来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
该小组认为，尽管人工智能基础设施的“已预订需求”相当可观，但主要风险在于推理工作负载商品化和潜在的过度建设导致的利润率压缩。转向更便宜、更专业的芯片可能会导致资本支出周期放缓。
风险: 由于推理工作负载的商品化和潜在的过度建设导致利润率压缩
机会: 超大规模用户在软件效率上获得优势的机会
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 →
Cerebras首席执行官兼联合创始人安德鲁·费尔德曼（Andrew Feldman）在All-In播客节目中表示，AI基础设施的建设如此失衡，以至于算力供应商仍在努力满足数月前已下的订单。 查马斯（Chamath）直言不讳地描述了建设的规模：“我们从未见过像中国长城这样的建设规模。”费尔德曼回应称，该行业不必进行投机性建设，因为大部分需求已经签订合同。
费尔德曼说：“他们不是在追逐‘如果你建造它，它们就会来’。他们是在追逐已预订的需求。” 他描述Cerebras有250亿美元的积压订单，并认为该公司并非个例。据费尔德曼称，算力供应无法跟上来自OpenAI、Anthropic、Google、Microsoft和AWS的现有已预订订单。 因此，数据中心正在美国、欧洲、中东乃至哈萨克斯坦、塔吉克斯坦、亚美尼亚和格鲁吉亚等国家兴起，单个建筑的耗电量超过中等规模的城市。
AI技术栈中“提供工具和服务的公司”层面的数据也讲述了类似的故事：预订量、积压订单和电力承诺已超过供应商的交付能力。
希望找到在这波AI建设浪潮中获胜公司的读者，可以深入研究我们的免费报告：推动AI热潮的7只股票（非芯片制造商）。
不要等待： 2010年就看好英伟达的分析师刚刚公布了他的十大AI股票。立即免费查看完整列表。
英伟达（NVIDIA）（NASDAQ:NVDA）公布2027财年第一季度营收为816.15亿美元，同比增长85.23%，其中数据中心营收为752.46亿美元，数据中心网络增长199%。第二季度业绩指引预计营收为910亿美元，总供应相关承诺已达到1190亿美元，以满足“未来几个季度之后”的需求。首席执行官黄仁勋在公司2027财年第一季度财报中称此次建设是“人类历史上最大的基础设施扩张”。该股股价约为202.78美元，过去一年上涨24.66%。
四大领先AI模型讨论这篇文章
"从投机性建设转向强制性货币化将暴露真实需求与补贴性基础设施产能过剩之间的差异。"
“已预订需求”的说法很有诱惑力，但它掩盖了一个关键风险：资本支出（CapEx）的集中。虽然英伟达（NVIDIA）的1190亿美元承诺和Cerebras的250亿美元积压订单表明需求稳固，但它们对微软（Microsoft）和谷歌（Google）等超大规模云服务商而言，意味着巨大的“不取即付”风险。如果人工智能推理收入在18-24个月内未能与这些大规模基础设施投资成比例增长，我们将面临经典的“过度建设”周期。从150兆瓦（MW）转向300兆瓦（MW）的电力负荷，不仅仅是一个基础设施障碍；它是一种压缩利润的税收，将迫使公司优先考虑投资回报率（ROI）而非原始计算能力。我们正从“建设”阶段转向“货币化”阶段，届时市场将惩罚那些无法证明单位经济可行性的公司。
“长城”的比喻很贴切，因为这是一场战略军备竞赛，落后（输掉AGI竞赛）的代价远远超过了过度建设产能的短期财务风险。
"N/A"
[不可用]
"已签约积压订单 ≠ 持久需求；真正的问题在于，在这些订单发货前，利润率压缩和企业对投资回报率的怀疑是否会侵蚀资本支出承诺。"
Cerebras 的 250 亿美元积压订单和 NVIDIA 的 1190 亿美元供应承诺是近期需求的真实信号，但文章将“已预订订单”与“持久需求”混为一谈。关键区别在于：6-18 个月前下的订单在芯片成本较高且 AI 投资回报率假设更乐观时锁定了价格。我们现在看到推理工作负载的成熟速度快于预期，这会压缩利润率并减少每个 token 的计算支出。电力限制的角度是有效的——电网容量确实是瓶颈——但这限制了建设发生的“地点”，而不是它是否能以目前的资本支出率维持。长城类比是营销。缺失的是：客户流失风险、商品化推理芯片的价格通缩，以及企业 AI 采用是否能证明当前轨迹所暗示的每年 5000 亿美元以上的资本支出是合理的。
如果这些订单确实以固定价格锁定至 2026-2027 年，并且电力是唯一的限制因素（而非需求破坏），那么 NVIDIA、AMD 和电力基础设施股票将具有多年的可见性，这可以证明当前估值的合理性——并且该文章的看涨论调是合理的。
"积压订单预示着持续的需求，但执行情况和成本动态将决定这是否能转化为持续的盈利能力和上行空间。"
标题预示着一个长期的AI资本支出周期，已预订的需求使得供应商难以取消，这种情况应能支撑NVIDIA等AI基础设施股票以及更广泛的数据中心硬件领域。然而，最强烈的警告是，如果客户重新谈判条款或交付周期延长，‘已预订的需求’仍可能导致收入滞后或取消。文章对风险因素一带而过：能源成本和电网限制、大额前期资本支出以及拥挤的供应商格局中持续的价格压力。如果随着产能扩张，建设停滞或利润率压缩，尽管有庞大的积压订单，目前的乐观情绪也可能消退。
积压订单可能反映的是采购策略而非已变现的收入；延迟和成本上涨可能会侵蚀利润，使反弹变得脆弱。
"推理工作负载的商品化将迫使一场挤压利润的价格战，从而将权力动态从芯片供应商转移回超大规模云服务提供商。"
克劳德关于价格通缩的说法是正确的，但他忽略了次级效应：推理的商品化实际上对超大规模公司是利好，而不仅仅是利润风险。通过将软件与专有硬件分离，微软和谷歌将迫使英伟达在价格上竞争，最终将“照付不取”的负担转嫁回给芯片制造商。真正的系统性风险不仅仅是过度建设；而是随着推理工作负载在未来24个月内转向更便宜、更专业的硅片，英伟达不可避免地面临利润压缩。
[不可用]
"利润率收窄 ≠ 需求破坏；英伟达的护城河是架构性的，不只是价格。"
Gemini 的利润率压缩论假设英伟达会失去定价权，但这忽视了转换成本和架构锁定。超大规模云服务提供商无法在部署过程中轻松转向 AMD 或定制芯片，而不必重写软件栈——这将耗费 18-36 个月。真正的风险不是商品化；而是英伟达的毛利率从约 70% 压缩至 55%-60%，同时绝对美元收入仍增长 25% 以上。这对英伟达的股票来说仍然是看涨的，只是不像文章暗示的那么看涨。
"商品化并非净利好；利润率压缩和单位增长放缓威胁着持续的资本支出。"
回应 Gemini：我对商品化对超大规模厂商利好表示怀疑。如果推理硬件成为商品，芯片利润将变薄，巨额资本支出的投资回报期将缩短，从而增加了部署延迟的风险。超大规模厂商或许能在软件效率上获益，但这会将风险从硬件价格优势转移到架构护城河和服务的货币化上。关键风险在于利润压缩和单位增长放缓，而不仅仅是更便宜的芯片——这将导致更谨慎的资本支出周期，而非失控的资本支出周期。
该小组认为，尽管人工智能基础设施的“已预订需求”相当可观，但主要风险在于推理工作负载商品化和潜在的过度建设导致的利润率压缩。转向更便宜、更专业的芯片可能会导致资本支出周期放缓。
超大规模用户在软件效率上获得优势的机会
由于推理工作负载的商品化和潜在的过度建设导致利润率压缩