7000 亿美元砸向 AI：这是下一代互联网，还是泡沫重演？｜S10E12

概览

本期围绕美国科技巨头在 AI 基础设施上的巨额资本开支展开：谷歌、微软、亚马逊、Meta 等公司预计全年资本支出约 7000 亿美元，资金主要流向数据中心、GPU、芯片和算力网络。节目核心问题是：这轮投入是在建设下一代互联网基础设施，还是在重演 2000 年左右的 .com 泡沫。

嘉宾 Aaron 的核心判断是：泡沫已经存在，而且不小，但这并不等于泡沫一定马上破灭。关键不在于有没有泡沫，而在于这些资本开支能否在有限商业周期内转化成真实收入，尤其是未来一到三年能否看到 AI 应用、Agent 和 C 端场景的大规模落地。

节目也比较了 .com 泡沫和当前 AI 投资周期的相似与不同：两者都先投基建、都押注未来需求、都存在产业链内循环融资；但今天的主要买方更有钱，已有真实收入线索，且芯片和先进制程存在供给约束。

后半段讨论中美资本市场对 AI 的不同反应。美国市场整体是“先相信再质疑”，而中国大厂则更像“先质疑再相信”；中国市场内部也高度分裂，一些大厂估值低迷，而部分 AI、小模型和半导体相关公司估值极高。

分段落总结

[00:12] 开场：AI 巨额资本开支与市场分化

[事实] 节目开头提到，谷歌、微软、亚马逊和 Meta 等公司发布第一季度财报，营收同比增长普遍较好，但股价反应差异很大。

[事实] 谷歌财报发布后股价单日上涨约 7%，市值增加约 2500 亿美元；Meta 利润同比增长 61%，但股价下跌约 7%。

[事实] 四家公司预计全年资本支出约 7000 亿美元，主要投向 AI 基础设施，包括数据中心、GPU 芯片和算力网络。

[事实] 主持人提出本期核心问题：这轮 AI 投资是下一代互联网基础设施建设，还是 .com 泡沫重演。

[02:44] 插播：人形机器人半程马拉松

[事实] 节目插播介绍了北京亦庄 4 月 19 日举行的人形机器人半程马拉松，上万名人类选手和数百个机器人同台竞技。

[事实] 插播称部分机器人跑得比过去更快，有些摆脱遥控，四成参赛队伍的机器人可以自行绕开障碍并通过弯道。

[推测] 这段内容主要是节目开场前的相关播客推荐，与本期 AI 资本市场主线关系较弱。

[03:36] 美股财报分化与泡沫判断

[事实] Aaron 强调，7000 亿美元资本开支不是一次性数字，而是年度级别的持续投入，规模非常夸张。

[事实] 他将美国 AI 基建投资类比为一种投资驱动因素，认为美国经济虽然不能简单说靠 AI 投资拉动，但 AI 基建已成为重要驱动之一。

[事实] Aaron 明确表示，是否有泡沫已经不用讨论，泡沫存在且不小。

[事实] 他认为市场分歧集中在这些资本开支未来能否形成收入，以及今天能否看到相关线索。

[06:52] AI 收入线索：明线与暗线

[事实] Aaron 将 AI 对业务的收入贡献分为“明线”和“暗线”。

[事实] 明线指公开数据中能看到的 AI 对原有业务的增量，例如谷歌云在加入 AI 后增速变化明显。

[事实] 暗线指公司宣称 AI 提高了业务效率或收入，但外部投资者难以精确核算，例如 Meta 广告业务或阿里云中 AI 贡献比例。

[推测] 资本市场更愿意给“明线”清晰的公司定价溢价，对只有暗线或线索较弱的公司更谨慎。

[09:49] Meta：明线不足与资本开支压力

[事实] Aaron 认为 Meta 的问题在于明线不够明显，不像谷歌云或亚马逊云那样可以从财报中直接观察 AI 带来的业务增量。

[事实] Meta 财报后上调资本开支计划，投资人看到的是费用增加，但回报路径没有被清楚算出来。

[事实] 节目提到 Meta 过去在元宇宙上有过大规模投入，但回报没有达到预期，这使投资人对新一轮大额投入更加敏感。

[推测] Meta 的 AI 投资压力不仅来自当期数字，也来自投资人对其历史资本配置能力的记忆。

[12:06] 大额 CapEx：信心还是被竞赛裹挟

[事实] 主持人提出，大额 CapEx 一方面可能代表企业对 AI 有信心，另一方面也会损伤利润表和现金流。

[事实] Aaron 不认为当前大额投入仅仅来自信心，他认为部分公司是被竞争裹挟，不投就可能被对手抢走先发优势。

[事实] 他指出，AI 早期存在供给约束，英伟达芯片和台积电产能有限，谁先抢到资源就可能获得优势。

[推测] 在这种环境下，部分资本开支带有 FOMO 属性，不完全是冷静测算后的投资决策。

[14:31] 投资人情绪：兴奋、恐慌与标的差异

[事实] Aaron 认为投资人面对大额 CapEx 时，一开始可能兴奋，之后会转向恐慌，情绪会在两个极端之间波动。

[事实] 他强调市场反应要分公司看：有些公司提高资本开支会让市场兴奋，有些公司则会引发股价下跌。

[事实] 他举例说，如果苹果某天适度提高 AI 相关资本开支，可能被市场理解为找到了可行路径；但如果 Meta 进一步大幅提高资本开支，股价可能承压。

[推测] 市场不是简单厌恶资本开支，而是在判断“花钱是否有可信路径”。

[16:16] 苹果、腾讯与“token 工厂”

[事实] Aaron 认为苹果没有大举进入 AI 基建狂潮，并不代表苹果不看好 AI，而是因为苹果处在不同产业链位置。

[事实] 苹果核心竞争力在终端硬件、软件和生态，AI 可以在其生态中自然发展，不必像云厂商一样提供大量算力。

[事实] 他将苹果与腾讯类比，认为拥有强生态壁垒的公司可以用时间换空间，不必最激进地投入算力基建。

[事实] 节目提到美团曾表示不会做“token 工厂”，说明不同公司投 AI 的方向不同。

[18:29] CapEx 的核心：三年内能否看到回报

[事实] Aaron 认为资本开支本身不是问题，可以把它理解成研发投入，问题在于投下去的钱能否在有效商业周期内形成回报。

[事实] 他将资本市场有意义的周期框定为一到三年，尤其强调三年内能否看到商业收益。

[事实] 他认为 .com 泡沫的问题是投入后在三年甚至更长时间里没有看到真正收益。

[推测] 当前 AI 投资的多空分歧，本质上是对未来三年回报兑现能力的分歧。

[22:23] Agent 落地与 C 端应用

[事实] Aaron 提到，2024、2025、2026 年可以被视作 AI 商业周期的中后期，市场希望看到 AI Agent 在应用端落地。

[事实] 他认为如果未来一到两年还看不到大规模应用落地，市场耐心会被急剧压缩。

[事实] 主持人提到宝马工厂已有 Multi-Agent 应用，覆盖生产、销售和运营等环节，同时也存在幻觉和安全问题。

[事实] Aaron 补充说，2B 应用不能充分解决投资人情绪问题，投资人最想看到的是大规模 C 端应用普及。

[25:01] .com 泡沫：可比但不完全相同

[事实] Aaron 认为资本市场一直有泡沫，估值本身就可以被理解为泡沫的一种表达。

[事实] 他认为当前 AI 泡沫与 2000 年 .com 泡沫不能简单等同，因为主流公司的估值水平不在一个量级。

[事实] 他提到当前 M7 静态估值大致在 30 到 60 倍区间，而 .com 时代上百倍估值很多。

[事实] .com 时代大量资金投向路由器、光纤光缆和交换机等上一代互联网基础设施，但当时互联网应用和硬件普及不足，导致很多基础设施长期闲置。

[30:24] AI 与 .com 的三个相似点、三个不同点

[事实] Aaron 总结相似点：两轮周期都是先投技术基础设施，基建都走在需求之前。

[事实] 第二个相似点是两者都提前押注未来需求，而不是只满足当下需求。

[事实] 第三个相似点是都存在产业链内部资金闭环融资，例如当下的英伟达、OpenAI、CoreWeave 等案例。

[事实] 不同点包括：今天买方更强大，很多下游买家有雄厚现金；今天已有真实收入线索；今天芯片和先进代工存在供给约束。

[35:29] 循环投资：关键看真实第三方需求

[事实] 主持人解释了循环投资：英伟达投资 OpenAI，OpenAI 租用 CoreWeave 算力，CoreWeave 再向英伟达购买 GPU，资金在产业链内部循环。

[事实] Aaron 认为循环投资本身没有问题，关键是循环之外是否存在坚实的第三方买家和真实需求。

[事实] 他举例说，苹果投资富士康、富士康接苹果订单并不天然有问题，因为最终消费者会买单。

[事实] 他认为如果闭环背后没有真实需求，就可能变成庞氏骗局式的问题。

[38:31] 如何观察泡沫是否可持续

[事实] Aaron 认为这一轮泡沫主要集中在数据中心投资，背后代表 GPU 和芯片需求。

[事实] 他提出可以观察数据中心利用率、GPU 租赁价格、下游 AI 客户付费能力、云厂商毛利率以及硬件迭代速度。

[事实] 他认为英伟达硬件迭代速度是双刃剑：新芯片迭代太快会使旧卡折旧压力变大。

[事实] 他强调泡沫破灭很难被准确预测，往往不是理性观察的结果，而是情绪在高点时发生变化。

[42:06] AI 创业公司盈利与信息环境差异

[事实] 主持人提到 .com 泡沫破裂前，有媒体调查大量互联网公司，发现多数没有利润且举债经营。

[事实] Aaron 认为当前 AI 公司亏钱并不需要 AI 去调研才能知道，市场本来就知道大量 AI 创业公司在烧钱。

[事实] 他指出今天信息传递速度和上市公司披露环境与 2000 年不同，AI 公司盈利和亏损情况被更充分跟踪。

[事实] 他认为“不挣钱”这件事已是人尽皆知，不太可能单靠一篇类似报道刺破泡沫。

[44:19] 中美市场的镜像 FOMO

[事实] Aaron 用“镜像 FOMO”形容中美资本市场差异：美国投资人担心错过上涨，中国投资人担心再不卖就来不及。

[事实] 他认为美国市场对科技板块是先相信再质疑，而中国互联网公司是先质疑再相信。

[事实] 他指出，美国公司宣布增加资本开支时，部分公司股价上涨，部分如 Meta 小跌；中国公司一提资本开支，股价反应往往更差。

[推测] 中美市场对同类 AI 投入的不同反应，反映出投资人对公司治理、主营业务和增长路径的信任差异。

[46:35] 中国科技股的冰火两重天

[事实] Aaron 认为中国科技并不是整体悲观，而是大厂和部分 AI、小模型、半导体相关公司呈现明显分化。

[事实] 他提到部分港股上市或近期上市的 AI、大模型、半导体相关公司估值很高，而一些大型互联网公司估值较低。

[事实] 他用 PS 估值对比，称部分小模型公司 PS 估值达到上百倍，而美团、京东等大公司 PS 估值低很多。

[推测] 资本市场并非不相信中国 AI，而是更愿意为“纯 AI 叙事”付高估值，对传统互联网大厂更谨慎。

[48:38] 中国大厂情绪拐点与治理疑虑

[事实] Aaron 认为中国大型互联网公司的情绪拐点发生在 1 月中旬前后。

[事实] 他提到，当时市场关注阿里外卖战略，尤其是“不计成本拿下绝对第一”的表述，引发投资人担忧。

[事实] 他认为将 AI 推广与奶茶补贴结合，令投资人担心中国 AI 也会进入极度内卷和烧钱阶段。

[事实] 他进一步指出，某些公司的治理结构风险已经进入投资人视野。

[52:57] 阿里云、外卖补贴与资源配置

[事实] 主持人提到阿里云增速在增长，询问是否能说明阿里 AI 业务做得不错。

[事实] Aaron 认为阿里 AI 云做得不错，而且本应更早投入更多精力和资金。

[事实] 他批评阿里把资源投入不擅长的外卖短板，而不是更多投入云和 AI 长处。

[推测] 在 Aaron 的判断中，阿里的问题不是没有 AI 资产，而是资源配置和战略优先级削弱了资本市场信心。

[53:28] 中美 AI 泡沫的不同形态

[事实] Aaron 认为中美公司都有泡沫，美国泡沫相对“正常”，因为主流公司估值没有极端夸张。

[事实] 他指出美股泡沫更多体现在几家超大市值公司权重过高，一旦波动会影响整个市场。

[事实] 他认为中国资产要分两类看：部分大厂估值已经很低，泡沫很小；部分 AI 相关公司 PS 估值上百倍，泡沫较厚。

[事实] 主持人总结本期核心 takeaway：有泡沫很正常，关键看需求能不能兑现。

播客点评/总结

本期价值在于把“AI 是不是泡沫”这个问题拆得比较细：不是简单判断涨跌，而是从资本开支、收入线索、有效商业周期、循环投资和终端需求几个维度分析。尤其是“明线/暗线”和“三年商业周期”两个框架，对理解财报后股价分化很有帮助。

节目亮点是没有把 .com 泡沫当作机械类比。嘉宾承认两者都有先投基建、押注未来需求、产业链融资闭环等相似点，但也指出今天的买方实力、收入基础和供给约束都与 2000 年不同。

局限在于节目主要是资本市场视角，对技术本身、具体产品竞争力和用户数据展开不多；关于中国公司治理和战略失误的判断也带有较强个人观点色彩。[推测] 这期更适合关注美股科技股、AI 投资周期、中概互联网和产业泡沫讨论的听众，而不是想了解 AI 技术细节的听众。