来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
尽管存在搁浅资产、公用事业陷阱和政策风险等风险，但专家小组大体上同意，人工智能基础设施可以成为持久的增长引擎，在电力、数据中心和专用硬件领域存在机会。然而，他们警告说，估值已经很高，并且应该考虑资本支出放缓、能源成本和监管阻力等风险。
风险: 由于人工智能模型效率提高速度快于预期而导致的搁浅资产敞口
机会: 受益于从“人工智能作为一项功能”向“人工智能作为物理基础设施瓶颈”的转变
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 →
当然，人工智能可以为编写电子邮件和生成图像提供有趣的新工具，但它很快就变得远不止于此。
这项技术已经渗透到日常生活和工作的几乎所有方面，所有这些都由以惊人的速度发展和扩展的技术提供支持。对于一些资深财务顾问来说，这可能感觉像是互联网的早期以及随之而来的 .com 泡沫时期，当时投资者将估值推高。但即使与那个时代有逻辑上的可比性，这次也不同，因为人工智能在许多方面几乎是以一种有机的方式发展的，技术正在发展技术。
从投资角度来看，很难忽视今年 SanDisk 464% 的涨幅，或者 DigitalOcean 240% 的涨幅，因为投资者正在追逐人工智能基础设施和存储开发的领导者。即使是英特尔和戴尔科技等传统科技公司也搭上了人工智能的浪潮，今年的涨幅分别为 197% 和 107%。
Mindset Management 首席投资官 Seth Hickle 表示：“人工智能军备竞赛已成为股市的增长引擎。” “随着与人工智能相关的公司持续显示出基本面的改善，我们的模型自然会增加在核心投资组合中的敞口，”他补充道。“我们仍处于人工智能启蒙的早期阶段，我认为我们需要意识到这个交易可能会变得多么拥挤。”
寻找下一个成功的人工智能交易可能需要一种新的方式来思考市场类别。Waypoint West 的创始人兼管理合伙人 Haley Schaffer 表示，虽然有些人认为人工智能是一项新技术，但其他人则将该领域视为一个跨越数十年的基础设施周期。Schaffer 表示，她没有强调构建人工智能产品的模型、应用程序和公司，而是专注于“其底层的东西”。她补充道：“我们专注于数据中心、电力和能源基础设施。” “人工智能可能是数字化的，但扩展它是一个物理投资问题，而这正是我们认为在未来十年中，稳健资本将部署的地方。”
Arena Private Wealth 的创始人兼首席合伙人 Mitch Stein 正在采取类似的策略，专注于“镐和铲子”，首先是“推理基础设施”。他表示：“我们的论点很简单：基础设施一旦达到这个规模就会被建造起来，而早期占据市场份额的公司将能够定义接下来会发生什么。” “一家旨在做一些基础性工作的公司，其市场价值达到十亿甚至万亿，这仅仅是开始。”
Chesapeake Financial Planners 的管理合伙人 Jeffrey Judge 表示，与任何应用相比，基础设施角度是一个更具防御性的选择，他研究了人工智能的风险回报情景。“‘镐和铲子’的故事有历史依据；你通过向争夺奖品的所有人出售来赚钱，而不是猜测谁会赢，”他说。“这并不意味着应用层面的交易不能成功，但那里的结果分散性是巨大的。”
不要变得 SaaS 化
那么，顾问们如何着手处理目前所有新人工智能工具背后的大规模基础设施建设呢？虽然有多种方式可以接触到人工智能市场，但关键可能是保持灵活性和适应性。这包括能够应对波动的浪潮。“我们需要超越仅仅是建设，并识别人工智能正在颠覆常规的机会，”Hickle 说，他指的是 2 月初动摇金融市场的所谓“SaaSpocalypse”。
这次短暂但极端的市场恐慌是由软件工具转向自主代理触发的，抹去了数十亿美元的市场份额：
分析师估计，仅在 2 月 3 日，全球 SaaS 市场价值就蒸发了 2850 亿美元。
在此事件发生后的几周内，总计超过 1 万亿美元的软件和科技估值被抹去。
Hickle 表示：“SaaSpocalypse 更多的是市场重新定价这些公司曾经拥有的竞争壁垒，而不是软件变得过时。” “随着人工智能采用的普及，它最终可能造成的最大颠覆仍然很大程度上是未知的。”
A&I 500
一些顾问乐于采取更被动的策略来应对人工智能市场，他们认为技术演进如此广泛和深远，仅仅投资就能让你获得敞口。Millennial Financial Planning 的所有者 Bryan Byrer 表示：“如果你投资于标准普尔 500 指数，你就会投资于那些投入人工智能资源的公司。”
他补充道：“除非你想获得超高的人工智能敞口，否则你不需要做任何事情来获得敞口。” “我不知道它是否会像人们认为的那样成为万能药，因为人们和个人体验的钟摆会摆回来。”
Private Vista 的合伙人 Matt Parenti 也采取了广泛的市场方法，而不是试图挑选赢家和输家。“当然，有方法可以直接投资于人工智能主题，就像任何行业交易一样；然而，我们更愿意像对待任何主题一样获得敞口和实现多元化，”他说。“我认为将这些投资视为多元化投资组合的一部分是健康的，否则它就变成了一项战术押注。”
Chesapeake Financial Planners 的 Judge 梳理了客户的投资组合，以确定人工智能敞口已经存在于何处。
Judge 表示：“我最近接触的一位客户震惊地发现，他的标准普尔 500 指数基金有超过 30% 的权重集中在那些整个增长论点都围绕人工智能的公司，而客户根本没认为自己拥有人工智能。”
对于那些希望获得更直接人工智能敞口的客户，Judge 会转向广泛的技术 ETF，“其中人工智能被融入了主题”，例如 Invesco QQQ Trust (QQQ)。对于更具体的人工智能敞口，Judge 使用 Global X Robotics & Artificial Intelligence (BOTZ) 和 Robo Global Robotics and Automation Index (ROBO)。
Judge 表示：“客户对人工智能投资肯定很感兴趣。” “两年前，这只是好奇，但现在已经很紧迫了。害怕错过（FOMO）是真实的，我的工作是确保这种紧迫性不会压倒风险承受能力。”
.com 泡沫。所有对人工智能投资的关注都让人联想到 .com 泡沫，这让一些顾问采取了谨慎的态度。Beratung Advisors 的首席执行官 Greg Furer 表示，请记住，许多创造现代互联网的公司从未盈利，而且现在已经不复存在了。他建议关注那些利用人工智能技术来降低成本和提供更好产品的公司。
他表示：“人工智能领域的真正赢家将是那些将人工智能作为工具来改进产品和提高流程效率的公司。” “许多纯粹的人工智能公司距离盈利还有很长的路要走。它们的收入数字可能看起来很可观，但收入并不等于收益，而收益最终是推动长期股东价值的因素。”
本文首次发布于 The Daily Upside。如需获取财务顾问新闻、市场洞察和实践管理要点，请订阅我们的免费 Advisor Upside 电子报。
四大领先AI模型讨论这篇文章
"电网和许可瓶颈可能会比当前顾问的热情所预期的更严重地延迟和压缩人工智能基础设施投资的回报。"
顾问们将目光从应用程序转向人工智能基础设施，如数据中心、电网和能源资产，这反映了一种符合逻辑的“镐和铲子”偏好，这得到了 2023 年戴尔（107%）、英特尔（197%）及类似公司收益的支持。然而，这种观点低估了多年的许可延迟、超过 2000 吉瓦的电网互联队列以及可能要到 2027 年之后才能产生收益的公用事业资本支出。SaaS 末日的估值重置表明，当基本面令人失望时，市场情绪会如何迅速转变，而纯粹的基础设施投资也面临类似的集中风险，如果人工智能训练需求趋于平稳的话。
截至 2026 年已锁定的巨型云服务商资本支出承诺，即使应用程序滞后，仍可能为早期基础设施持有者带来超额回报，使电力瓶颈成为暂时的而非终结性的障碍。
"“应用程序之上”的基础设施论点原则上是合理的，但文章没有提供估值护栏，并且忽略了近期涨幅已经反映了这种拥挤的共识。"
文章混淆了两种截然不同的交易：基础设施（可防御、资本密集、持久）和更广泛的人工智能叙事（投机、拥挤、依赖估值）。引用的年初至今涨幅——SanDisk +464%，DigitalOcean +240%——已经反映在价格中，并且发生在 2 月 3 日“SaaS 末日”重新定价之前。基础设施论点假设持续的资本支出周期和利润率稳定，但文章忽略了：(1) 半导体/数据中心资本支出的周期性风险，(2) 英伟达 (NVDA) 的主导地位是否会造成单点故障，(3) 如果人工智能模型变得更有效率，“镐和铲子”也面临颠覆。正如文章本身所述，标准普尔 500 指数已经包含了 30% 以上的人工智能敞口——这表明“机会”可能在很大程度上已被套利殆尽。
如果人工智能资本支出确实是一个跨越数十年的基础设施周期（而不是泡沫），那么现在对基础设施投资的配置不足意味着错过了赢家复利增长的回报，而广泛市场敞口可能显著跑输专门的基础设施配置。
"从软件层面的投机转向物理基础设施投资，代表着从“不计成本的增长”转向更持久、资产密集型的价值主张。"
文章正确地指出了从“人工智能作为一项功能”到“人工智能作为物理基础设施瓶颈”的转变。通过关注电力、数据中心和冷却，顾问们正确地识别了唯一具有即时、非酌定资本支出要求的领域。然而，文章未能解决估值压缩的风险：如果人工智能驱动的生产力收益未能抵消巨大的公用事业和硬件成本，这些基础设施投资将面临“公用事业陷阱”——即它们是必不可少的，但由于巨额债务偿还和维护要求，结构性利润率很低。我对物理基础设施层持乐观态度，但前提是估值不假设电力需求无限、线性增长。
“镐和铲子”的论点忽略了这些基础设施提供商实际上正在成为商品化的公用事业，容易受到激烈价格战和监管干预的影响，因为能源网难以支撑其巨大的负荷。
"现在支持人工智能基础设施——数据中心、电力和推理硬件——比追逐应用程序级别的赢家更能提供持久、波动性较低的人工智能增长方式，但成功取决于持续的资本支出周期和可管理的能源成本。"
人工智能基础设施可以成为持久的增长引擎，而不仅仅是围绕应用程序的炒作周期。文章认为数据中心、电力和推理硬件将支撑人工智能的扩展是正确的。“镐和铲子”的立场降低了与追逐个别人工智能应用程序相比的差异度，而且机会是跨行业的：云提供商、专业硬件制造商和数据中心 REITs 都可以受益。但文章忽略了风险：如果需求适度，资本支出将急剧放缓；能源和冷却成本；数据中心可能过度建设；以及可能限制利润率的监管或地缘政治阻力。一些地方的估值看起来很高，而 SaaS 转型风险依然存在。
这种叙述假设对人工智能基础设施的需求是永恒的；如果模型训练放缓，云资本支出降温，或能源成本上升，“镐和铲子”交易可能会表现不佳，而拥挤的赌注会压缩回报。
"已锁定的巨型云服务商资本支出承诺可能会为基础设施创造暂时的溢价利润率，然后在 2027 年之后出现由效率驱动的搁浅资产风险。"
尽管 Gemini 强调了巨额债务和维护带来的公用事业陷阱，但这忽略了 Claude 提到的截至 2026 年已锁定的巨型云服务商资本支出。这些承诺可能在超过 2000 吉瓦的队列中为电力供应商确保溢价定价，使收益实现推迟到 2028-2030 年。真正的风险不是即时的商品化，而是如果人工智能模型的效率提高速度快于预期，导致电力需求减少，从而产生搁浅资产风险。
"只有当合同包含需求底线或罚款条款时，锁定的资本支出承诺才能保护电力供应商——否则他们将受制于人工智能效率的提高。"
Grok 的 2028-2030 年收益实现假设巨型云服务商的资本支出将保持锁定状态，尽管人工智能模型的效率可能有所提高——但这是一种循环逻辑。如果效率降低了电力需求，那么这些资本支出承诺将在合同中期被重新定价或推迟。真正的考验是：电力供应商是否拥有合同中的回溯条款，还是他们会受到需求破坏的影响？没有这些细节，“锁定”的论点就不完整。
"人工智能基础设施将免受市场驱动的需求破坏的影响，因为国家层面的国家安全和地缘政治任务。"
Claude 对“锁定”的巨型云服务商资本支出来源提出质疑是正确的，但 Grok 和 Claude 都忽略了地缘政治因素。电力和数据中心的选址不再仅仅是财务决策；它已成为国家安全任务。无论短期效率提高或模型需求如何，政府很可能会补贴或强制进行基础设施建设。“公用事业陷阱”是 Gemini 所担心的，但它被国家支持的风险降低所缓解，这使得这些资产更像是主权基础设施，而不是商业科技投资。
"国家支持增加了风险，而不是保证，政策逆转会压缩回报。"
Gemini 关于主权支持充分降低基础设施风险的说法忽略了政策风险。补贴、购电协议 (PPA) 和监管顺风在经济低迷时期可能会被逆转或附加条件，将风险转移给纳税人和电费用户。如果政府重新考虑能源补贴或资本支出激励措施，数据中心电力和冷却项目的投资回报率 (ROIC) 可能会像硬件成本上升一样迅速压缩，即使有 2000 多吉瓦的互联队列，也会限制上涨空间。
尽管存在搁浅资产、公用事业陷阱和政策风险等风险，但专家小组大体上同意，人工智能基础设施可以成为持久的增长引擎，在电力、数据中心和专用硬件领域存在机会。然而，他们警告说，估值已经很高，并且应该考虑资本支出放缓、能源成本和监管阻力等风险。
受益于从“人工智能作为一项功能”向“人工智能作为物理基础设施瓶颈”的转变
由于人工智能模型效率提高速度快于预期而导致的搁浅资产敞口