Chris Wood 的警告：为什么错误投资可能终结 AI 热潮

人工智能时代引发了历史上最剧烈的资本支出（capex）周期，但一个重大的结构性风险正隐约浮现。Jefferies 全球股票策略主管 Chris Wood 警告称，AI 交易的终结可能并非源于芯片短缺或供应过剩，而是因为人们意识到巨额投资未能产生足够的收益。

错误投资的阴影

与当库存过剩冲击市场时便会结束的传统半导体周期不同，Wood 认为当前的 AI 热潮面临着一种独特的威胁：错误投资（malinvestment）。他指出，当超大规模云计算厂商（hyperscalers）和领先的 AI 实验室无法对其目前投入的天文数字般的资本支出获得满意的回报时，AI 交易的“终局”将会到来。

一个特别令人担忧的问题是循环融资闭环的存在。Wood 指出了这样一种情景：像 Nvidia 这样的主要参与者向 OpenAI 等公司提供融资，而这些公司随后又利用这些资金购买更多的 Nvidia 芯片。虽然这创造了一个强大的短期增长闭环，但它高度依赖于乐观的变现假设；一旦投资者对长期盈利的可见性失去信心，这种闭环可能会瓦解。

巨额资本支出与台湾的激增

目前该领域的投资规模是前所未有的。Wood 将正在进行的建设描述为他所见过的最剧烈的资本支出周期。一个典型的例子是 TSMC，该公司显著提高了业绩指引，预计 2027 年的营收将高达 650 亿至 700 亿美元。

这种集中的支出正在驱动巨大的宏观经济转变，尤其是在台湾。受出口订单激增 53.4% 的推动，该地区在 2026 年第一季度的实际 GDP 同比增长了 14.55%。目前，据估计 AI 相关需求将占 TSMC 2026 年总营收的约 31%，这说明全球经济正如何深度地与 AI 基础设施捆绑在一起。

商品化与廉价模型的崛起

另一层风险是大型语言模型（LLMs）的快速商品化。随着每个 token 的成本下降，西方高端供应商的竞争优势正面临挑战。Wood 指出，据报道，一些新模型（如在香港上市的 Z.ai 的 GLM-5.2）的表现正在接近 Anthropic 等顶级模型，但成本仅为后者的四分之一。

来自 OpenRouter 的数据凸显了这一转变：6 月下旬，顶尖中国 AI 模型处理了 21.37 万亿个 token，较 4 月份的 4.37 万亿个有了巨大飞跃。这一规模显著超过了领先的美国模型所处理的 5.76 万亿个 token，预示着一个竞争激烈且日益商品化的格局。

策略转向：聚焦存储与硬件

尽管有这些警告，Wood 并没有预测会立即发生崩溃。相反，他正在将投资组合重新定位到行业的“铲子与镐”（即基础设施提供商）——特别是 DRAM 和存储器供应商。由于杰文斯悖论（Jevons Paradox），随着计算变得更加高效和廉价，总消耗量实际上反而会增加，从而使硬件供应商受益。

像 Micron 这样的主要存储器制造商已经在锁定长期稳定性，Micron 已签署了涵盖其 20% DRAM 销量的战略协议。因此，Wood 正在增加对 SK Hynix、Kioxia 和 Samsung Electronics 等科技硬件公司的风险敞口，赌注在于，即使更广泛的 AI 软件和服务层在资本纪律方面面临困难，这些公司仍将是受益者。

核心要点

• 主要风险： AI 交易更有可能因“错误投资”以及超大规模云计算厂商缺乏投资回报率（ROI）而终结，而非传统的半导体供应过剩。
• 商品化威胁： 快速进步且更廉价的中国 AI 模型正对西方高端 AI 供应商施加巨大的价格压力。
• 策略转向： 投资兴趣正转向拥有强大定价权和长期客户合同的存储器及硬件（DRAM）厂商。