夜雨聆风
图片来源：Substack
分享一篇在Substack上看到的文章，原标题为“人工智能资本周期：现状与未来展望”（The AI Capital Cycle: Where We Are Now and What Comes Next）。
很多人认为AI繁荣与技术相关。
但实际上，它关乎的是资本配置。
互联网周期、云计算周期和移动互联网周期都关乎资本周期。
AI的影响更大——因为它同时冲击着计算、软件、劳动力、能源和国家战略。
当资本涌入一个新的领域时，相关行业的发展轨迹往往遵循可预见的模式：
基础设施被搭建；
工具不断完善；
渗透率提升；
利润率扩大；
市场逐渐饱和，竞争出现；
最后，唯有经得起考验的参与者才能存活。
对投资者来说，当下真正值得思考的问题已不再是“AI是否真实存在？”（因为它却是存在），而是“我们目前处于AI资本周期的哪个阶段？”
因为周期定位比叙事方式对回报的影响更大。
一、早期基础设施建设：淘金热阶段
每一次变革周期都以同样的方式开始：先建设，再盈利。
无论是铁路时代、石油热潮、90年代的光纤通信，还是2010年代的云数据中心。
AI当然也不例外。
目前我们仍处于算力军备竞赛阶段：
超大规模云服务商正大幅增加资本支出预算；
定制芯片需求旺盛；
代工产能受限；
网络瓶颈真实存在；
内存带宽战略意义突显；
数据中心扩建提速。
当资本涌入这类基础设施时，往往会出现过度反应（overshoot）现象。
但这里有一个关键区别：股市的过度反应（overshoot）不等于基础设施的过度建设（overshoot）。
基础设施周期的持续时间通常比怀疑论者预期的更长，原因在于：
资本一旦被投入，就必须加以部署；
数据中心一旦开工，就必须建成；
芯片一旦下单，供应链就会扩张。
这样便会形成一种惯性。
资本支出加速增长是一个明显的信号。
在行业周期的早期阶段，我们会看到如下现象：
买方的资本支出增速高于营收增速；
供应受限；
订单积压；
瓶颈部件拥有定价权；
“我们正在抢先于需求进行投资”的表述。
这些现象均不属于经济周期后期。
周期后期的资本支出呈现出不同特征，主要体现为：
理性化；
优化；
“我们正在消化之前的投资”的表述。
而我们尚未完全来到这一阶段。
二、二阶受益者：轮动悄然发生
在每个周期中，早期赢家通常显而易见，主要包括：
工具供应商（Shovel sellers）；
计算服务提供商；
基础设施运营商。
但真正的长期复利效应，往往出自二阶受益者（Second-Order Beneficiaries）。
所谓“二阶AI受益者”，是指符合以下特征的公司：
不生产芯片，
不运营数据中心，
但因AI提升了其经济效益，盈利能力得到了结构性提升。
例如：
将AI嵌入工作流的软件平台；
实现检测自动化的网络安全公司；
通过营销自动化提升精准投放效果的企业；
能够降低人力密集度的企业级SaaS服务；
能够加速研究周期的金融分析公司。
两者差异微妙，但影响很大：
早期阶段 = 销售工具。
中期阶段 = 通过生产力的提升实现盈利。
这种转换之所以重要的原因如下：
早期基础设施类公司通常：
率先迎来估值扩张；
受益于稀缺性定价；
抓住了资本的紧迫性。
可一旦产能扩张、计算资源不再稀缺，价值重心将转向：
应用层的杠杆效应；
利润率提升；
可持续的现金流。
对于跟随经济周期进行投资的人来说，这种轮动正是超额收益的来源。
三、能源限制：隐形的制约因素
这是被许多投资者低估的一点。
AI不仅是一个软件问题，还是一个能源问题。
AI是能源密集型技术。
大模型训练需要庞大的计算集群。
大规模推理会消耗大量电力。
冷却需求不断增加。
电网容量并非无限。
在某些地区，电力获取正成为新建数据中心的关键制约因素、基础设施需要升级改造……
能源已然成为了物理层面的瓶颈。
但与此同时，能源约束也在扮演“周期延长器”的角色。
能源约束延长了基础设施周期、创造了二级市场投资主体，并提高了市场准入门槛。
当一个行业周期遇到物理瓶颈时，其发展进程要么大幅放缓，要么推动新的资本投资来解决这一约束。
而目前的情况似乎更像是后者。
能源扩张现已成为AI投资主题的一部分。
这表明AI周期仍在经历结构性扩张。
四、利润率扩张阶段：当AI不再是成本
周期早期阶段会压缩利润率，原因是企业在盈利前就需要投入大量资金。在此阶段，研发支出增加、运营成本上升、实验项目激增。
真正的转折点出现的标志是：
单位经济效益提高；
盈利模式被广泛接受；
劳动生产率显著提高。
利润率真正提高的表现形式包括：
毛利率趋于稳定；
员工人均收入增长；
客户留存率持续提高；
销售周期缩短；
经营杠杆效应回升。
而目前AI行业的利润率扩张并不均衡。
一些平台展现出了真正的定价权，但与此同时，许多公司仍处于试验阶段。
由AI驱动的全经济范围内的利润率扩张尚未显现。这表明，我们尚未进入周期的后期阶段。
五、饱和信号：不可避免的成熟期
每个资本周期都会走向成熟。其征兆是可以预见的。
对于AI周期来说，成熟的标志包括：
1. 功能对等
人人都拥有AI助手（AI copilots）；
人人都整合了类似的模型能力；
差异化消失。
AI成为标配。
2. 价格压缩
推理成本骤降；
开源替代方案开始竞争；
AI功能被“免费”捆绑提供。
利润率面临压力。
3. 资本支出合理化
“我们正在进行优化。”
“我们正在整合供应商。”
“我们正在减少实验性支出。”
这些都是周期后期阶段买方会使用的表述。
而目前我们还没有听到太多这样的表述。
六、当前所处阶段
基于上述框架得出以下判断。
基础设施：早期至中期
仍在扩张；
产能仍然受限；
仍然需要大量资本投入。
应用：早期至中期
盈利不均衡；
普及速度加快。
能源：制约因素正在显现
投资持续跟进。
利润率扩张：出现早期迹象，但并不普遍。
饱和度：局部性，而非系统性。
以上表明，我们正处于资本周期的早期至中期阶段。
但这里有一个微妙之处：某些股票的估值可能已处于周期后期水平。周期的成熟度与估值的成熟度是不同的。
七、接下来会发生什么
如果上述框架成立，AI行业将按如下顺序演进：
基础设施持续搭建；
计算效率提升；
应用变现渠道扩大；
利润率扩张路径明晰；
部分行业整合；
幸存者通吃。
可能的资金流向：基础设施→应用杠杆效应→具有可持续现金流的平台。
八、潜在风险
1. 过度建设
基础设施供过于求。
2. 监管冲击
AI治理超预期收紧。
3. 能源瓶颈减缓扩张速度
4. 宏观层面的流动性冲击
这些风险因素并不会使周期失效，但会影响周期演变的速度。
九、未来值得关注的指标：
资本支出的广度；
利润率扩张的迹象；
能源设施建设情况；
定价行为；
有关“优化”的语言表述。
资本态度从“不惜一切代价建设”转向“优化回报”，是周期后期的一个重要信号。
目前尚未全面进入这一阶段。
结语：远不止一笔交易
AI不是某个季度的业绩博弈。不是一时的炒作热潮。
它关乎一场长达数年甚至数十年的资本重新配置。
当后世回顾历史时，当下的AI浪潮足以和互联网、电气化、和云计算并列载入史册。
关键的问题不在于AI能否存续，而在于哪一层能创造持久的经济价值？基础设施？应用？能源？还是统筹这三者的平台？
我们仍处于周期的早期阶段，早到必须重视纪律（discipline）。
但同时，某些公司的估值已达到后期水平，意味着不得不关注估值。
这种微妙的平衡，就是当下周期的底色。
（查看原文请点击阅读原文）
文章仅供学习分享
参考资料
Adam N. The AI Capital Cycle: Where We Are Now and What Comes Next