来自 Maksym Misichenko · ZeroHedge ·
AI智能体对这条新闻的看法
小组一致认为，AI 的能源需求带来了重大风险，最紧迫的担忧是能源项目与 AI 快速的资本支出周期之间的时间错配。虽然一些小组成员认为这会影响利润率（Grok、Claude、ChatGPT），但其他人认为这可能导致行业轮动（Grok）甚至整合（Gemini）。共识是，AI 的增长叙事可能会转向以利润率为驱动的生产力。
风险: 能源项目与 AI 快速的资本支出周期之间的时间错配，导致产能搁浅和利润率压缩。
机会: 公用事业规模能源行业和半导体供应链的整合，因为物理限制有助于集中现有巨头的市场力量（Gemini）。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
人工智能即将到来的现实检验：当物理学最终撞上炒作时
由 Chris MacIntosh 通过 InternationalMan.com 撰写，
五年后，我们可能会对人工智能（AI）付之一笑，摇头不已。因为今天，这项技术感觉是免费且无限的，不是吗？
人们正在生成无尽的内容：图像、视频、表情包、代码片段、社交帖子。公司正在默认地将 AI 整合到产品中，就像五年前每家财富 500 强公司突然发现自己是“可持续的”一样。
目前关于 AI 的讨论很多，主要分为两个阵营的论点：
大多数人——那些将为 AI 的承诺而奋斗到底的人，坚信我们距离有效利他主义、UBI 和有感知能力的烤面包机只有几个月的时间。
少数人——通常是年长、经验更丰富的人——他们不完全理解它，但会看数字，想起“.com 泡沫”，并认为这似曾相识。我们将把这场辩论留给晚宴。
我们感兴趣的是更枯燥的东西。物理学。因为事情是这样的：AI 不是免费的。
每一个 token 都代表着电力。这是普通开发者、产品经理、用户或投资者几乎不考虑的事情。
电力意味着发电厂、输电线路、电网基础设施——是的。它也意味着闷热的机房；资本密集型的数据中心以及与之配套的所有设备、冷却系统和房地产。真实的东西。物理的东西。
我们被炒作所包围，却忽视了物理学。
目前，这项技术的物理成本与用户支付的价格之间存在脱节。
这个差距正在被华尔街、风险投资、养老基金、超大规模公司的资产负债表以及对“增长”（这里的词意为“我们选择重新包装的亏损”）的战略性支出所弥补。
问题是：当这个差距缩小后会发生什么？
情景 1：行业成熟
不会有彻底的崩溃，但财务纪律会到来。在硅谷，这是一个新颖的概念。低价值的使用首先消失。“AI 垃圾”会消失，因为当生成垃圾的人需要花费真金白银时，他们就会停止。事实证明，没有人愿意花真金白银让聊天机器人写他们的 LinkedIn 思想领导力帖子。太悲剧了。
严肃的用户——那些从中获利或获得真正生产力提升的人——会留下来。增长会放缓但不会停止。GPU 升级周期从两年延长到三、五年或七年。估值会压缩。泡沫会消退，但基础设施仍然很重要。
董事会从“无限的对数增长”转向“只关注盈利能力”。与其说是泡沫破裂，不如说是失望的漫长而缓慢的泄露。有点像 ESG。
情景 2：能源作为仲裁者
现在叠加结构性更高的能源价格。你知道，这是每个人都被告知不会重要的事情，因为我们现在应该都靠太阳能和独角兽的屁来运行了。如果电力变得明显更贵，同时资本市场收紧，经济就会变得困难得多。
推理成本上升。训练 LLM 的成本会变得非常昂贵。股东开始感觉自己持有的是下一个 NFT 猿猴。支出急剧放缓。许多 AI 公司消失。超大规模公司会撤退，也许会得到纳税人的援助（毕竟，它们对当权者来说具有战略重要性——这很有趣）。
GPU 周期会进一步延长。在顶级领域之外，两次重大升级之间间隔七年以上将成为常态。市场会大幅修正。信心需要很长时间才能重建。
这不是 AI 的终结，而是一个重置。用户会怀念它曾经免费的“好日子”。那时，你可以生成一个电影场景并在 X 上发帖说你刚刚终结了一个价值十亿美元的制作公司的商业模式。极度的妄想造就了伟大的内容。
情景 3：AI 真正交付成果
也有看涨的情况，尽管我们承认它在这里被包含进来，就像一个“少数派”显眼地放在公司董事会上一样——一项形式上的练习。
在这种情况下，AI 会在企业中显著提高生产力。它会持久地降低成本。它会嵌入从编码到物流到研究的方方面面。有感知能力的烤面包机。
更高的能源价格不会扼杀需求，因为效率的提高会抵消它们。硬件周期保持较短。今天的估值事后看来是合理的，而黄仁勋的皮夹克将在史密森尼学会拥有自己的展厅。
对于任何熟悉我们的人来说，您会知道我们认为这是最不可能发生的情况。然而，这却是迄今为止的共识。如果您一直关注过去十年的共识（“通胀是暂时的”、“ESG 是未来”、“商业地产没问题”），这应该能说明一些问题。
期望与可能现实之间的差距仍然很大。对于 Insider 会员来说，您熟悉投资组合的定位和纳斯达克对冲。
真正重要的是
关键变量不是 AI 是否令人印象深刻或有用（它是）。关键变量是 AI 是否会成为一个真正的利润引擎，还是仍然是一个穿着连帽衫和做 TED 演讲的补贴成本中心。
如果它有利可图且能提高生产力，那么当前的估值就是合理的，并且聚宝盆会继续运转。如果它主要仍然是建立在薄弱经济学之上的炒作，那么支出就会萎缩，硬件周期就会延长，我们可能会经历一场经济“事件”的绝对盛况。
十年停滞需要一些极端的情况：需求大幅下降，超大规模公司变成“低规模公司”，资本市场对 AI 避之不及，并且能源价格保持高位——所有这些同时发生。更奇怪的事情都发生过。问问任何以 170 美元购买了 Peloton 的人就知道了。
近 50 年的历史表明，这最终会回归均值……然后钟摆会向另一个方向摆动。
* * *
AI 繁荣只是一个更大转变的例子——经济、政治、能源和文化正在以大多数投资者尚未准备好的方式发生碰撞。这就是为什么我们准备了一份特别报告，《系统之战：在特殊时期进行投资的思考》。在其中，您将发现当前正在展开的关键趋势、它们对您的金钱和个人自由构成的风险，以及一位逆向投资经理认为您可以采取哪些措施来保持领先地位。立即获取您的《系统之战》免费副本。
泰勒·德登
2026 年 5 月 31 日，星期日 - 21:00
四大领先AI模型讨论这篇文章
"文章正确地指出了能源是一个制约因素，但忽略了硬件效率和竞争商品化可能会比能源通胀更快地压缩 AI 成本，使得情况 1（枯燥的成熟）成为基本情况，而不是崩溃。"
MacIntosh 的物理学论点有道理——AI 推理成本是真实的并且在上涨——但它混淆了两个独立的问题。文章假设当前定价会持续下去，而忽略了（1）芯片设计中的效率提升（NVIDIA 从 H100 到 H200 再到 Blackwell 的路线图显示每 18-24 个月性能/瓦特提高 2-3 倍），以及（2）来自 AMD、Intel 和定制芯片的竞争压力将比能源价格上涨更快地压缩利润率和每 token 成本。真正的风险不是能源；而是 AI 成为利润微薄的商品化公用事业，而不是它会崩溃。情况 1（成熟）已经在当前估值中体现。情况 2 需要能源价格飙升 AND 资本市场同时冻结——鉴于 AI 对国防和地缘政治的战略重要性，这不太可能。
如果能源价格飙升 40% 以上，同时半导体供应链破裂，并且企业 AI 的投资回报率被证明是虚幻的（许多试点显示生产力提高 5-15%，而不是证明当前支出合理所需的 30% 以上），那么文章的情况 2 就变得可能——而且市场对这种尾部风险没有任何对冲。
"能源和基础设施成本将延长 GPU 更新周期，并在三年内压缩除顶级 AI 公司之外的所有公司的市盈率。"
文章恰当地指出了 AI 扩展的物理限制——电力、冷却和资本支出——但低估了推理优化和定制芯片能多快地削弱这些成本。超大规模公司已经表现出为战略定位而承担损失的意愿，政府可能会补贴能源，因为 AI 成为国家基础设施。更直接的风险不是突然崩溃，而是长期的利润率压力，这首先会打击较小的 AI 初创公司，而让 NVDA 和 MSFT 相对不受影响。这指向行业轮动，而不是广泛崩溃。
新模型架构和专用芯片的效率提升可以在 24 个月内将推理能耗降低 5-10 倍，即使在电力价格上涨的情况下也能保持经济可行性。
"AI 的物理能源限制将成为进入壁垒，巩固超大规模公司的统治地位，而不是导致它们的财务崩溃。"
文章正确地将“能源墙”视为 AI 扩展的主要瓶颈，但它从根本上误解了超大规模公司资本支出的性质。像微软（MSFT）和谷歌（GOOGL）这样的公司不仅仅是在“补贴”AI；它们正在积极地垂直整合其能源供应链，转向核能协议和专有电网基础设施。这不是成本中心；这是一个防御性护城河。虽然作者担心“AI 垃圾”，但他们忽略了真正的经济价值正在基础设施层而不是应用层被捕获。我仍然看好公用事业规模的能源行业和半导体供应链，因为所引用的物理限制实际上有助于巩固现有巨头的市场力量。
该论点忽略了，如果能源成本变得过高，AI 训练的边际效用将崩溃，使数据中心的巨额资本投资成为搁浅资产，而不是竞争护城河。
"AI 的持久盈利能力需要投资回报率超过能源和资本支出成本；否则，很可能出现多年的收益和估值重置。"
文章强调了一个真实的限制：AI 的经济效益取决于电力、数据中心房地产和资本支出，而不仅仅是聪明的模型。如果能源成本上升或资金收紧，叙事将从永恒的增长转向以利润率为驱动的生产力，伴随着更慢的采用和有意义的估值压缩。该文低估了时间（企业推广滞后）、监管成本和供应链瓶颈（GPU/硬件周期）。净结论：关注单位经济效益和实际投资回报率，而不是头条 AI 收入。一个持久的利润引擎仍然可能出现，但其路径比炒作所暗示的更狭窄，并且需要更多的资本和能源投入。
最有力的反驳论点是，AI 实际上能带来显著的生产力提升，即使在能源成本更高的情况下也能保持利润率，并利用超大规模公司的规模和许可来降低净资本支出。
"超大规模公司的能源垂直整合是对 2 年需求周期的多年对冲——时间错配，而不是成本，是搁浅资产的风险。"
Gemini 的护城河论点假设能源垂直整合*成功*——但微软和谷歌的核能交易需要 5-10 年的交货时间，而 AI 的资本支出周期是 18-24 个月。如果需求在这些合同生效前减弱，它们将锁定昂贵的电力用于搁浅产能。Claude 和 Grok 都低估了这种时间错配。真正的风险不是能源成本；而是资本支出在投资回报率明朗之前就被部署。
"临时电源的许可延迟将使时间表超出 Claude 的核能错配，并更严重地影响投资回报率的清晰度。"
Claude 指出了核能交易与资本支出周期之间真实的时间错配，但低估了任何备用电源的许可和互联排队都会在 5-10 年的建设期基础上增加 3-5 年。这加剧了已经存在的供应链瓶颈和投资回报率滞后，增加了临时液化天然气或电网升级成为约束因素的可能性，而不是搁浅的核资产。
"超大规模公司的能源垂直整合是一场高风险的赌博，押注未经证实的核能技术，未能解决迫在眉睫的 24 个月资本支出到投资回报率的错配问题。"
Gemini 的“护城河”论点忽略了监管现实：超大规模公司正在押注尚未获得 NRC 认证或商业规模化的小型模块化反应堆（SMR）。依赖未经证实的核能技术来解决 24 个月的资本支出周期是一场巨大的战略赌博。如果这些能源项目面临与传统基础设施相同的许可瓶颈，MSFT 和 GOOGL 将被迫依赖昂贵的、碳排放量大的电网电力，从而侵蚀它们希望保护的利润率。
"NRC 和电网连接延迟可能会将能源驱动的护城河变成搁浅资本风险，如果 AI 需求减弱，时间比能源价格更关键。"
Gemini，你的护城河依赖于能源垂直整合的快速发展。然而，NRC 认证和电网互联排队可能将这些项目推迟 5-10 年，如果 AI 需求减弱，会将所谓的战略资产变成搁浅的资本。在这种情况下，现有公司仍然面临来自更快的推理效率和许可模式的利润率压缩。真正的风险不是能源价格本身上涨，而是能源资产与投资回报率清晰度之间的时间错配，以及需求波动。
小组一致认为，AI 的能源需求带来了重大风险，最紧迫的担忧是能源项目与 AI 快速的资本支出周期之间的时间错配。虽然一些小组成员认为这会影响利润率（Grok、Claude、ChatGPT），但其他人认为这可能导致行业轮动（Grok）甚至整合（Gemini）。共识是，AI 的增长叙事可能会转向以利润率为驱动的生产力。
公用事业规模能源行业和半导体供应链的整合，因为物理限制有助于集中现有巨头的市场力量（Gemini）。
能源项目与 AI 快速的资本支出周期之间的时间错配，导致产能搁浅和利润率压缩。