Chris Wood 的警告：为何错误投资可能终结 AI 交易热潮
全球 AI 热潮目前正受到史上最剧烈的资本支出 (capex) 周期的推动，但一个迫在眉睫的结构性风险可能会引发市场的突然转变。Jefferies 全球股票策略主管 Chris Wood 警告称，AI 交易的终结不会源于芯片短缺或供应过剩，而是源于对投资回报率的信心危机。
错误投资与循环融资的威胁
与因库存积压而结束的传统半导体周期不同，Wood 认为 AI 交易面临着独特的心理和经济威胁：“错误投资 (malinvestment)”。主要风险在于，超大规模云计算厂商 (hyperscalers) 和 AI 实验室可能无法在其投入的海量资本中获得足够的投资回报。
Wood 指出了生态系统中一个潜在脆弱的反馈循环。他指出，在某些结构中，像 Nvidia 这样的公司可能会资助像 OpenAI 这样的 AI 实验室，而后者反过来又利用这些资金购买更多的 Nvidia 芯片。虽然这种循环推动了短期增长，但它也创造了一个“纸牌屋”，一旦投资者开始怀疑 AI 技术栈的长期变现能力，整个结构就可能崩塌。
巨额资本支出与财富集中
当前投资的规模是前所未有的。TSMC 已将其 2026 年的资本支出指引从去年的 410 亿美元提高到约 560 亿美元，一些预测甚至认为到 2027 年将达到 650 亿至 700 亿美元。这一激增已使台湾成为宏观经济强国，其 2026 年第一季度的实际 GDP 同比增长达到了 14.55%。
AI 相关需求现在的集中度如此之高，据估计到 2026 年将占 TSMC 营收的 31%。这种集中程度凸显了全球经济目前在多大程度上押注于单一的技术垂直领域。
AI 模型的商品化
另一个重要的压力点是大型语言模型 (LLM) 的快速商品化。随着高质量模型变得越来越便宜，西方 AI 提供商的高溢价定价能力正面临挑战。
Wood 指出，中国模型正在获得显著的吸引力。在 OpenRouter 平台上，顶尖中国模型在 6 月下旬处理了 21.37 万亿个 token，较 4 月份的 4.37 万亿个有了巨大飞跃，显著超过了顶尖美国模型处理的 5.76 万亿个 token。这种转变表明，随着“单位 token 成本”的下降，维持昂贵且专有模型的经济效益将面临严峻审查。
焦点转向存储与硬件
尽管有这些警告，Wood 并没有预测会立即发生崩盘。相反，他正在将投资组合重新定位到行业的“铲子与镐”——即存储和硬件领域。
他引用了杰文斯悖论 (Jevons Paradox)，即效率的提高会导致总消费量的增加。随着计算效率的提升，对 DRAM 和 NAND 闪存的需求也随之增加。像 Micron 这样的公司已经为其大部分出货量签署了长期战略协议，这使得存储制造商拥有了实质性的杠杆作用和定价权，而传统的芯片制造商在之前的衰退期间往往缺乏这种能力。
核心要点
- 主要风险： AI 交易最容易受到“错误投资”担忧的影响——即意识到巨额资本支出并未产生足够的利润。
- 商品化压力： 快速进步且更廉价的 AI 模型（尤其是来自中国的模型）正在威胁领先西方 AI 公司的利润率。
- 存储对冲： 虽然软件和模型提供商面临利润率压力，但硬件和存储制造商（如 SK Hynix 和 Samsung）仍然是基础设施建设的结构性受益者。