目前 ，全球人工智能(AI)領域的“軍備競賽”仍在如火如荼地展開
，各大科技巨頭大幅增加資本支出，用于開發定制人工智能芯片、構建龐大的數據中心 ，并大規模投資于電力供應
，以滿足大型語言模型的持續需求……

　　這些支出可以說相當驚人——過去18個月里，支出最大的科技巨頭們的平均資本支出與銷售額之比幾乎翻了一番——從10%升至20%。Meta是過去一年支出增長最快的公司 ，已計劃建造一個相當于曼哈頓大小的數據中心 。

　　這股AI浪潮也令科技股再次引領了美股市場
，推動標普500指數持續創下新高，并使該板塊在指數中的權重占比進一步達到了前所未有的份額
。

　　然而 ，宏觀策略師 、 Variant Perception聯合創始人Simon White在最新報告中則指出，這場“軍備競賽 ”也使得人工智能股票在當前面臨著三大主要風險：

　　不斷上升的久期風險
，使其越來越多地暴露于更高的利率之下；

　　過度投資可能會壓低AI領域的利潤率；

　　大模型帶來的創新收益可能不再是指數級的，而是漸進的 ，這使得高估值看起來將岌岌可危。

　　久期風險

　　White指出
，科技股的有效久期已經很高 。作為成長型公司，它們幾乎不支付股息
。股息收益率的倒數近似于股票的久期 ，因此科技股在主要行業板塊中擁有最高的久期。

　　但當一只股票的預期現金流在未來很長一段時間內呈現不規則分布時
，其對利率的敏感性會顯著上升 。隨著利率上升，這些未來現金流的現值會突然變得價值大減
。

　　科技股投資者面臨的問題是：在美聯儲獨立性面臨自20世紀40年代以來最大威脅的背景下 ，他們是否愿意承擔這一風險？

　　迄今為止
，對貨幣政策的政治攻擊，還主要體現在總統特朗普的口頭攻擊上 ，但形勢似乎即將升級
，特朗普親信斯蒂芬·米蘭已被提名為前美聯儲理事庫格勒的繼任者。

　　盡管撰寫過煽動性的“海湖莊園協議
”論文的米蘭預計只是一個過渡人選，但方向是明確的：特朗普正在盡其所能 ，將聯邦公開市場委員會(FOMC)塑造成一個有著低利率傾向
、鴿派主導的機構 。

　　這顯然可能導致美債收益率曲線陡峭化，市場會將某一時間段較低的利率解讀為未來通脹的信號
，從而通過重新定價期限溢價，推高長期收益率。

　　高久期股票在這種環境下 ，本身會成為待宰羔羊
。而眼下
，科技板塊的表現其實已經超出了基于其久期與相對于指數歷史超額表現關系所預期的水平。

　　目前，科技公司資本支出的快速增長 ，已減少了自由現金流
，并推遲了投資者預期通過盈利收回股票投資成本的時間 。數據顯示，領先的人工智能公司的資本支出在過去12個月的基礎上已激增至EBITDA(稅息折舊及攤銷前利潤)的1.3倍 ，而標普100指數中其他公司的平均水平為50%
。

　　資本周期考驗

　　White認為
，即使通脹不是一個重大問題，科技股仍面臨來自另一個因素的重大風險：資本周期。

　　作為一種理論 ，它很容易理解——當過多的資本涌入一個行業時
，通常會導致供過于求、價格下跌和利潤率下降 。這會迫使企業破產和整合，從而重新導致供不應求和價格上漲
。這最終又會吸引新進入者 ，并推動資本支出再次上升。

　　資本周期理論是由Marathon Asset Management推廣普及，關于該理論的著作《資本回報》(Capital Returns)中重點介紹了近幾十年來過度投資的幾個例子：例如2000年代初的電信和光纖行情；2000年代中期因中國相關需求導致的航運和集裝箱船隊的大規模擴張；以及2010年代初的礦產和天然氣供應過剩 。

　　所有這些都以該行業股票顯著且持續的表現不佳而告終
。

　　White表示
，該周期會持續數年，從過度投資到股票表現不佳的滯后期約為2-3年。再加上久期風險 ，這使得人工智能股票所處的環境越來越不利 。

　　大模型升級放緩

　　當然
，相信許多人仍會說這次的AI浪潮可能不同
。而White也因此提到了第三點，越來越多的證據表明 ，大型語言模型的升級改進正在趨于平緩。

　　它們最初令人印象深刻
，但其局限性正被更廣泛地認識：幻覺（hallucinations） 、無法理解或驗證真相
、決策不透明、長期記憶薄弱 。人工智能公司正在嘗試多種技巧來克服這些問題，但越來越清楚的是 ，這些可能是這類模型固有的特性
，而非能輕易解決的缺陷。

　　正如美國銀行的這張圖表所示，超大規模企業的關注點正從創新支出轉向資產擴張
。

　　投資人工智能的公司發現 ，雖然大模型可能非常有用
，但也有缺點，尤其是在涉及專業知識而非流暢性的任務上。同樣有證據表明 ，許多公司還不愿意完全落地人工智能系統，因為人工智能難以處理的邊緣案例可能造成災難性后果
，以至于讓系統無人監督的風險太大 。自2022年大型語言模型成為主流以來，生產率尚未出現任何有意義的提升
。

　　eSolve資產管理公司首席投資官Adam Butler在X平臺上的一篇帖子 ，曾闡述了人工智能周期已經結束的觀點。他寫道：“我們現有的模型
，其核心仍然是一個個Token的輪盤賭 。將足夠多的旋轉鏈接起來，微小的錯誤概率就會累積成存在性的故障
。”

　　而科技股的估值尚未反映出大型語言模型這種現實與預期之間的差距。

　　總結

　　White表示 ，對于任何市場從業者來說
，科技公司擁有一些最高的估值本身并不奇怪，但當你看到它們與市場其他部分的差距如此之大時 ，仍然令人震驚 。

　　White認為
，開發人工超級智能(artificial superintelligence)可能是終極的先發優勢，因為真正的超級智能可以迅速阻止其他人開發
。也許這就是Meta斥資數十億美元網羅部分頂尖人工智能人才背后的想法。但目前 ，絕大部分支出并非流向那里 。

　　大型語言模型肩負著讓科技公司實現其膨脹估值的增長重任
。然而
，隨著價格壓力上升 、資本周期展開以及大型語言模型的局限性日益明顯，它們要完成這項任務可能會非常困難……

（文章來源：財聯社）