AI泡沫?高盛给出的答案比问题更有意思
作者：微信文章高盛10月发了份报告，核心问题很直接：AI 是否处于泡沫中？
这个问题本身不新鲜，但高盛给出的答案和论证过程值得认真看。因为它涉及的不是简单的"是或否"，而是我们该如何判断一个技术浪潮是真实的价值创造，还是又一轮击鼓传花的游戏。
01 先说结论
还不是,但有迹象
高盛内部几个关键人物的观点基本一致：美国科技行业目前还没有陷入泡沫，至少不是全面性的。
这个判断的三个支撑点值得细看：
估值层面：当前Mag 7(七大科技巨头)的整体Forward P/E是31倍,市场平均23倍。对比2000年互联网泡沫峰值时头部企业动辄50倍以上的P/E,现在的估值水平确实算克制。
盈利层面：Mag 7都在产生实质性的自由现金流，并且在回购和分红。这是个关键差异——2000年那批公司大多没有盈利，靠融资续命。现在这批科技巨头，账上有真金白银在流动。
融资层面：2025年AI相关企业的投资级债券发行占比9.3%，资本支出/自由现金流比率约40%，低于2000年的70%。当年的融资结构是股权融资爆发，1999年美国IPO达388家，平均首日涨幅65%——那才是典型的泡沫特征。
但高盛自己也指出了一个隐患：私人市场估值(基于收入)远高于公开市场(基于利润)，这个差距在扩大。如果这个剪刀差持续拉大,可能会积累系统性风险。
02 一个有趣的分歧
数据中心会不会建多了
红杉资本的David Cahn提了个很现实的问题：2030年数据中心建设需要数万亿美元，只有AGI(通用人工智能)能支撑这个规模。如果AGI达不到预期，数据中心就是过度建设。
这个担忧不是空穴来风。高盛预测，2025-2027年几大云巨头的资本支出可能达到1.4万亿美元。问题在于，AGI现在还看不清路径。
纽约大学教授Gary Marcus的批评很直白：生成式AI本质上是"增强版自动补全"，缺乏真正的世界理解能力，存在幻觉问题，无法自我校验。当前的大语言模型是黑箱，修复一个漏洞可能引发新问题。
如果Marcus说得对，那万亿级的基础设施投资和目前AI应用端数十亿级的收入确实不太匹配。
但反过来看，如果数据中心真的过度建设，算力价格下跌，受益的反而是AI应用开发者——毛利率上升，成本下降。这可能会催生更多私人市场的AI应用企业。从这个角度，过度建设未必全是坏事，关键是谁承担了风险,谁享受了收益。
03 三层分化
基建热、平台暖、应用冷
高盛的数据显示了一个有意思的结构：
基础设施层持续超预期。2023年以来,美国AI硬件支出增加了200-300亿美元。算力需求远超Nvidia芯片供应，这个缺口短期内填不上。
平台层在加速。Databricks、Snowflake这些数据管理平台收入增速在提升，Salesforce的Data Cloud年营收接近10亿美元，增长100%。
应用层企业端滞后。Workday、Adobe这些企业级AI应用收入超1亿美元,但低于1-2年前的预期。核心原因是企业受IT预算、合规限制，采用速度慢。反而消费者端(ChatGPT、Gemini免费版)跑得更快。
这个分化说明什么？AI的商业化路径还在探索。基础设施投资跑在前面,但最终买单的应用端还没跟上。这中间的时间差，就是风险所在。
04 一个被忽视的变化
从现金到债务
有个细节容易被忽略：五大云巨头的现金/总资产比率，从2021年底的29%降到2024年二季度的15%。
与此同时，债务融资在增加。Oracle发了180亿美元债券，Meta发了272亿美元数据中心私募债。2025年AI相关企业的投资级债券发行额达到1390亿美元。
这个转变意味着什么？初期靠现金储备投资,现在开始加杠杆。这本身不是坏事，但前提是投资回报要能覆盖融资成本。如果AI应用端的商业化不及预期，这些债务会成为负担。
这也是为什么高盛建议投资者监控企业的自由现金流、是否削减分红回购、债务是否激增。这些都是早期预警信号。
05 投资策略
多元化比押注更重要
高盛给出的配置建议，核心是多元化——区域多元化、行业多元化、技术层多元化。
区域上，减少对美国市场的依赖。欧洲的德国(工业AI)、意大利(制造业AI)，亚洲的韩国(半导体供应链)、日本(汽车AI)，都有机会。2025年非美股市美元计价收益已经跑赢美国，这不是偶然。
行业上，跳出纯科技股的框架。AI数据中心需要大量能源(100GW建设需要配套4000亿度电/年)、基建、房地产。资本品(施耐德电气这类)、能源(NextEra Energy)、数据中心REITs(Digital Realty)，都会受益于AI资本支出,且估值相对低估。
技术层上，覆盖基础设施、平台、应用全层。基础设施层有技术壁垒(微软、Broadcom)，平台层有稳定现金流(Snowflake)，应用层有高增长潜力(私人市场的Cursor、Abridge这类企业增速超100%)。
这个策略的底层逻辑是：不要all in某个赛道或某家公司，而是配置整个AI生态系统的不同环节。基建可能过度，但上下游总有受益方；应用端可能滞后，但长期一定会起来。分散风险，抓住结构性机会。
06 一个务实的视角
AI是不是泡沫，这个问题其实没有标准答案。泡沫本身是个结果性判断，事后回看才能确认。
但从高盛这份报告看，几个判断相对清晰：
第一，当前AI领域的估值、盈利、融资结构，还没有达到2000年那种全面失控的状态。至少头部企业有实质性的现金流支撑。
第二，基础设施投资规模巨大，但能否转化为应用端的商业价值，还需要时间验证。这中间的时间差，是最大的不确定性。
第三，AGI的技术路径还不清晰。如果当前的大语言模型路线遇到瓶颈，需要转向其他架构(比如神经符号AI)，那前期投资可能面临贬值风险。
第四，债务融资在增加，杠杆在上升。这对投资回报的要求更高，也对风险管理提出更高要求。
从投资角度，激进乐观和全面唱衰都不可取。理性的做法是：认可AI的长期价值，但不对短期商业化速度抱不切实际的幻想：配置AI生态系统的多个环节，而不是押注单一标的;密切跟踪自由现金流、债务、应用端收入这些硬指标。
泡沫与否，时间会给答案。但在答案揭晓之前，多元化和风险管理比猜测更有意义。
..
喜欢请点“赞+在看”，谢谢！~免责条款：本文观点是在目前特定市场情况下并基于一定的假设条件下的分析和判断，并不意味着适合今后所有的市场状况，不构成对阅读者的投资建议，也不构成任何业务的宣传推介材料、投资建议或保证，不作为任何法律文件。本人不对任何人使用此全部或部分内容的行为或由此而引致的任何损失承担任何责任。市场有风险，投资需谨慎。
页:
[1]