为什么是错投而非芯片过剩，可能终结 AI 热潮
人工智能投资的持续激增定义了当前的市场时代，但华尔街最受关注的策略师之一发出了重大警告。Jefferies 全球股票策略主管 Chris Wood 指出，AI 交易的衰落将并非源于芯片短缺，而是因为无法将巨额资本支出转化为实质性的利润。
迫在眉睫的错投风险
与通常因库存积压和供应突然增加而结束的传统半导体周期不同，Chris Wood 认为 AI 时代面临着一种独特的结构性风险：错投（malinvestment）。他警告称，当超大规模云计算厂商（hyperscalers）和领先的 AI 实验室无法对其巨额资本支出（capex）产生足够的投资回报时，AI 交易的“终结”——或者至少是痛苦的市场停顿——很可能会被触发。
Wood 指出了生态系统中一个令人担忧的反馈循环，例如 Nvidia 为 OpenAI 等公司提供融资，而这些公司随后利用这些资金购买更多的 Nvidia 芯片。虽然这种循环融资推动了即时增长，但它也创造了一个不稳定的基础；一旦投资者要求看到长期盈利的透明度和资本纪律，这种局面可能会迅速瓦解。
创纪录的资本支出周期
当前 AI 支出的规模是前所未有的。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。这种投资的集中度在半导体行业表现得最为明显：
- TSMC 的扩张： 该代工厂已将其 2026 年资本支出指引从去年的 410 亿美元提高至约 560 亿美元。对 2027 年的预测显示，支出可能达到 650 亿至 700 亿美元之间。
- 营收集中度： 预计到 2026 年，AI 相关需求将占 TSMC 总营收的约 31%。
- 宏观影响： 这一激增推动了台湾地区的巨大增长，2026 年第一季度实际 GDP 同比增长达到 14.55%。
AI 模型的商品化
利润率面临的压力还来自于大语言模型（LLM）的快速商品化。Wood 指出，更便宜、更高效的模型——尤其是来自中国开发者的模型——正在挑战西方高端供应商的主导地位。
例如，据报道，在香港上市的 Z.ai 的 GLM-5.2 性能接近 Anthropic 的水平，但每个 token 的成本仅为其四分之一。这种转变反映在数据使用情况中：6 月下旬，中国顶尖模型在 OpenRouter 上处理了 21.37 万亿个 token，较 4 月份的 4.37 万亿个出现了巨大飞跃，显著超过了美国顶尖模型处理的 5.76 万亿个 token。随着 token 成本的下降，高端 AI 供应商的“护城河”正在缩小，使其更难回收巨额的基础设施成本。
“铲子与铁锹”竞赛中的赢家
尽管存在这些长期风险，Wood 并没有预测会出现立即的崩盘。相反，他正在将投资组合重新定位到“铲子与铁锹”型标的——特别是受益于杰文斯悖论（Jevons Paradox）的存储器和硬件供应商。这一经济学原理表明，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。
Micron、SK Hynix 和 Samsung 等存储巨头目前处于强势地位。Micron 已经签署了战略协议，涵盖其 20% 的 DRAM 销量和三分之一的 NAND 销量，这些协议通常为期五年，为应对 AI 技术栈软件层预期的波动提供了缓冲。
核心要点
- 主要威胁： AI 交易容易受到“错投”风险的影响，即超大规模云计算厂商的巨额支出无法产生足够的投资回报率（ROI）。
- 风险特征转变： 与以往由供应过剩驱动的半导体周期不同，AI 周期的终结很可能是由投资者对资本纪律的幻灭所驱动的。
- 硬件韧性： 虽然软件模型的利润率面临商品化带来的压力，但存储器和硬件供应商仍是持续进行的资本支出竞赛的主要受益者。