炒作背后：为何大型科技公司的AI支出热潮正在改变我们的看法

多年来，围绕美国主要科技股财报季的分析一直遵循着一个熟悉的模式：每当某个市场领导者宣布对下一代技术做出巨额财务承诺时，投资者通常都会欢迎这一消息。大规模支出被视为市场主导地位、积极创新和未来营收增长的明确信号。

如今，这种局面已经改变。

在近期的季度财报电话会议中，市场参与者见证了一个反复出现的模式：某家超大型科技巨头营收超出预期，营业利润表现稳健，宣布再投入 500 亿到 800 亿美元用于人工智能基础设施，但其股价却在当晚随即下滑。

是什么在推动这一转变？要理解美国科技股为何如此剧烈波动，散户交易者需要越过软件层面的头条新闻，审视幕后的实体设施与资产负债表现实。

“避风港”的转变：科技巨头如何改变其资产负债表

要理解当前美国科技股整体的波动，我们首先需要了解主要科技公司（尤其是 Microsoft、Amazon、Alphabet、Meta 和 Oracle 等云计算巨头）如何转变其资产负债表的管理方式。

在 2008 年全球金融危机之后的十年间，投资者将大型科技公司视为在经济不确定时期存放资金的可靠、低风险之地。传统的避险资产提供稳定性，而科技巨头则提供了一种独特的优势：庞大的现金储备。Apple、Alphabet、Microsoft 和 Meta 等公司在经营高利润率软件平台的同时，积累了数千亿美元的现金。在市场整体放缓期间，投资者买入这些股票，因为其现金储备提供了强大的财务缓冲。

然而，当前的人工智能建设热潮已经彻底改变了这一局面。这些云计算巨头已不再单纯地坐拥现金。

市场预测显示，五大科技巨头（Amazon、Alphabet、Microsoft、Meta 和 Oracle）的年度资本支出总额正攀升至 6,600 亿至 7,500 亿美元。这一支出规模占其年度总营收的 38% 至 57%，

这样的资本密集程度在历史上曾见于石油管道、重型制造业和电力公用事业，而非轻资产的软件业务。

为资助这一扩张，这些科技公司已不再仅仅依赖现金储备，而是大举借债。主要云计算巨头的公司债券发行总额已超过 1,750 亿至 2,000 多亿美元。通过将现金缓冲换成长期债务、实体房地产和重型设备，超大型科技公司承担了更高的运营开支。

隐藏的瓶颈：快速的硬件与缓慢的电网

除了资产负债表之外，科技巨头的支出还面临一个实体层面的障碍：这些公司购买的是什么，以及要将其接入何处。构建现代人工智能系统需要依赖两种主要类型硬件所提供的原始计算能力：

• GPU (Graphics Processing Unit，图形处理器)：由 Nvidia 等公司率先推出的专用计算芯片，能够同时处理数千次运算，是训练 AI 模型的主要引擎。
• TPU (Tensor Processing Unit，张量处理器)：由 Google 等科技公司内部定制设计的芯片，用于处理专属任务，同时减少对外部供应商的依赖。要持续运行数万个这类高性能芯片，公司必须建造大型数据中心。但与可以在数秒内实现全球在线上线的传统云软件不同，建设现代 AI 数据中心会遇到一个难以逾越的实体障碍：电网。

单座高密度 AI 数据中心的耗电量可与一个中型郊区相当。在北美和欧洲，电力公司正告知科技巨头，要将这些大型设施接入高压电网，需要排队等候 4 至 7 年。

这一延迟为公司利润带来了重大的时间错配问题：

1. 硬件生命周期短：先进的 AI 芯片老化速度很快。 如今购买的一批芯片仅需2到3年就会因更快更新的芯片问世而过时。
2. 营收产生延迟：当科技公司如今在芯片上投入数百亿美元，却因等待电网连接而无法在数年内让这些服务器满负荷运转时，硬件在闲置期间便会不断贬值。

现金立即从公司资产负债表中流出，但新增软件营收却要经过多年才能显现。当公开市场重新计算这一多年延迟时，预期利润率将被挤压，从而导致股价下跌。

追踪资金流向：资本正流向何处

尽管巨额支出给软件开发商带来了短期压力，但这波数千亿美元规模的资金浪潮，正直接流入供应实体设备的公司口袋。

1. 电网与公用事业供应商：数据中心需要持续不间断的基础电力供应。制造高压变压器和电网硬件的独立电力生产商及设备制造商，例如Constellation Energy、Vistra Corp、GE Vernova和Eaton Corporation，正面临长达数年的订单积压。
2. 液冷与热管理专家：高性能AI芯片产生的强烈热量，传统风扇无法有效散发。为服务器机架构建液冷系统和精密冷却基础设施的公司，例如Vertiv Holdings、Schneider Electric和Modine Manufacturing，其结构性需求已大幅攀升。
3. NAND闪存与存储架构：现代AI加速器若缺乏庞大的带宽和高密度存储，便无法独立运行。训练和运行复杂模型会造成严重的内存瓶颈，因为若数据传输速度不足，GPU便会停滞。这一物理限制引发了市场对内存与存储专业厂商（如Micron Technology (MU)和SanDisk (SNDK)）估值的大幅重估。历史上，华尔街将这些股票视为与PC和智能手机周期绑定的波动性强、利润率低的消费大宗商品供应商。然而，随着云计算巨头纷纷下达针对DRAM/高带宽内存（HBM）和企业级NAND闪存固态硬盘（eSSD）的多年期大额订单，估值倍数随之扩大。由于服务器级NAND和HBM产能已提前数年售罄，且营业利润率大幅提升，公开市场已将内存和闪存供应商重新定位为关键的、高利润的AI基础设施瓶颈环节。
4. 定制芯片与半导体合作伙伴：为减少对单一供应商的依赖，科技巨头正在设计自己的内部芯片（例如Google的TPU和Amazon的Trainium芯片）。这为专业芯片设计公司和代工合作伙伴创造了长期业务，例如Broadcom、Marvell Technology、Taiwan Semiconductor Manufacturing Company (TSMC)和ARM Holdings。与单纯从消费级应用角度看待人工智能不同，聪明资金已日益转向支撑这些数据中心运转所需的实体供应链。

结语：分析跨资产类别的相互关联性

要驾驭当前这一市场周期，需要超越表面的软件公告，认识到物理限制如何在全球市场中重新定价风险。

市场并非在否定AI，而只是在调整股价，以反映更高的债务、即时现金支出以及物理基础设施延迟带来的影响。在以往的科技周期中，投资者对资本支出的反应往往简单地持乐观态度，认为更高的投资必然会带来更高的未来利润。而如今，市场以更为审慎的眼光来评判这些支出。当一家云计算巨头投入数百亿美元用于基础设施建设，却没有明确的时间表可预期新软件营收时，市场便会聚焦于其即时财务负担：利润率收紧、现金储备缩水，以及债务偿付压力上升。

这一结构性转变从根本上改变了科技股与更广泛经济体之间的互动方式。历史上，超大型科技公司拥有庞大的现金储备，使其能够在更广泛的经济变动中保持相对隔离。 如今，随着数千亿美元的公司债券被用于建设数据中心和保障输电线路，科技行业的利润率对利率、债券收益率差和借贷成本变得更加敏感。

与此同时，资产类别之间的界限正变得模糊。软件的推出计划不再取决于开发者编写代码的速度，而是受制于电网容量、变压器制造积压和公用事业互联排期。因此，天然气等能源大宗商品以及电力公用事业股票，正逐渐成为衡量科技执行能力的主要领先指标。

归根结底，由于大型科技公司在标普 500 指数和纳斯达克 100 指数等主要基准指数中占据压倒性权重，单一股票的支出公告所产生的影响将远远超出硅谷范围。通过追踪资产负债表债务、电网等待时间和实物资本流动，市场观察者能够更清晰地了解，究竟是什么真正推动了股票、大宗商品和全球指数的价格发现。