RadnorCapital：AI投资现在全靠投资者买单

AI 基建投资一直是美国经济增长的边际驱动力。作为目前规模最大、影响最深远的资本周期（其他周期包括电力与电网基建、国防与重整军备、制造业回流与先进制造），不理解 AI 资本支出的驱动因素与风险，就不可能理解更宏观的经济格局。

那么，这些驱动因素是什么？首先，智能是人类历史上前所未有的最大可触达市场（TAM）——每个消费者、每家企业都是潜在客户——这就是第四次工业革命，企业都在投资，以抢占智能解锁的巨大利润池。

对智能/令牌的需求持续超过供给，而此时推理工作负载正呈指数级增长。@GavinSBaker 在 @InvestLikeBest 节目中提出了一个有趣的观点（诸多观点中的一个）：目前只有大约 25-50 万人使用智能体 AI，但整个行业已经严重产能受限。如果千分之几的人口就已经让算力吃紧，那随着 adoption 规模化，算力需求还有巨大的增长空间。

缩放定律（更多计算 = 更好的模型性能）依然成立。先是预训练阶段，现在到推理时计算阶段也成立。那么，如果模型还在持续进步，投资为什么要放慢？因为竞争。

这被看作一场军备竞赛，不是可自由支配的支出，超大规模企业对自身算力结构性短缺的恐惧，似乎远超过对过度支出的担忧。而从地缘政治角度看，经济和军事实力永远是技术创新和工业产能的下游产物。

那么风险又有哪些？超大规模企业的自由现金流正在恶化，迫使这些企业转向外部融资。这更多是一个警示信号，而非负面催化剂或短期风险。

AI 终端客户的短期到中期投资回报率，仍然是一个核心问题。到目前为止，利润率提升只出现在卖家（Magnificent 7）身上，买家（S&P 493）并没有分到好处。

Apollo 的 Torsten Slok 提出，商业中，终端客户关系所有者的利润率通常更高。但 AI 不是这样，在 AI 领域，离终端用户越远，利润率越高（标普 500 营业利润率为低两位数，而 Nvidia 约为 60%）。

虽然我们已经看到软件工程和专业服务等特定行业实现了效率提升，但这不是全行业的普遍情况，很多企业高价采购 AI 却没有得到对等的生产力提升——这是一个净通胀现象。

核心观点是：目前与 AI 基建周期相关的利润，很大程度上由投资者出资，而非从客户处赚取。这类资本周期的历史规律是，短缺最终会转变为供应过剩。

尽管超大规模企业的投资回报率高得惊人（目前 GPU/服务器硬件的投资回报期不到 1 年），但它们是按照现货定价来决策长期资产和资本项目的——它们也清楚现货价格可能会大幅下跌。