作者：陆家嘴幽灵
过去一周，纳指全周下跌约4.5%，英伟达自10月6日创下阶段新高后最大回撤近12%，市值蒸发约6000亿美元。周五科技调整持续，美光、海力士分别跌5.63%和6.58%，而前一天刚迎来“小奇迹日”的CoreWeave再次下挫11.91%。
AI投入、融资和回报，再次成为市场讨论的焦点。AI发展远没有结束，模型能够完成的任务在扩大，企业也在继续投入。但在长期前景与当下交易之间，始终隔着利润分配和市场预期。
今天和大家简单谈谈泡沫，可以帮助我们看清哪些增长有真实使用支撑，哪些利润依赖暂时紧缺，又有哪些远期结果被过早计入了价格。
01
相信AI发展，为什么仍有必要讨论泡沫
本周台电公布三季度业绩，营收467.2亿美元，同比增长41.2%，环比增长16.2%；四季度营收指引为523亿至543亿美元，增长有重要支撑，经营规模仍在扩大。这与部分科技调整形成了对照：
经营增长与股价下跌能同时发生，因为市场还要判断当前增长能保持多久，未来利润中又有多少已经被价格提前反映。
我认为AI长期发展的基础，仍然来自越来越多任务有机会被低成本完成。编程工具可以降低开发和维护门槛，Agent可以帮助处理原先不值得单独开发系统的流程。过去因为费用太高而放弃的软件需求，成本下降后会重新出现。这些增量要经过产品、授权和客户使用逐步释放，空间并不仅仅由今天几个热门应用决定。
与此同时，产业扩张过程中也可能积累过高的预期。比如，把某一年近乎翻倍的采购增长延续很多年，把供给紧张时的利润率当成长期常态，或者认为只要建成数据中心，客户就会立即用满并持续付款。每一项假设都可能有依据，全部按最顺利的路径组合起来，容错空间就会变小。
泡沫可以依附在真实需求之上，体现为对增长速度、利润持续时间和资金回收的过度乐观。
因此，判断泡沫不必等到需求崩塌。订单仍在增长，只要增速低于此前假设；利润仍然很高，只要市场开始缩短高利润的持续年限，价格就可能调整。技术进步与这些预期修正，有各自的时间表。反过来，经历调整后，也要检查价格是否已经反映了较多压力。一个实用的问题是：
当前价格要求企业维持几年高增长，对利润率和资金条件又有什么要求？
如果每一项都要最顺利才能兑现，风险就比较集中；如果按较温和的增长和盈利也能支持价值，后续经营改善便有更大意义。泡沫分析需要落到具体假设，才能帮助判断价格。
这也是研究上需要分开的三件事：AI是否继续创造价值，公司能从中获得多少利润，以及投资者为这些利润支付什么价格。
对第一件事保持信心，与认真检查后两件事同时进行并不冲突。
二、高增长里，有多少采购被提前了？
供给紧张时，客户通常会更早下单，增加安全库存，提前锁定关键部件。供应商看到的采购，既包括即将投入使用的设备，也包含为未来建设准备的物料。交期越不稳定，客户越愿意用资金换取供应保障。
这种行为会放大上游的增长。等安全库存达到目标，即使实际部署继续增加，新增采购也可能放缓。举个例子，两期设备投产分别为80套、100套，对应采购分别为120套、110套。在这个假设下，投产增长25%，采购却减少约8%，库存仍在增加，只是增加的更慢了。
供应商前一期取得的收入是真实的，客户的建设计划也可以继续推进。变化发生在采购与使用的时间差上。如果市场把补库阶段的增速长期外推，后面就容易出现预期落差。
还有一种情况是物料配套不齐。一套AI系统需要芯片、存储、网络、机柜和散热共同到位。某个部件先交付，其他环节遇到问题，已经采购的物料便需要等待。部分供应商订单旺盛，另一部分供应商却可能收到暂缓提货的安排。
此前报道某企业第三季度业务受到客户ASIC服务器机柜供应链良率、物料配套和运输等因素影响，后段机柜生产问题也传导到了机壳拉货节奏。这个例子说明，研究交付放缓时，要先找到卡在哪一道工序，再判断对后续采购的影响。
利润变化同样要拆开。某存储厂商在前三季度业绩预告中表示，第三季度存储供需总体仍偏紧，但DRAM、NAND价格涨幅收窄，涨价对盈利的边际贡献趋缓；同时，第三季度单季经营现金流净额转正。一家公司可以在提价收益减弱的同时，改善资金周转。
这些信息需要分别使用。价格涨幅收窄影响盈利弹性，物料不齐影响交付时间，现金回收影响经营质量。公司自己的原材料、在产品和成品库存，也对应不同状态：有的在等待配套，有的服务于新产品爬坡，有的才可能面临销售困难。仅凭存货金额增加，很难判断整条产业链已经过剩。
目前更值得关注的，是此前采购有多少进入了实际部署，客户还需要维持多高库存，以及下一轮订单来自新增项目还是继续补库。只有把这些关系接起来，才能理解高增长中有多少能够延续。
03
融资和估值，开始检验增长的代价
近期另一条受到关注的线是AI扩张如何获得资金。据报道，黑石旗下基金拟投入90亿美元，参与以A家未来五年芯片租赁付款为支撑的融资，投资者拟获超过10%的收益率。
当然，单笔融资的报价，不能直接套到全部基础设施投入上。融资本身有明确用途。设备和机房需要先投入，客户收入在以后释放，资金可以帮助跨过建设期。需要关注的是借来的钱能否在约定偿付期限内，变成持续产生现金的资产。
如果项目按期投产、客户稳定付款，收入可以逐步覆盖运营、设备更新和融资支出；如果电力接入或交付延后，利息、部分租赁费用和已投入资金的占用仍会继续。原本看起来有吸引力的项目，可能因为多等几个季度而显著降低回报。
设备更新也会影响这笔账。用未来多年的收入支持今天的融资，需要判断设备在这段时间内能以什么价格提供服务。旧设备即使仍可使用，新一代设备的成本优势也可能影响其租金和利用率。转去承担较轻任务，可以延长使用寿命，但是对应的收费与现金回收就要重新计算。
这也让不同公司的差异变得重要。现金充裕的平台可以用原有业务支持建设，依赖外部融资的服务商需要同时满足客户和债权人的要求。融资持续可得，企业可以等待需求释放；资金条件变化，扩张节奏就需要调整。
还有一点，产业链上的增长会相互强化。云厂商建设形成硬件订单，供应商收入增长又支持市场提高对AI需求的判断，更高估值有利于继续融资。这个过程可以为真实产业创造条件，也可能让多家公司同时依赖一批尚未充分兑现的远期现金流。这就导致一种现象，客户名单看起来很多，但背后的资金来源和项目却可能是重叠的。
所以，市场下调估值时，有时调整的是增长所需的资金、等待时间与风险补偿。过去愿意提前计入的收入，现在需要更具体的投产和回款证据。一家公司业务仍在扩大，股票的估值倍数也可能下降。
资本开支同样要按这个逻辑理解。增长率从很高的位置回落，只要总额继续增加，设备采购仍可能扩大。具体供应商的收入取决于采购结构、份额、价格和交付时间；设备更新、专用芯片和效率优化，也会改变各环节获得的增量。把资本开支的一个增速直接转换成整条产业链的利润增速，会遗漏这些差异。
04
总结
我对AI的看法仍然偏积极。能力进步、成本下降和应用探索，为更多真实任务进入自动化创造了条件。这一轮调整值得关注的，是市场开始更仔细检查：采购有没有提前，产能能否按期使用，以及经营收入能否支持持续投入。
这几类问题，有不同的解决方式：预期过高可以通过盈利增长和价格调整重新匹配；物料不齐需要工程与供应链改善；库存消化需要实际部署；资金压力则需要经营回款、融资或项目节奏调整。
如果只是笼统说一句“AI有泡沫”，难以判断风险会落到哪家公司、持续多长时间。
接下来，我觉得最重要的是分清两种变化。
一种是采购节奏的消化：客户继续投产和使用，只是减少提前备货；供应链逐步配齐，积压设备进入运行；部分产品涨价放缓，客户部署成本得到改善。这种情况下，上游短期增速可能承压，实际使用与现金回收仍可继续增长。后续订单能否恢复，要看库存消化和新增项目怎样衔接。
另一种是需求与资金同时走弱：项目反复延期，客户减少采购，已投产资源利用不足，应用也难以形成持续付费。如果这些变化相互印证，就需要降低相关公司的盈利预期，并重新检查扩张依据。两种情形最有区别的证据，在于设备最终有没有被用起来、客户有没有继续付款。
行情也会围绕这些差异展开。短期消息可以修复对极端风险的担心，持续行情更需要企业证明交付、使用和回款。能够提高正常盈利、减少资金占用的公司，与仍依靠不断投入等待远期收入的公司，会面临不同的定价。
另外，AI普及的收益未必全部留在目前最紧缺的环节。存储和计算更便宜、运行工具更成熟，可能让应用客户获得更多回报；某些供应商的短缺溢价则会降低。沿着产业链研究，既要找仍然存在的约束，也要看约束缓解后，谁能获得更多任务、谁还能保留利润。
对未来保持信心，需要落在可以不断积累的证据上：有更多任务值得交给AI，使用者愿意重复购买，部署后的设备能够产生收入，企业在支付全部成本以后还能留下现金。技术发展继续扩大可能性，经营数据则告诉我们其中哪些已经变成了可持续的生意。
AI发展远没有结束，只是我们要考虑：哪些增长能够跨过库存、交付和资金的约束，变成下一轮投入所依靠的真实回报。