夜雨聆风承接前篇
AI是否有风险
在讨论了这么多AI的产业链和商业模式后，回到我们一开始提出的问题，AI是否有风险，任何投资都是有风险的，但是AI的风险比较复杂，如果把它对比成本世纪初的那场互联网泡沫，有类似，且规模已经远超互联网泡沫的规模，但是市场的资本体量和承受力早就超越那个时候了。两者类似，但有很大的不同。不同在哪里呢，市场上热议的AI是否有泡沫，有两大风险，技术风险和融资风险。
我们上篇说，市面上对AI是否有泡沫有两种声音，一个是说AI技术发展喜人，应用广泛，没有泡沫，另一个说估值太高，泡沫太大。这两种说法都对，只是角度不一样。
如果站在技术的角度，AI的发展确实喜人，大模型越来越多，AI应用的场景也越来越广泛，这些都是商业机会，技术确实在进步。但同时，AI的估值也越来越高，有些公司到了看起来很离谱的地步，美股一家做鞋子的公司，粘上了AI概念，说要买AI服务器，股价当天涨了5倍，但是服务器在哪，不知道，近些年设计芯片，尤其是内存的厂商，涨势喜人，韩国全民炒股，把国运赌在AI上，几天内，韩国股市不是暴涨熔断就是暴跌熔断。所以，AI泡沫的说法也是有道理的。但是世界是全面的，看问题我们不能单一视角，需要从全产业链去考虑。任何行业分析，只考虑收益不考虑成本也是不现实的，反过来，只考虑成本不考虑收益也是杞人忧天的。
AI的风险，从全产业链角度来看，那就是成本传导被资本市场截断了。任何一个产业链，如果正常发展，首先要有利润的合理分配，以及成本可以摊到产业链各环节，从原材料到半成品，再到成品，每一步都是环环相扣，以手机产业为例，原材料涨价会带动手机价格涨价，哪一个环节断供，对整个产业来说都是有巨大影响的。而AI这个产业链，能源→硬件→软件→应用，每一个环节的独立性很高，形成了自己的小市场，如果出现成本上升，成本不是转嫁给下游，而是更多向资本市场转嫁。这也是AI目前出现的问题，也是现在全球想要解决的问题。
AI各环节成本
这里我们每个环节拆解一下，AI产业链各环节的成本到底在哪里。
一、能源及基建
能源建设简单来说就是电网建设，这一块的成本简单来说就是基础设施建设的成本，在以往基建的产业链角度分析，机场建设可以从机场运营中获取现金流，债务扩张是基建的典型特征，而基建举债的根本就在未来现金流的保证，高速公路有收费站，高铁有票价和铁路广告收入。没有现金流为基础的债务融资，风险比股市泡沫还要严重。那么AI的基础设施建设就需要数据中心和发电站，那回收的现金流基础，主要在电价，这里看起来很合理，但是我们还要看增加的成本，成本在哪里，一个是建设成本（CAPEX），还有一个容易被大众忽略的成本——维护成本（OPEX）。
维护成本在哪里，电网太大，目前无法量化出来，数据中心的维护成本，我在这里给一个表格：
据Uptime Institute & Gartner 2024报告，AI专用数据中心的年度运维成本（OPEX）约为传统数据中心的1.8–2.5倍，其中维护相关支出（含备件、人工、预防性维修）占比从30%升至45–50%。维护成本会有什么样的影响呢，举个例子，当一台H100的年均故障维修费超过其月租金时，‘租用算力’的经济性就值得重新计算了。为什么维护成本需要被重视，因为成本分两种——赊账和即时现金流，大部分的维护成本是即时现金流，而现金流是企业的生死线。在没有下游现金流保证的情况下，巨量现金流支出就要依靠企业本身的现金储备和其他现金流资产。数据中心的现金流收入大部分来自于各大AI厂商的租金，但是AI厂商的现金流收入出现了断层，因为大部分AI厂商的应用端是没有收费或者低价收费，你用ChatGPT，用豆包，用千问，C端几乎低价收费甚至不收费，B端虽开始收费（如企业知识库、智能客服），但多为项目制或定制化服务，尚未形成标准化、可复制的SaaS订阅模式；更重要的是，其带来的效率提升难以量化归因，企业不愿为‘模糊增益’长期付费。所以AI对企业很大程度上是一个新的业务模式，还没有形成刚需，这个和互联网不同，现在企业对互联网已经是刚需，而AI还没达到刚需。在刚需没有建立起来时，对现金流的影响就是不稳定且未知，每年的波动很明显，而数据中心的各项成本支出确实很稳定且确定。我们想一下，一个数据中心，当维护成本是刚性的、收入是弹性的、用户付费意愿是脆弱的——这个三角悖论下，这里的风险，你怎么去对冲。
在目前的情况下，资本市场是对冲这个风险的主要方式，不过中美的方式会有所不同。美国一般是几家大型科技公司成立合资公司（SPE），由SPE去融资，科技公司入股，风险由各个股东共担，属于市场自发的行为。这里需要提一下，美国这样的模式会带来另一个风险，融资风险，说白了就是风险出表，这个后面会具体说。中国则是国家资本作为长期资本承担了大部分的风险。
二、硬件和软件
硬件和软件是近些年的IPO集中区，尤其是硬件，英威达、三星、海力士，这几家公司都是这波AI潮的受益者，尤其是海力士，AI服务器需求导致内存条涨价，一年的收入暴增。不过近期韩国股市的过山车行情着实让人心跳加速。AI服务器的需求确实导致硬件厂商的收入暴增，但是我们需要思考一个问题，这个收入的持续性多高。
有关收入持续性的问题，我们依然要从产业链的角度去思考，硬件厂商的客户是谁——数据中心这些AI服务器，然后我再问一个问题，数据中心的客户是谁——企业客户，也就是软件公司和大模型训练厂商，大模型厂商和软件公司的客户是谁，有B端又C端，那么我们就得出一个产业链，硬件→数据中心→软件厂商→个人或企业客户，如果产业链健康，现金流的最终来源地还是个人或企业客户，那么回到我们之前已经讨论的问题，他们的付费意愿有多大，我们之前说过，目前而言，AI对企业还处于探索阶段，个人用户的付费意愿很低，AI目前没有形成刚需。
这时肯定有人会说，AI项目方案很多，而且很多已经落地，难道这还不够。首先项目方案，只要资金到位，落地不成问题，但是绝大多数的收入都基于预期，而预期大多数基于当下的收入为基础的愿景。这就是全世界，包括英伟达今年GTC大会，就是在说一个万亿的愿景，但在我看来这更多是基于全球化协同的'故事'——千亿量级相对现实，万亿则需要全球分工顺畅、电网跟进、以及AI真正成为刚需，而这些目前都存在疑问。这也是为什么现在很多人说AI泡沫是全是故事撑起来的，因为这个需要全球化布局，而美国现在的国策是逆全球化，甚至美联储的利率变化会直接影响到英伟达的融资。如果不需要全球化布局，那美国本土的数据中心就要支撑起来，一个是美国电网系统太老，没法和中国电网相比（美国各州的电网还没完全打通链接），另一个就是近期，在弗吉尼亚州，一个号称美国最大的AI数据中心，黑石曾说投资千亿美元的项目——Digital Gateway，已经宣布终止，这个项目从2019年开始立项，7年了，现在一个桩子都没打下。所以，AI是一个全球化参与的全球产业链项目，不是一家公司的一厢情愿。
如果你要问，AI为啥没有形成刚需，两个原因——基础设施未完善、AI技术风险（AI幻觉），而导致全产业链成本无法正常传导的原因在于——AI的融资范式（中美范式不同，但全是资本市场扛住长期风险）。
关于AI的刚需
就像我们上一段说的，AI没有完成形成刚需是因为基础设施未完善以及AI幻觉。拿这两者如何解释。
一、AI基础设施
这个可以对比本世纪初的互联网泡沫，互联网在出现之时，也是一波狂欢，当时人们都认为互联网是未来的风口，只要公司粘上互联网，股价就会涨，后来泡沫破灭，热情退却后，现在我们回头看，如果我们再问，互联网是未来风口吗，答案是肯定的，现在哪里能离开互联网，但是我们再思考一下，互联网在什么时候才开始普及。或者说，当什么开始普及后，互联网才走进千家万户。手机、4G？
任何高科技行业的兴起都不是单一的，便捷性和普惠性是必要的。总的来说就是，使用成本肯定要低。互联网的基础设施有很多，通信技术、电子技术、半导体技术，任何一个技术成本不降，互联网走进千家万户都是天方夜谭。AI也是一样，AI的基础设施有哪些，数据中心、半导体，这些肯定是必须的，没有这些，AI大模型的训练肯定会出问题。但是在我看来还有一个技术，也和AI相关，只是近期没有被提起——5G。
AI的很多算力都是云服务部署，既然很多数据都是存储在云端，快速稳定的传输速度肯定是刚需，而我们大家对5G的感受，除了网速变快了，和4G相比，好像变化没有太明显，这也是无可奈何的事情，4G时代我们有全球化的产业链协同，而5G时代，由于地缘政治经济的原因，5G的基础设施的部署，尤其是基站，比4G要慢了很多，缺少很多应用场景。这也是现阶段高科技产业的一个现状——边际回报递减。现阶段，科技革新虽然改善生活，但是资本回报率尤其是边际回报在不断递减，资本市场对科技革新更多依靠故事和概念去增长而非实际现金流，这是因为科技产业高度依赖产业链协同，而在贸易摩擦和地缘政经背景下，全球产业链分工传导受阻，导致技术革新需要的市场推广和研发成本更多向资本市场转嫁，市场更多靠故事和概念，而非全球分担和共创来实现收益。
因此形成了这个模式，地缘摩擦 → 全球产业链分工受阻 → 研发、推广成本没法依托全球分工分摊 → 实体端边际收益下滑 → 产业转而将高额成本转嫁资本市场 → 二级市场只能依托叙事、概念来推高估值，而非落地实打实的现金流。
二、AI技术风险
说到AI技术风险，有句话叫做AI幻觉，什么叫AI幻觉呢，如果你经常用豆包，你会发现最近豆包上面会出现一行小字“AI生成可能有误，注意核实”，以前没有这行字，什么意思呢，那我问你一个问题，当你问AI问题的时候，AI给你的答案是正确的吗？你如何保证。
我们都习惯了AI是个强大的工具，什么问题都会去问它，在一般印象里，AI无所不能，但是从上篇，我们对AI的大模型原理进行的讨论中，我们知道，AI的回答很大程度上取决于训练大模型时给的样本和数据，假如我们在训练时，给的数据就是错的呢，就好比孩子从小给他一本错误的教科书，教出来的效果，也是错的，这就是我们常说的AI投毒。说白了，有时候AI给出来的答案会胡说八道。这就是AI幻觉。
所以，为了应对AI幻觉，有一个岗位叫做AI Credit，这是什么，当一个企业运用AI大模型训练自己的数据时，为了防止AI的输出出现巨大偏差而导致损失，AI Credit岗位就是来应对这类AI幻觉风险的。
举个例子就明白了，现如今的银行贷款，在做客户尽调的时候主要是客户信用分析，这个在银行内部训练出来的AI大模型就需要海量的案例数据和客户信息来决定客户的额度和贷款方案，这个时候，用AI软件进行分析，不仅能节省时间，还能省下不少隐性成本，提升效率。如果，AI胡说八道，输出结果偏差太大，额度给错了，账期算错了，造成大面积坏账，对银行来说就是巨大风险。现如今，用AI去做客户尽调分析已是趋势，但是AI幻觉的问题产生的风险值，即VaR是很大的，所以，在AI幻觉没有得到有效解决，AI Credit岗位还没有成熟前，大面积使用AI，企业的态度是非常谨慎的。
从以上两个角度看，AI成为未来趋势是越来越清晰，但是AI现在是否形成刚需还是需要打上大大的问号的，就像今年WAIC上，有科技人员采访说，AI现在做创造性工作的能力还不够，相对于人类，只能完成5%的工作。在AI基础设施未完善，AI技术风险未得到有效解决的情况下，资本市场依旧按照AI是未来风口，未来刚需的故事进行定价，没办法，市场需要这个叙事，而AI巨量的资本投入，也导致目前全球股市形成了K型分化，股市一片狂欢，传统行业却相对不受重视，狂欢的股市也就让少部分科技企业收益，成为了少数人的狂欢节。而在我看来，健康向好的经济和金融市场是雨露均沾的。这个世界，往往不是财富增长问题，而是财富分配问题。
这也就说到了我们最后要看的，AI融资——资本市场是如何截断这套AI产业链的。
AI融资
资本市场截断了AI产业链的传导，让每一环都形成一个独立小市场，这是我们之前的判断，那么如何截断，那就是看AI是如何融资的。针对科技企业的融资问题，很多人理所当然的说，风险投资、银行贷款、上市融资，不就这些吗。在上世界信息革命时，硅谷的互联网企业确实是这样的融资，但是AI时代，有个本质的区别，那就似乎AI融资，需要的资本有两个显著的特点，这也是一般的VC机构所无法承担的，那就是资本的海量性和长期性，也就是需要AI产业需要大量的长期耐心资本。翻译一下就是要一大群不怕短期波动和亏损的投资资本。
AI的资本支出（Capex）是巨大的，这在之前我们是说明的，不仅资本支出很大，运行支出（Opex）也非常大。一个大模型的训练，没有几十亿上百亿的资本支出是下不来的。而且回收周期也不短，现如今在AI形成刚需之前，让AI产生稳定的现金流收入也是不现实的事情，所以，要让几十亿上百亿，甚至上千亿资金投入进去，并且承担住短期波动风险，这对任何一家风险投资机构都是无法独自承担的大工程。针对这个问题，中美给出了两个不同的解决方案。中国用产业整合和国资结合的方式，而美国用表外融资的方式。
先说美国吧，我先给出英伟达的资产负债表，有两个科目挺耐人寻味的，
英伟达的债务是不高的，短期也就10亿多，长期也就70多亿，而针对扩张型企业，尤其是万亿市值体量的上市公司，这样的债务体量是很奇怪的，要么企业用内部资金进行扩张，但是这要求企业有海量的现金流支持，这是不现实的，要么就是增发股票，而英伟达的股本没有增加，那么他扩张的钱从哪来，看到我上面标注的另一个科目了吗，商誉，观察这几年的资产负债表变化，从2025年后，英伟达的商誉就突然增加，而商誉一般是在收购企业的过程中产生，那英伟达收购了什么，具体细节我们不得而知，但是这是美股经常做的一个手脚，用商誉隐藏企业债务，也就是表外融资。
什么叫表外融资，如果企业举债，正常情况下，债务在要企业财报里体现，但是在会计权益法下，如果非控股企业，参股企业就不需要合并报表，也就是参股企业的债务不算自己的。好的，我们做一个假设，假如我和别人合资成立一家SPE（Special Purpose Entity，特殊目的实体），我没有控股，让SPE帮我去借钱，然后这样，债务就不在我的报表上，即使借了几百亿几千亿，我的报表依然干净，如果出现债务暴雷，风险到SPE这一层也就大幅减免，债务展期、债务重组，在SPE这一层就可以被管控住，灵活度要高很多。也许你会问，SPE这么傻吗，帮别人借钱，风险都是自己的？当然不是，这里举Meta为例。
Meta要建立数据中心时，SPE就是一个重要载体，什么意思，Meta和先锋领航等资管公司合资成立SPE，SPE借钱去建数据中心的服务器，那么数据中心的所有权就是归SPE，那么Meta怎么用，和SPE签一个租赁协议，服务器我来用，租金我付，SPE用我付的租金去还债吧，看到没，偿债用的钱，通过经营性支出给隐藏掉了。一般识破这一类会计操作需要用到现金流量表，查看经营性现金流量支出以及还债支出，而美股的现金流量表和A股比，简化不少，这类细则看不到，这也是我观察市场以来，看到的看似成熟的欧美市场，几个不怎么成熟的表现之一，因为现金流量表不完善，很多债务就这么被隐藏了。同时这也是欧美市场经常做的债务隔离的手段——使用权和所有权分离。
说到这里，你也许会问两个问题，这个和商誉有什么关系？都有谁在借钱给他们？这两个问题都是一体的。谁借钱给他们呢，这就是目前欧美市场存在许久的影子银行，什么叫影子银行，就是不是银行，但是做了很多银行不敢做的高风险投资，但不受监管的金融机构和组织，目前美国几大资管机构，贝莱德、先锋领航、富达基金、黑石基金，基本上都存在影子银行，因为是资管公司而非银行机构，他们形成了巨大的资金池，用基金运作的手段，去给企业，以及这些SPE融资，而上市公司，英伟达、Meta等这类公司表上的商誉，就是溢价参股，给这些机构的好处费。同时，因为SPE可以经过ABS和股票增发的方式，卖给市场，普通投资者、机构投资者就参与其中变相的借钱给SPE。因为嵌了多个资本层次，所以，这类表外融资的利率很高，一般都在8%~10%，孙正义就是几乎抵押了自己全部ARM股票，来参与这场豪赌，把能抵押，能借的钱都借了，未来怎么样，我们继续看吧。
所以，美国解决AI融资的长期耐心资本，就是通过风险出表和风险隔离的方式，把大部分风险转移给市场，而不是上下游产业链。
那么中国怎么做呢，首先，风险出表和风险隔离，在中国是被严格监管的，中国近几年对资本市场的态度是，提升资本市场地位的同时加强监管。所以，为了解决AI融资需要的长期耐心资本的问题，国资的参与解决大部分能源端和基础设施建设的资本投入，其次就是产业融合，近些年，GVC、CVC被广泛提起，尤其是CVC，那GVC和CVC是什么，简单理解吧，GVC就是政府做风险投资，可以简化理解为国资创投，CVC就是企业做创投，用企业自己的产业链资源和储备资金，在市场上进行投资，让企业做产业链融合，因为中国完整的产业链布局，CVC一旦成功，对企业是1+1>2的一个过程，而企业是有产生持续现金流的部门，这样也就符合AI融资需要的长期耐心资本的要求。
综上所述，无论是中国还是美国，资本市场都承担了，在AI没有形成完整产业化刚需的时候，需要付出的成本代价，但是这个故事还能持续多久，这就耐人寻味了，因为SpaceX的破发，原本今年四季度的OpenAI的IPO进程，传出也被推迟了。
总结
针对AI的产业链和投资布局，我们通过两篇文章，把这几年，笔者能接触到的信息都整合了，当然因为篇幅有限，很多只能简化说明。
你问我AI有没有泡沫，我说有，但是你说何时破灭，我只能说，我不知道能不能破，更不能预测什么时候破一遍，因为真正对我们产生影响的风险往往在我们看不见的角落里发酵。
AI是未来，引用中科大院士的一句话，我们希望有个机构能把科技行业的发展告诉资本市场，目前科技能做到的程度。这个世界，最大的问题，不是缺少信息，而是信息茧房让大多数人只看到自己想看到的，我们需要综合视角的判断。
本文仅为观点分享，不构成任何投资、财务或税务建议。市场有风险，决策需谨慎。
