美股 AI 泡沫的本质：一场赛博房地产狂欢

<![CDATA[

我所有分享的内容，都只代表我个人对市场的深度思考与观点，不构成任何投资建议。

而且全是用爱发电，如果你不认同，麻烦立刻划走，没必要浪费彼此时间；看完觉得还有些道理的朋友，顺手点个赞就行。

◈◈◈◈◈◈◈◈◈◈◈◈◈◈◈◈

现在很多人看到最近美股疯狂上涨，就喊“科技泡沫”，然后自然联想到 2000 年网络泡沫，甚至开始讨论“现在到底类似 1998、1999，还是 2000 年初”。

但我认为，这可能是市场现在最危险的误判之一。

本轮 AI 泡沫当然有科技估值泡沫的特征，但它并不只是 2000 年网络泡沫的简单重演。

2000 年的表层是互联网叙事，深层其实是电信基础设施过度建设、债务融资、需求透支和资本市场反身性。

而这一次，AI 泡沫正在变得更复杂，它不仅是科技成长故事，也越来越像一种新型房地产周期。

你想想，现在 AI 产业链里有什么？

土地、电力、数据中心、长期租约、抵押融资、资产资本化、预售式订单、财富效应、信用扩张。

熟悉吗？

这不就是开发商借钱、拿地、预售、继续开发、继续融资的循环吗？

所以我更愿意把本轮 AI 泡沫称为——赛博房地产泡沫。

当然，所谓“赛博房地产”，不是说数据中心等同于住宅地产，而是说 AI 基础设施正在具备房地产周期的金融结构：

资产重、久期长、前期投入巨大、现金流滞后、回报依赖未来使用率，估值又反过来影响融资能力和需求扩张。

一旦资产价格停止上涨，利润和现金流就不再是稳定的外生变量，而会像房地产周期一样，被反身性地重新定价。

对美股的烈度影响，可能远远超出很多人的想象。

————————————————————

2000年不是简单的“网站泡沫”，而是电信基础设施泡沫

很多人提到 2000 年网络泡沫，只想到 .com、门户网站、无盈利互联网公司。

但真正让那轮科技泡沫具有宏观破坏力的，不只是网站估值，而是电信基础设施泡沫。

根据相关历史数据，1996—2000 年，美国电信公司投入超过 5000 亿美元，用于铺设光纤、增加交换设备、建设无线网络等。

也就是说，当年做网络设备的美股龙头思科，某种意义上就相当于今天卖算力“铲子”的英伟达。

但实际上，当时美国长途光纤干线总容量，实际使用率不足 2%；即便到 2005 年末，仍有约 85% 的光纤线路处于闲置未用状态。

后来甚至有一种说法——我们铺设了足够使用 25 年的光纤……

这说明什么？

说明互联网需求本身是真的，但资本市场把这个真实趋势，外推成了近乎无限的基础设施需求。

全球电信公司当时背负了大约 1 万亿美元级别的债务，其中相当一部分最终无法按原有预期偿还，只能通过股价暴跌、债务重组和投资者亏损来完成“减记”。

这就是 2000 年泡沫真正危险的地方。

它表面是互联网估值泡沫，本质是技术叙事把资本开支、债务和固定资产投资推到了需求端无法承接的水平。

这也是今天 AI 泡沫最值得警惕的相似之处。

————————————————————

本轮 AI 的核心不只是“大模型泡沫”，而是基础设施资产泡沫

如果 AI 只是“大模型泡沫”，类似当年的 .com 泡沫，那么一旦泡沫破裂，风险主要体现在估值倍数回落。

但现在的问题是，AI 正在把原本轻资产、高自由现金流的大型美股科技公司，推向重资产、高资本开支、长久期回报的基础设施模式。

根据相关市场数据，主要科技公司的 AI 基础设施支出，预计将从 2025 年约 4100 亿美元，升至 2026 年超过 7000 亿美元。

另一些测算口径下，大型云计算公司的 2026 年资本开支预计约 6700 亿美元，相当于它们预期现金流的 90% 以上。

同时，AI 相关投资预计贡献今年标普 500 EPS 增长的大约 40%。

这也是美股市场上天天被吐糟的“左脚踩右脚”的梯云纵投资的原因之一。

这意味着，AI 资本开支不再只是一个行业内部变量。

它已经成为美股指数盈利增长、投资者情绪、估值扩张和市场宽度分化的重要来源。

甚至你可以看到，Alphabet、Amazon等公司已经开始转向债券市场，为 AI 基础设施投资融资。

这已经不是过去那种“量入为出，用闲置现金做研发”的轻资产模式了，而是越来越接近地产开发商逻辑：

只要需求预期存在，就继续拿地、建楼、融资、预售；只要资产价格能同步上涨，融资链就能继续延续。

————————————————————

利润表仍然漂亮，但现金流质量已经恶化

很多人说“美股没泡沫”的论据是：你看，现在美股 PE 并不算极端高，而且还在增长。

但这恰恰是市场最大的误判之一。

在“赛博房地产化”之下，看 AI 泡沫，不能只看 EPS。

房地产高位时，开发商的利润表也常常很好看。因为收入确认、资本化、土地升值和再融资，可以暂时掩盖现金流压力。

AI 也是一样。

GPU、服务器、数据中心、网络设备、电力基础设施，会先进入资本开支和资产负债表。利润表上的折旧、减值和资本回报率下修，通常会滞后出现。

这正是本轮 AI 泡沫“赛博房地产化”的核心：

大型科技公司仍然盈利强劲，但越来越多经营现金流正在被转换成固定资产、服务器、数据中心和融资租赁承诺。

如果只看收入、EPS 和经营利润，很容易误以为基本面依然健康。

但如果看自由现金流、资本开支/经营现金流比例、回购能力，就会发现现金流质量已经发生结构性变化。

Amazon 是最典型的例子。

2026 年一季度，Amazon 披露过去 12 个月经营现金流增长到 1485 亿美元，同比增长 30%；但过去 12 个月自由现金流却下降到 12 亿美元，而一年前还是 259 亿美元。

自由现金流下降，主要是因为物业和设备购买净额同比增加 593 亿美元，而这主要反映 AI 投资。

也就是说，Amazon 不是没赚钱，也不是经营现金流差。相反，它的经营现金流非常强。

但问题在于，AI 基础设施投资几乎把经营现金流全部吸收掉了。

按照 Amazon 披露口径，TTM 经营现金流 1485 亿美元，TTM 自由现金流只有 12 亿美元，意味着自由现金流/经营现金流只剩约 0.8%。

这还是传统意义上的现金奶牛的科技公司吗？明显更像一个巨型数字基础设施开发商。

无独有偶，Alphabet 也是类似情况。

2026 年一季度，Alphabet 披露净利润同比增长 81% 至约 626 亿美元，EPS 同比增长 82% 至 5.11 美元。

但这里需要注意，Alphabet 当季净利润和 EPS 的大幅增长，包含显著非经营性股权收益，并不完全代表主营经营利润同步爆发。

真正更能说明问题的是现金流结构：一季度 Alphabet 经营现金流约 458 亿美元，资本开支约 357 亿美元，自由现金流只剩约 101 亿美元。

也就是说，搜索广告和云业务赚来的现金流，正在被大规模转化为 AI 服务器、数据中心和网络设备资产。

这不是传统意义上的“科技现金奶牛”状态，而是现金流正在被重资本化。

————————————————————

“左脚踩右脚”：AI需求正在被资本循环放大

房地产泡沫里有一种常见现象：

土地价格上涨，土地就变成更好的抵押品 → 抵押品升值，银行就更愿意贷款 → 贷款增加，开发商就能继续拿地、开工 → 新开发又反过来支撑土地价格。

这就是房地产周期里的反身性循环：

资产价格上涨，不只是反映需求，它本身也在创造需求。

AI 现在也出现了类似循环，只是形式更隐蔽，它可以分成两端：

实体端：

AI 公司需要大量算力 → 于是向云厂商签长期算力采购合同 → 云厂商拿这些合同向市场证明 AI 需求强劲 → 为了履约，云厂商继续建设数据中心 → 数据中心又需要大量采购 GPU、网络设备和电力设备 → 芯片公司和基础设施供应链收入继续上升。

金融端：

AI 订单增长，推高相关公司估值 → 估值上升又让 AI 公司和云厂商更容易融资 → 融资后继续签下更多算力设备订单

这就是所谓的“左脚踩右脚”。

来个市场中热门的实际例子，就是 OpenAI—Oracle—Nvidia 这条链。

OpenAI 被报道与 Oracle 签下约 3000 亿美元、为期约五年的算力采购合同。

对 Oracle 来说，这意味着它可以向市场展示巨大的未来云收入预期：

你看，AI 需求是真实的，我们已经有了长期大单。

但问题是，Oracle 要履行这份合同，就必须建设更多数据中心。

而建设数据中心，又意味着大量采购 Nvidia 的 GPU 和相关 AI 基础设施。

于是这条链变成：

OpenAI 承诺购买算力 → Oracle 获得未来云收入预期 → Oracle 扩建数据中心 → Oracle 采购 Nvidia 硬件 → Nvidia 订单和收入继续增长 → 市场进一步相信 AI 需求强劲。

注意，这里的问题不是“Oracle 的订单一定有问题”。

就像房地产周期里，不能因为开发商拿到预售合同，就说这份合同是有问题的。

真正的问题是——OpenAI 未来能否产生足够多的终端现金流，来支撑 3000 亿美元级别的算力购买。

如果 OpenAI 的收入增长、融资能力和估值预期都继续上升，这条链条就能继续运转。

Oracle 的云收入预期、数据中心扩建计划、Nvidia 的订单增长，看起来都会被验证。

但如果 OpenAI 的终端收入不及预期，或者融资环境收紧，这条链条就会反过来重估：

OpenAI 的算力需求会被质疑 → Oracle 的云需求会被打折 → 数据中心扩建计划会被重新审视 → Nvidia 的远期订单预期也会被市场下修。

这就是“赛博房地产”的核心：

数据中心像楼盘，GPU 等算力设备像钢筋水泥，云合同像预售，AI 初创公司的估值像购房者信用，云厂商的需求证明像开发商销售额。

只要价格上涨和融资顺畅，循环可以持续。

一旦融资收紧或最终需求不及预期，订单、估值、融资和资产负债表会一起重估。

换句话说，风险不在于 AI 是假的，而在于一部分 AI 需求可能是被资本市场和长期合同提前制造出来的。

这正是它和房地产泡沫最相似的地方。

————————————————————

买卡裁员：AI 时代最危险的合成谬误

AI 的另一个反身性风险，是企业把人工成本转向资本开支。

从单个公司角度看，这是效率提升：裁员、买 GPU、提高自动化率，利润率可能短期改善。

但从宏观角度看，如果所有公司都这么做，整体劳动收入和未来消费需求都会被削弱。

根据相关数据，美国雇主 2026 年 4 月宣布裁员 83,387 人，较 3 月增加 38%；科技行业 4 月宣布裁员 33,361 人，年初至今 85,411 人，为 2023 年以来同期最高。

更重要的是，AI 连续第二个月成为裁员首要原因，4 月相关裁员 21,490 人，占总裁员 26%。

这意味着，AI 的短期收益可能并不完全是新增生产力，也可能是资本替代劳动、企业成本项转为资本项。

对单家公司有利，但对整体需求未必有利。

因为收入与消费是一体的。尤其是在美国，个人消费支出占 GDP 接近七成。

买卡裁员如果扩散，会削弱未来客户收入，而未来客户收入，正是广告、电商、订阅软件、云服务和 AI 应用付费的基础。

也就是说，美股正在通过 AI 这种看似“降本增效”的短期利益，削弱自己的长期需求。

这就是典型的合成谬误。

从个体看，每家公司都在优化成本；从整体看，所有公司一起优化成本，可能会压缩未来需求池。

而目前，需求端压力已经开始显现。

5 月密歇根大学消费者信心初值降至 48.2，低于市场预期的 49.5，也低于 4 月终值 49.8，并创下有记录以来新低。

这说明，4 月已经极弱，5 月进一步跌穿历史低位。

这就是“赛博房地产”的第三层：

开发商盖楼需要购房者收入增长；AI 基础设施需要企业和消费者未来现金流增长。如果 AI 通过压低劳动收入来提高短期 EPS，它可能同时在侵蚀自己的最终需求池。

————————————————————

RSP/SPY 宽度恶化，是危险的市场信号

众所周知，目前美股因为 AI 科技权重过于集中，市场宽度已经降至互联网泡沫以来最窄水平之一。

美股一个非常核心的市场广度指标 RSP/SPY，也已经开始极端恶化。

（SPY：市值加权的 "巨头指数"；RSP：等权重的 "均衡指数"）

很多人把 RSP 跑输 SPY 简单理解为 "大盘股行情"，但这是对当前市场最严重的误判。

等权指数落后，不只是普通的“市场轮动不健康”，而是说明平均公司并没有享受到指数上涨带来的同等基本面改善。

也就是，当市场说 "AI 贡献了标普 500 很大一部分盈利增长" 时，实际上是在说：

少数公司的资本开支，变成了另一些公司的收入；这些收入又推高了指数层面的盈利预期；但绝大多数普通公司，并没有同步受益。

这就是前面说的“左脚踩右脚”机制，在投资端形成自我循环。

在短期内，即便终端需求尚未完全兑现，这个投资闭环也可以先把收入、订单和盈利预期做出来。

而 RSP 的疲软，作为“晴雨表”，至少说明终端需求和盈利扩散，并没有指数表现看起来那么强。

它告诉我们：

除了那些直接参与 AI 基建盛宴的公司之外，大多数美国企业并没有感受到 AI 带来的生产力提升，反而正在承受 AI 替代、高利率和消费放缓的三重打击。

所以，现在美股指数的繁荣，越来越像极少数公司的盛宴，而不是整个市场的共同繁荣。

————————————————————

这与“2000年网络泡沫”并不相同

说到这里，我并不是说 AI 没有价值。恰恰相反，我自己也是 AI 的超重度使用者。

真正的问题在于：AI 的长期价值越大，资本市场越容易把长期趋势压缩进短期价格、短期估值和短期建设周期里。

互联网最终改变了世界，但在 2000 年，在错误的时间、错误的价格、买入错误资产的人，最终损失惨重。

电信光纤后来也确实被用上了，但当年融资建设这些光纤网络的公司，很多并没有活到需求兑现的那一天。

本轮 AI 泡沫也是如此。

它的危险不在于 AI 是假的，而在于它已经不再只是一个科技成长故事。

它正在变成一个由资产价格驱动的基础设施信用周期。

这个正反馈链条大致是：

股票上涨带来财富效应 → 财富效应支撑消费、融资、投资支出和企业收入 → 企业收入支撑盈利预期 → 盈利预期支撑 AI 资本开支 → AI 资本开支支撑芯片和数据中心订单 → 订单增长支撑指数继续上涨 → 指数上涨又进一步强化财富效应。

这不是一条普通的产业增长链，而是一个近乎疯狂的“左脚踩右脚”的正反馈系统。

甚至因为它披着“人工智能硅基革命”的科技叙事外衣，它比我们过去见过的“傻大黑粗”的房地产周期更容易让人失去警惕。

但正反馈系统的危险在于，一旦方向反转，基本面会迅速变成可变项。

反向链条也会同样清晰：

股价下跌削弱财富效应 → 消费、融资、投资支出和企业收入下降 → 收入下修导致裁员、降本和资本开支重估 → AI 资本开支放缓冲击芯片和数据中心订单 → 订单下修压缩估值 → 估值下跌进一步削弱融资能力和财富效应 → 形成新的股价下跌。

所以，本轮 AI 泡沫并不只是“2000年网络泡沫”的复制。

它更像是 2000年电信泡沫、房地产信用周期泡沫、被动指数衍生品集中化、私募信贷扩张和科技巨头资本开支竞赛的混合体。

如果你读过经济史，就会知道，这种金融资产狂热和实体需求转弱同时出现的组合，往往不是健康繁荣。

美股不断新高，AI 龙头不断刷新市值纪录，但实体端的消费者信心、就业质量和中小企业感受却明显变冷。

这种“K 型繁荣”甚至有一点 1929 前夕那种金融资产狂欢与实体经济分化的影子了。

所以，正如开头所说，AI 不是普通意义上的“科技泡沫”。它更像是一场赛博房地产泡沫。

这也是为什么，如果一旦 AI 泡沫破裂，它很可能成为美股不可承受之重。

很多人现在说，美股 PE 并不算极端，所以即使调整，也跌不了多少。

这个判断有一个隐含前提：他们仍然把今天的美股科技龙头理解成过去那种轻资产、高现金流、高回购、低资本开支的现金奶牛。

但问题是，现在的美股越来越不是过去的美股了。

当大型科技公司把越来越多经营现金流投入数据中心、GPU服务器、电力和长期算力基础设施时，它们的商业模式已经开始从“轻资产软件平台”变成“高资本开支的数字基础设施开发商”。

所以，AI 泡沫一旦破裂，冲击顺序可能不是传统科技股那样先杀估值、再杀盈利，而更像房地产周期：

先摧毁现金流量表：经营现金流仍然存在，但资本开支过大，自由现金流被迅速压缩。

然后冲击资产负债表：数据中心、GPU、长期租约、融资安排和生态投资，都可能面临减值、再融资压力和资本回报率重估。

最后才反映到利润表：折旧、减值、订单下修、收入放缓和裁员成本，会逐步把之前被资本化的压力释放出来。

这会形成估值和基本面的双杀。

更麻烦的是，算力硬件并不像房子。

房子虽然也会跌价，但它是长周期、高耐久资产，甚至可以通过租金现金流扛过超长周期。

而天价买来的 AI 服务器，面对硬件技术快速迭代、利用率下降和算力价格下行时，可能从高价值资产迅速变成高折旧、快迭代、残值高度不确定的“电子垃圾”。

到那个时候，市场很可能又会期待美联储出来政策托底。

但如果托底的是一场由资产泡沫、资本错配和过度投机制造出来的大泡沫，那么最终代价并不会消失，只是被转移。

转移为长期美元货币信用的损耗。

本话题在雪球有3条讨论，点击查看。
雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>

#美股 #泡沫的本质一场赛博房地产狂欢