来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
Alphabet 激进的人工智能扩张，涉及巨额的 800 亿美元资本筹集和 1800 亿至 1900 亿美元的资本支出，面临着重大的执行风险，特别是能源限制和潜在的货币化滞后，这可能导致计算能力闲置和稀释驱动的股东价值侵蚀。市场反应冷淡，这从股价在宣布消息后下跌中可以看出。
风险: 能源限制以及以可接受的价格为数据中心获取足够电力，这可能导致资本支出投资回报崩溃，而与芯片可用性无关。
机会: 如果人工智能需求如预期般快速且持久地实现，那么增量计算可能带来超额的、持久的回报。
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 →
Alphabet 计划通过股票销售筹集 800 亿美元，以资助其人工智能基础设施的扩张，伯克希尔·哈撒韦将通过私募向其注资 100 亿美元。
该公司在一份声明中表示，拟议的募集资金用途为“一般公司用途，包括用于扩展人工智能基础设施和全球计算能力的资本支出”。Alphabet 还指出，来自企业和消费者客户对其人工智能产品的需求已增长到超出公司目前交付能力的程度。
据 CNBC 报道，除了伯克希尔的私募之外，此次筹款还分为另外两个部分。在剩余的 700 亿美元中，300 亿美元将用于承销发行——其中一半是与强制性可转换优先股挂钩的存托凭证——而一项针对 A 类和 C 类股票的单独的公开市场发行计划将产生最后的 400 亿美元，该计划预计将在第三季度启动。
SEC 文件显示，高盛是伯克希尔交易的配售代理，而高盛、摩根大通和摩根士丹利将联合管理此次筹款的承销部分。
据 CNBC 报道，伯克希尔去年第三季度开始积累 Alphabet 的股票，截至周一宣布交易时，其持有的价值已增至约 200 亿美元。
此次融资是 Alphabet 今年为资助其人工智能雄心而进行的一系列资本市场活动的一部分。据 CNBC 报道，今年早些时候，Alphabet 在 2 月份通过全球债券发行从债务市场获得了超过 300 亿美元的资金，并另外通过以英镑和瑞士法郎计价的工具从欧洲投资者那里获得了约 110 亿美元的资金——这些交易本身就发生在去年 11 月 250 亿美元债券交易之后。
公司更新的资本支出指引显示，今年的支出将在 1800 亿美元至 1900 亿美元之间，高于之前的 1750 亿美元至 1850 亿美元的区间。当被问及公司面临的最大挑战时，首席执行官 Sundar Pichai 确定计算能力是他最关心的问题，据 CNBC 报道，他问道：“无论是电力、土地还是供应链限制，你如何才能迅速满足这种非同寻常的需求？”
据彭博社报道，周一收盘后，Alphabet 股价在盘后交易中下跌。
四大领先AI模型讨论这篇文章
"Alphabet 正将每年 1800 亿至 1900 亿美元的资本支出押注在尚未大规模验证的人工智能货币化上；此次融资是必要的，但不足以证明这笔赌注会获得回报。"
Alphabet 今年将投入 1800 亿至 1900 亿美元的资本支出——比之前的指引增加了 2.3% 至 2.9%——以满足“超出”交付能力的 AI 需求。此次 800 亿美元的融资（股权 + 债务，加上之前的 660 亿美元债券）表明了对投资回报的信心，而伯克希尔的 100 亿美元私募则验证了这一论点。但真正的压力在于：这种资本支出轨迹假设人工智能的货币化能够成比例地扩展。Alphabet 的搜索利润（仍约为 40%）是为其投资提供资金的现金引擎。如果企业人工智能的采用停滞不前，或者竞争对手（OpenAI、xAI 等）占据了不成比例的市场份额，Alphabet 将在闲置的计算能力上烧钱。宣布消息后股价下跌表明市场对稀释和执行风险持怀疑态度，而非热情。
如果人工智能基础设施的资本支出出现收益递减——或者 Alphabet 的专有模型（Gemini）未能证明其相对于更便宜的替代品而言是值得的投入——该公司将面临多年的利润挤压，同时承担更高的债务。伯克希尔的 100 亿美元私募也可能表明巴菲特看到了估值风险，而不仅仅是机会。
"股权发行的规模表明，人工智能的资本支出将超过现金产生能力，从而带来持续的稀释风险，而这种风险尚未完全反映在价格中。"
Alphabet 的 800 亿美元股权融资，其中包括伯克希尔的 100 亿美元私募、包括强制性可转换债券在内的 300 亿美元承销发行以及一项 400 亿美元的 ATM 计划，这表明今年 1800 亿至 1900 亿美元的人工智能驱动的资本支出无法仅靠运营或之前的 660 亿美元债务来融资。首席执行官 Pichai 对电力、土地和供应链瓶颈的关注揭示了可能延迟投资回报的执行风险。通过 A 类/C 类股票和优先股进行的稀释将给每股收益带来压力，即使需求超过了当前产能。伯克希尔此前增持至 200 亿美元增加了验证，但并未抵消近期的股东稀释。宣布消息后股价下跌反映了市场对时机和回报的怀疑。
如果人工智能收入增长的速度快于基础设施的建设速度，股权融资可能会带来高度的增值效应，可转换债券将以更高的价格转换为股票，从而掩盖稀释效应。
"积极依赖股权稀释来为巨额资本支出融资表明，Alphabet 的内部现金流不足以支持其人工智能基础设施的雄心，从而造成了重大的长期收益稀释风险。"
Alphabet 的 800 亿美元资本筹集是一项巨大的“人工智能绝望”信号，伪装成战略扩张。尽管管理层将其描述为满足过剩需求，但自去年 11 月以来近 1500 亿美元的总资本筹集规模表明，Alphabet 为跟上微软和 Meta 的步伐正在以不可持续的速度烧钱。通过稀释股东来为资本支出融资是一项高风险的赌注，即计算能力将直接转化为即时的高利润收入。如果“人工智能时刻”达到顶峰，或者这些数据中心的投资回报在 2026 年之前未能实现，Alphabet 将有效地为其资产负债表增加昂贵的基础设施负担，而这些基础设施可能会因技术快速过时而遭受损失。
如果 Alphabet 确实受到供应限制，那么这笔资本是一项必要的投资，以抓住主导性的“先发优势”，而伯克希尔·哈撒韦的参与则作为机构对他们长期人工智能路线图的强大信心投票。
"如果人工智能需求或投资回报未能如期实现，计划中的稀释和高资本强度（通过混合股权交易融资）可能会对近期收益造成压力。"
Alphabet 的 800 亿美元股权融资加上伯克希尔的 100 亿美元私募，凸显了其计划积极资助人工智能基础设施的程度。然而，没有明确的投资回报门槛或时间表，股权、可转换组件和 ATM 计划的组合增加了稀释风险，而今年的资本支出指引则上升至 1800 亿至 1900 亿美元。消息公布后，股价下跌，表明投资者对融资成本以及人工智能需求或回报未能如预期那样快速实现时的执行情况表示担忧。真正的考验在于，增量计算是否能带来超额的、持久的股本回报率，还是仅仅在持续的供应和能源限制下侵蚀了近期的利润。
看涨的理由是合理的：Alphabet 的人工智能基础设施是长期增长的驱动力，伯克希尔的参与可以降低融资风险并表明长期信心，如果计算需求被证明是持久的，可能会支持超额回报。
"到 2026 年，电力和土地限制，而不是芯片供应，是 Alphabet 实现资本支出投资回报的约束条件。"
没有人足够重视能源限制。1800 亿至 1900 亿美元的资本支出假设 Alphabet 能够获得足够的电力和土地。但数据中心需要 5-10 年的电力合同；关键地区（弗吉尼亚州、德克萨斯州）的电网容量已经紧张。如果 Alphabet 无法以可接受的价格锁定电力，无论芯片是否可用，资本支出的投资回报都会崩溃。Gemini 的“技术过时”风险是真实的，但能源短缺是更近期的执行杀手。
"如果投资回报被推迟，ATM 计划的持续稀释比能源限制构成更大的直接威胁。"
Claude 强调能源是更近期的杀手，但 400 亿美元的 ATM 计划带来了持续的稀释压力，如果能源延迟将投资回报时间推迟到 2026 年之后，这种压力会加剧。如果由于采用停滞导致 300 亿美元发行中的转换功能以较低价格激活，这种灵活的股权工具可能会比资本支出超支更快地侵蚀股东价值。
"主要风险不是能源或稀释，而是如果软件效率未能跟上硬件的推出，可能导致运营杠杆为负。"
Claude，你在能源问题上是对的，但你忽略了“计算到收入”的滞后。即使 Alphabet 获得了电力，软件堆栈也是瓶颈。我们假设 Gemini 的推理效率足够快地提高，以抵消巨大的硬件折旧。如果不能，能源成本将成为闲置、利用率不足的 GPU 的沉没成本。Grok，稀释不是主要风险；如果人工智能软件的效用没有随着这个物理基础设施呈指数级增长，那么运营杠杆就会变成负数。
"货币化风险是关键：即使能源限制得到解决，投资回报也取决于从软件到收入的快速转化；如果没有这一点，资本支出就有侵蚀利润和股权稀释的风险。"
Claude 的能源限制角度是有效的，但更大的风险是货币化滞后。即使解决了能源问题，投资回报也取决于软件效率和企业采用。如果 Gemini 类模型不能迅速将计算能力转化为持久的收入，那么即使能源问题得到解决，1800 亿至 1900 亿美元的资本支出也可能侵蚀利润。如果投资回报的时间推迟，稀释和杠杆会加剧；如果没有快速的产品化和定价优势，"先发优势"可能无法实现。
Alphabet 激进的人工智能扩张，涉及巨额的 800 亿美元资本筹集和 1800 亿至 1900 亿美元的资本支出，面临着重大的执行风险，特别是能源限制和潜在的货币化滞后，这可能导致计算能力闲置和稀释驱动的股东价值侵蚀。市场反应冷淡，这从股价在宣布消息后下跌中可以看出。
如果人工智能需求如预期般快速且持久地实现，那么增量计算可能带来超额的、持久的回报。
能源限制以及以可接受的价格为数据中心获取足够电力，这可能导致资本支出投资回报崩溃，而与芯片可用性无关。