为何是错投而非芯片过剩，可能终结 AI 交易热潮

人工智能热潮正在推动历史上最剧烈的资本支出 (capex) 周期，但关于其可持续性的重大警告已经出现。Jefferies 全球股票策略主管 Chris Wood 指出，AI 交易最终的终结可能并非由芯片短缺触发，而是由投资回报的信心危机所引发。

迫在眉睫的错投威胁

与因供应突然过剩或库存积压而结束的传统半导体周期不同，Wood 认为 AI 时代面临着一种独特的结构性风险：错投 (malinvestment)。主要的危险在于，超大规模云服务商 (hyperscalers) 和领先的 AI 实验室可能无法对其投入的海量资本产生足够的投资回报。

Wood 指出了生态系统中一个令人担忧的“循环融资”模式。例如，Nvidia 一直参与对 OpenAI 等实体的融资，而这些实体反过来又利用这些资金购买更多的 Nvidia 芯片。虽然这在短期内创造了强大的动力，但它也形成了一个反馈回路；一旦投资者开始怀疑 AI 技术栈的长期变现能力和盈利可见性，这一回路可能会剧烈崩塌。

巨额资本支出与风险集中

目前所见证的投资规模是前所未有的。全球领先的代工厂 TSMC 已将其 2026 年的资本支出指引从去年的 410 亿美元提高至约 560 亿美元。富邦研究 (Fubon Research) 的预测表明，到 2027 年，这一数字可能会飙升至 650 亿至 700 亿美元之间。

这种激增正在改变区域经济。在台湾，AI 相关需求的影响显而易见，2026 年第一季度的实际 GDP 同比增长达到了 14.55%。此外，预计到 2026 年，AI 相关需求将占 TSMC 总营收的约 31%，这凸显了全球经济正如何沉重地集中在 AI 基础设施上。

AI 模型的商品化

第二个压力点是大型语言模型 (LLM) 的快速商品化。随着效率的提高和成本的下降，西方 AI 提供商的“溢价”优势正面临挑战。Wood 指出了中国模型的崛起，例如 Z.ai 的 GLM-5.2，据报道其性能可与顶尖西方模型相媲美，而成本仅为后者的四分之一。

数据支持了这一转变；在 OpenRouter 平台上，顶尖中国 AI 模型在 6 月下旬处理了 21.37 万亿个 token，较 4 月份的 4.37 万亿个实现了巨大飞跃。这一数值显著高于顶尖美国模型处理的 5.76 万亿个 token，预示着一个竞争激烈且价格敏感的市场格局。

焦点转向“铲子与铁锹”

尽管有这些警告，Wood 并不预测会立即发生崩溃。相反，他建议战略重心转向行业的“铲子与铁锹”——即 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上升，从而使硬件提供商受益。

像 Micron 这样的主要参与者已经通过结构性变革来巩固地位，例如签署涵盖其大部分 DRAM 和 NAND 销量的五年战略协议。这为存储制造商提供了更强的定价权和稳定性，即使更广泛的 AI 软件层在证明其盈利能力方面举步维艰。

核心观点

• 真正的风险： AI 交易更有可能因“错投”而终结——即超大规模云服务商无法在其巨额资本支出上获得足够的投资回报——而非传统的芯片供应过剩。
• 模型商品化： 低成本、高性能中国 AI 模型的迅速崛起，正给西方高端 AI 提供商的经济效益带来巨大压力。
• 硬件韧性： 存储器和 DRAM 制造商（如 SK Hynix 和 Samsung）由于能够锁定长期销售协议并掌握定价权，仍将是最具韧性的受益者。