Meta 出租 GPU 是 AI 牛市见顶的信号吗?读完野村证券最新报告,我反而更乐观了

过去几周，AI 板块出现了一个非常有意思的现象。

一边，韩国宣布未来数万亿韩元的半导体产业投资；另一边，Meta 传出将向外部客户出租部分闲置 AI 算力。两个新闻叠加之后，市场开始出现一种声音：

AI 的资本开支（CapEx）是不是已经开始见顶？AI 牛市会不会提前结束？

如果只看新闻，这样的推论似乎顺理成章。

但当我连续读完摩根士丹利、摩根大通以及野村证券关于 AI 的最新研究报告后，我发现三家机构虽然关注点不同，却都指向了同一个结论：

AI 的逻辑并没有改变，市场真正误读的是需求。

其中，最让我眼前一亮的，是野村证券这篇关于存储行业的短报告。它真正讨论的，其实不是 HBM，也不是三星，更不是韩国，而是一个更大的问题——AI 基础设施需求究竟还能持续多久？

一个几乎所有投资者都忽略的经济学原理

野村在报告最后提到了一个词：杰文斯悖论（Jevons Paradox）。

十九世纪，随着蒸汽机效率不断提高，很多人认为煤炭消耗会下降，因为每台机器需要消耗的煤炭越来越少。

历史却给出了完全相反的答案。

正因为蒸汽机变得更加便宜、更加高效，越来越多工厂开始使用蒸汽机，铁路迅速铺开，工业革命全面加速，最终煤炭的总消费量不降反升。

这就是杰文斯悖论：效率提升，并不会减少需求，反而可能创造更大的需求。

AI 正在经历同样的过程。

很多投资者盯着 Token 成本下降，认为 AI 服务会越来越便宜，硬件需求最终一定会放缓。

但如果 AI 的使用成本下降十倍，会发生什么？

每封邮件都会调用 AI，每次会议都会自动生成纪要，每位员工都会拥有 AI 助手，每一家企业都会部署 AI Agent。

真正变化的，不是单次调用的价格，而是整个社会调用 AI 的次数。

因此，未来决定 AI 基础设施需求的，不是 Token 的价格，而是 AI 使用量是否持续增长。

为什么 Meta 出租 GPU，反而可能是利好？

市场看到 Meta 出租闲置 GPU，第一反应是：

是不是 GPU 买多了？

野村给出的答案却完全不同。

AWS 一直在出租算力。

Azure 一直在出租算力。

Google Cloud 也一直在出租算力。

真正特殊的，其实是 Meta。

过去，Meta 一直没有像其他云厂商一样对外开放算力。如今开始尝试出租闲置资源，本质上并不是 AI 需求下降，而是商业模式开始成熟。

数据中心本来就是按照峰值需求建设的。

一年之中，总会存在部分空闲资源。

把这些资源出租，不代表建设过度，而是提高资产利用率，让同样的数据中心创造更多收入。

这让我想到另一个越来越重要的财务指标——ROIC（投入资本回报率）。

过去几年，市场最关注的是哪家公司投入了更多资本建设 AI 数据中心。

未来，市场更关注的问题可能变成：

谁能让已经投入的资本创造更高的回报？

Meta 出租 GPU，本质上就是在回答这个问题。

HBM：远水救不了近火

报告中还有一句我非常喜欢的话，虽然作者没有直接这样表达，但我认为可以概括为：

«HBM，远水救不了近火。»

韩国宣布未来巨额投资之后，很多投资者开始担心未来会不会再次进入供给过剩周期。

但市场忽略了一件事情。

宣布投资，并不意味着宣布产能。

真正建成一座先进半导体工厂，需要土地、电力、水资源、洁净室建设、设备安装、良率爬坡以及客户认证等一系列复杂流程。

从规划到真正形成有效产能，往往需要五到十年时间。

因此，长期供给规划，不等于短期供给增加。

对于当前的 HBM 市场来说，未来几年依然更重要的是需求，而不是新闻里的投资金额。

我的投资框架，也因此发生了一点变化

以前分析 AI，我最关心的是一个问题：

今年又买了多少 GPU？

现在，我更愿意持续追踪三个指标。

第一，AI 是否正在被越来越多企业真正使用，而不是停留在概念层面。

第二，Hyperscaler 是否能够不断提升 AI 基础设施的利用效率，提高资本回报，而不仅仅是继续扩大资本开支。

第三，今天宣布的投资，到底什么时候才能真正形成有效供给，而不是被市场提前交易。

如果这三个问题的答案依然是积极的，那么 AI 产业链的长期逻辑，我认为并没有发生根本性的变化。

很多时候，一篇优秀的研究报告，并不是告诉你应该买什么股票。

真正优秀的报告，是帮助你建立一套新的认知框架。

而我认为，这篇来自野村证券的短短几页报告，就属于这一类。

---

Star Trek Experiment

持续阅读全球顶级投行研报、商业经典与科技前沿，分享那些真正改变投资认知的观点，而不仅仅是市场情绪。