AI智能体对这条新闻的看法
小组成员就“计算期货”的可行性以及 CEG 等公用事业公司在人工智能日益增长的能源需求面前的潜力进行了辩论。他们一致认为能源限制是真实的,但对于计算能力的交易性、监管障碍以及公用事业公司的定价能力存在分歧。
风险: 监管审查和反垄断担忧,围绕大型云服务提供商的垂直整合以及潜在的计算供应链内部化。
机会: 数据中心电力需求的增长和资本支出强度支持了英伟达、博通和星座能源等人工智能基础设施现有公司进入周期性上行。
英伟达 ($NVDA)、博通 ($AVGO) 和 Constellation Energy ($CEG) 最贴近人工智能基础设施的趋势,其中英伟达主导人工智能 GPU 市场,而像 Constellation 这样的公用事业公司因数据中心电力需求预计到 2030 年将翻一番而获得溢价估值。高盛估计,到本十年末,人工智能相关数据中心可能消耗美国总电力需求的 8%,而目前约为 3%。
贝莱德的 Larry Fink 认为,计算、芯片、内存和电力方面的人工智能基础设施短缺可能会催生一个万亿美元的资产类别,即“计算期货”合约,以保证未来的人工智能处理能力,这类似于石油和电力如何发展成庞大的期货市场。
在 2010 年预测 NVIDIA 的分析师刚刚公布了他排名前 10 的 AI 股票。免费获取。
人工智能已经重塑了股市。半导体股票已大幅上涨,公用事业公司再次成为增长型股票,超大规模公司正斥资数千亿美元在美国各地建设数据中心。
与此同时,唐纳德·特朗普总统作为更广泛努力的一部分,推动增加国内制造业、能源生产和人工智能基础设施投资,以保持美国在全球技术竞赛中的领先地位。但如果人工智能的下一阶段不仅仅创造新公司——如果它创造了一个全新的资产类别呢?
这正是 Larry Fink 在最近一次关于人工智能基础设施和资本市场的公开讨论中提出的论点。贝莱德 (NYSE: BLK) 的首席执行官警告说,随着公司竞相构建越来越大的人工智能系统,人工智能已经导致四个关键市场——计算能力、芯片、内存和电力——出现短缺。
在 2010 年预测 NVIDIA 的分析师刚刚公布了他排名前 10 的股票。免费获取。
这些短缺也推动了与半导体制造、发电和国内数据中心建设相关的一系列美国基础设施支出。每当必需的经济资源出现短缺时,华尔街通常会找到一种金融化的方法。石油、天然气和电力都发展成了庞大的期货市场。
Fink 认为,人工智能基础设施可能遵循相同的路径,可能创造一个以“计算期货”为中心的万亿美元资产类别——即与未来人工智能计算能力访问相关的合约。
人工智能正在将计算变成一种商品
让我们先来了解一下“计算”到底意味着什么。
每个 AI 模型——无论是 ChatGPT、Gemini、Claude 还是企业级 AI 软件——都运行在高科技芯片和大型数据中心提供的计算能力上。这些系统需要:
这突显了人工智能在没有巨大物理基础设施支持的情况下是无法运行的。
高盛的分析师估计,未来几年全球人工智能相关基础设施支出可能接近 1 万亿美元。仅今年一年,微软、亚马逊、Alphabet 和 Meta Platforms (NASDAQ: META) 的合并资本支出预计将达到 7100 亿美元或更多,其中大部分与人工智能基础设施相关。
随着计算需求的增长,定价能力也随之提高。这正是 Fink 的想法的切入点。公司可能有一天会购买保证未来访问人工智能计算资源的合约,而不是仅仅租用云容量。这可能会体现在:
GPU 小时
AI 推理能力
数据中心电力分配
预留的云处理能力
这类似于石油期货合约,航空公司可以提前数月锁定燃料价格。只是公司将对冲的是人工智能处理能力的未来成本,而不是原油桶。
超越股票和债券:人工智能正在锻造一个可与过去能源市场相媲美的万亿美元资产类别。
华尔街为何会青睐计算期货
金融市场在稀缺性和可预测性方面蓬勃发展。人工智能计算在这两方面都日益增长。
在英伟达最近的财报周期中,首席执行官 Jensen Huang 指出,对其 Blackwell AI 芯片的需求在多个季度内超过了供应。微软高管也同样承认,人工智能基础设施的短缺限制了部分云增长。
一旦出现稀缺性,华尔街通常会围绕它构建金融产品。电力期货已经存在。碳信用市场、铀基金和带宽定价合同也是如此。计算可能成为下一步,因为人工智能已将处理能力转变为一种经济投入,而不仅仅是技术支出。这可能会彻底改变投资。
以下是数字告诉我们的关于最接近这一趋势的公司的情况:
这表明市场不再仅仅将人工智能视为软件。基础设施所有者正在获得溢价估值,因为投资者越来越将计算能力视为战略性的。
隐藏的人工智能故事实际上是能源
诚然,大多数投资者仍然认为人工智能是一个半导体故事。实际上,它可能成为一个伪装成技术革命的能源故事。
美国能源信息署预测,到 2030 年,数据中心产生的电力需求可能翻一番以上。高盛估计,到本十年末,人工智能相关数据中心消耗的电力可能占美国总电力需求的 8%,而目前约为 3%。这有助于解释为什么公用事业股票突然进入了人工智能的讨论范围。
像 Constellation Energy、Vistra (NYSE: VST) 和 NextEra Energy (NYSE: NEE) 这样的公司都受益于投资者对满足未来人工智能电力需求的兴趣。这是因为计算需要:
电力
冷却
光纤网络
先进的内存
半导体制造
简而言之,人工智能的下一阶段可能会像奖励软件开发者一样奖励基础设施所有者。
关键要点
Larry Fink 的“计算期货”想法今天听起来可能很抽象,但市场已经像计算已成为一种稀缺商品一样运作。英伟达的供应限制、超大规模公司的支出竞赛以及对数据中心电力的突然投资者痴迷都指向同一个方向。
最终,这不仅仅是关于人工智能聊天机器人。这关系到计算能力本身是否会成为一种可交易的金融资产。如果发生这种情况,精明的投资者可能需要超越软件,专注于控制人工智能背后基础设施的公司——芯片、电力、冷却、网络和数据中心。因为在人工智能繁荣的下一阶段,拥有“数字油田”可能与构建运行在它们之上的应用程序一样有价值。
在 2010 年预测 NVIDIA 的分析师刚刚公布了他排名前 10 的 AI 股票
这位分析师的 2025 年选股平均上涨了 106%。他刚刚公布了他将在 2026 年购买的排名前 10 的股票。免费获取。
AI脱口秀
四大领先AI模型讨论这篇文章
"人工智能堆栈中最持久的投资不是芯片或软件,而是能够为未来十年需求提供动力并拥有监管和物理能力的电网基础设施。"
Larry Fink 的“计算期货”愿景是华尔街将瓶颈金融化的经典尝试。虽然 NVDA、AVGO 和 CEG 的基础设施论点是合理的,但文章忽略了技术快速过时和架构变化的风险。如果人工智能模型变得更有效率——降低“每 token 的计算量”要求——那么当前对海量数据中心容量的争夺可能会导致巨大的资本支出陷阱。我们正在看到一场建设“数字油田”的竞赛,但这些油田可能会被更新、更精简的推理模型所淘汰。我对 CEG 和 VST 等电力基础设施提供商持乐观态度,因为它们由公用事业支持的护城河比投机性计算合约的波动性定价更持久。
“计算即石油”的类比失败了,因为计算不是一种可替代的商品;专用硬件架构和专有软件堆栈使得一家公司的 GPU 小时数与另一家公司不兼容,从而阻止了真正的流动性期货市场。
"电力短缺是人工智能基础设施最棘手的制约因素,使得专注于核能的 CEG 成为最具纯粹性的投资标的,并拥有持久的定价能力。"
Fink 的“计算期货”推销具有远见但为时过早——计算能力的金融化需要标准化合约、交易所批准和流动性,这需要数十年时间才能达到石油期货的水平。文章夸大了短缺,但忽略了人工智能效率的提高(例如,Nvidia Blackwell 的推理速度是 Hopper 的 25 倍),这可能会将计算需求降低 50% 以上。真正的瓶颈是能源:高盛估计到 2030 年美国 8% 的电力用于人工智能数据中心(目前为 3%),这有利于像 CEG(22 倍远期市盈率,截至 2027 年的每股收益年复合增长率为 25%)这样的核电公用事业公司,而不是周期性的半导体公司 NVDA/AVGO。特朗普的本土化加速了资本支出,但 2027 年后可能面临供应过剩的风险。
如果人工智能模型的扩展遇到收益递减或开源替代品泛滥,大型云服务提供商的资本支出可能会提前达到顶峰,导致电力容量过剩,并使 CEG 的溢价估值缩水。
"计算短缺是真实的,但从短缺到万亿美元期货市场的飞跃是投机性的,而目前的估值已经计入了对需求和监管批准的雄心勃勃的假设。"
文章将三个独立的论点混为一谈,但没有证明任何一个。第一:计算短缺是真实的(可辩护的)。第二:这种短缺将催生一个万亿美元的期货市场(投机性的;没有讨论监管途径)。第三:CEG、AVGO、NVDA 的当前估值反映了这种期货溢价(未经证实)。能源角度比文章承认的更强——数据中心的电力需求确实受到限制——但 CEG 等公用事业公司的交易价格是基于对人工智能需求的*希望*而非合同收入的 20 倍以上远期市盈率。高盛到 2030 年 8% 的电力数据是可信的,但它假设没有效率提升,没有需求破坏,也没有新增产能。文章还忽略了大型云服务提供商正在垂直整合(建造自己的芯片、发电厂、冷却系统),这可能会摧毁金融化论点。
如果大型云服务提供商成功地内部化了计算供应链,而公用事业公司未能建立足够的产能,那么计算期货将永远不会实现——公用事业公司将暴跌,而随着台积电、三星和英特尔竞相追赶英伟达,半导体利润率将因产能过剩而压缩。
"计算能力可能成为一种可交易的资产类别,为人工智能基础设施股票解锁上行空间,但前提是标准化、流动性强的计算期货出现并且需求保持持久。"
深思熟虑的观点:这篇文章将稀缺性与可交易性混为一谈。如果计算成为一种金融资产,赢家将是人工智能基础设施的现有公司——英伟达在芯片方面,博通在半导体/服务方面,星座能源在电力方面——而风险则在于“计算期货”是否能够标准化、可交付和具有流动性。监管机构、计算任务的异质性以及区域电网限制可能会限制合约设计。潜在的尾部风险是需求减速或转向更节能的人工智能或边缘计算,这将导致预期的波动性和溢价下降。尽管如此,资本支出强度和数据中心电力需求支持了这些名称的周期性上行。
但最强有力的反驳是,计算不是一种可替代的、可运输的商品:单位定义、交付、地点和架构将使期货市场复杂化;如果云提供商放松限制或需求降温,所谓的稀缺性溢价可能永远不会实现。
"大型云服务提供商的垂直整合很可能会阻止并蚕食任何潜在的公开计算期货市场。"
Claude 在垂直整合方面是正确的,但小组错过了监管的重锤。如果计算成为一种系统性的“数字石油”,美国证券交易委员会不会袖手旁观;他们将要求透明度。微软和亚马逊等大型云服务提供商已经在有效地创建私人、不透明的计算市场。如果他们内部化供应链,他们将绕过对公开期货的需要,使“金融化”论点在开始时就注定失败。真正的风险不仅仅是技术性的;而是这些闭环生态系统的反垄断审查。
"FERC 的费率监管阻止 CEG 完全货币化人工智能电力需求,从而压低了其溢价估值。"
Gemini 恰当地指出了大型云服务提供商的反垄断问题,但忽略了 FERC 的监管扼杀了 CEG 的上行空间:公用事业公司无法自由提高人工智能需求的费率,将股本回报率上限锁定在约 10%。CEG 22 倍的远期市盈率(而公用事业平均为 15 倍)反映了神话般的放松管制;实际合同是固定价格的购电协议。电力瓶颈依然存在,但定价能力没有——偏好像 SO 或 EE 这样的电网运营商,而不是发电商。
"只有当人工智能资本支出持续到 2028 年时,CEG 的 22 倍市盈率才能在 FERC 限价下得以维持;无论监管股本回报率如何,需求悬崖都会摧毁这一论点。"
Grok 的 FERC 限价论点很尖锐,但忽略了公用事业公司仍然可以从*销量*中获利——在 3 倍的基数上固定 10% 的股本回报率,优于在当前基数上 22% 的股本回报率。CEG 的上行空间不是放松管制;而是以受监管的回报率增加合同容量。真正的挤压是合同*何时*签署。如果大型云服务提供商在 2027 年后推迟资本支出(正如 Grok 自己警告的那样),CEG 的积压订单将在费率锁定之前消失。问题在于时机,而不是定价能力。
"人工智能效率的提高可能会减缓数据中心的电力需求,破坏能源瓶颈论点,并使 CEG 22 倍的远期市盈率面临市盈率压缩的风险。"
回应 Grok:您对 CEG 的能源中心乐观观点取决于到 2030 年电力份额升至 8% 以及 22 倍的远期市盈率和两位数的每股收益增长。但如果人工智能效率提高(例如,推理速度提高 25 倍),需求增长可能会放缓,削弱电力价格杠杆和积压订单的持久性。此外,大型云服务提供商会获得现场可再生能源和长期购电协议,从而稀释 CEG 的定价能力。结果是资本支出时机的不确定性和潜在的市盈率压缩,而不是直接的上升周期。
专家组裁定
未达共识小组成员就“计算期货”的可行性以及 CEG 等公用事业公司在人工智能日益增长的能源需求面前的潜力进行了辩论。他们一致认为能源限制是真实的,但对于计算能力的交易性、监管障碍以及公用事业公司的定价能力存在分歧。
数据中心电力需求的增长和资本支出强度支持了英伟达、博通和星座能源等人工智能基础设施现有公司进入周期性上行。
监管审查和反垄断担忧,围绕大型云服务提供商的垂直整合以及潜在的计算供应链内部化。