这一层有订单。

但估值也最敏感。

第二层：受益于瓶颈

这些公司不一定最大，但可能最缺：

液冷CDU；

变压器；

高压开关；

电缆；

母排；

光模块；

HBM；

先进封装；

电力设备。

AI周期进入后半段，市场会从“买GPU”转向“买瓶颈”。

这已经在发生。

第三层：真正决定回报的应用层

这层更关键：

AI软件；

企业自动化；

代码生成；

客服和销售自动化；

医疗、金融、制造业AI；

广告推荐；

云AI服务。

如果应用层赚不到钱，前两层迟早压力会来。

硬件能先涨。

但最后要靠应用买单。

八、怎么判断AI周期有没有危险？我看五个指标

不要每天争论泡沫。看数据。

1、维克塞尔利差

ROIC减WACC。

这是总仪表盘。

如果利差持续收窄，并跌破历史中位数甚至转负，风险上升。

2. 云厂自由现金流

如果资本开支吞掉大部分经营现金流，自由现金流持续恶化，市场会开始紧张。

有报道提到，部分分析认为超大云厂AI资本开支正在消耗大量经营现金流，甚至可能导致个别公司自由现金流转负2427。

这不是马上爆。

但要盯。

3. GPU利用率和算力价格

如果算力价格坚挺、利用率高，投资回报有支撑。

如果算力租赁价格快速下跌，回报会收缩。

4. AI收入披露

微软、Google、Amazon、Meta、Oracle等公司披露AI收入越具体，市场越安心。

模糊叙事撑不了太久。

5. 信用市场

如果科技债利差扩大，AI项目融资成本上升。

WACC会上来。

利差会变窄。

九、投资上怎么处理？别做二元判断

AI不是“泡沫或非泡沫”的二选一。

更像三段：

第一段：叙事扩张

大家买故事。

GPU、模型、云、光模块一起涨。

第二段：资本开支扩张

订单开始兑现。

供应链利润上来。

估值分化。

第三段：回报验证

市场开始问：

谁赚到了钱？

谁只是卖铲子？

谁资本开支过度？

谁资产周转下滑？

谁自由现金流变差？

我们现在正在进入第二段后半段，往第三段靠。

所以投资策略也要变。

▶ 现在不是看谁最像AI，而是看谁能把AI变成高ROIC。

这句话比“AI改变世界”更有用。

十、AI不死，但免死金牌也没有

Gavekal这次框架很有价值。

它提醒我们：

不要被资本开支数字吓傻。

7000亿美元听起来吓人。

但如果回报率够高，融资成本可控，这就是扩产。

不是泡沫。

反过来，如果回报率掉下去，哪怕资本开支没那么大，也会出事。

▶ 真正戳破AI泡沫的，不是“投资规模太大”，而是“投资回报无法覆盖融资成本”。

当前维克塞尔利差仍高于过去二十年中位数约70个基点，说明企业投资激励还在。AI资本开支周期可能会更久。

但它也会更挑剔。

赢家会继续投资。

输家会被迫收缩。

最后市场会发现，AI不是一个行业。

它是一场资本配置考试。

谁能用更低成本拿到资本，再把资本投成更高回报，谁就赢。

很简单。

也很残酷。