市场情绪与产业实感的剧烈撕裂

过去一个多月，AI板块在二级市场的表现呈现出一种强烈的割裂感。一方面，舆论场充斥着“算力过剩”和“AI泡沫破裂”的悲观论调，相关个股从高点普遍下跌了40%到60%，不少投资者开始翻出2000年互联网泡沫的历史进行对比。另一方面，产业一线的真实体感却截然不同：GPU依然抢不到手，租赁价格持续上涨，云厂商的订单甚至已经排到了明年。这种公开市场情绪与产业真实体感之间的巨大反差，成为了当前AI投资领域最核心的矛盾。

最近，Atreides Management创始人、早期重仓英伟达的科技投资人加文·贝克（Gavin Baker）在《Invest Like the Best》专访中，通过他在硅谷两个月的深度调研，将这一矛盾讲得透彻无比。他透露，在与产业链上下游广泛交流后，没有听到任何负面的量化指标。相反，所有硬数据的方向都是向上的：GPU可用量在收紧、租赁价格在涨、DRAM现货价格也在上涨，Token的消耗量更是加速增长。然而，公开市场的定价却在反映一个完全相反的故事。

“所有你能想到的硬指标 方向全都是向上的”

这种误判的根源在于信息不对称。AI行业最核心的两家公司OpenAI和Anthropic均为非上市公司，其收入增速、用户增长及算力消耗等关键数据对公开市场投资人不可见。分析师们只能盯着微软、谷歌、亚马逊等上市公司的财报，以及Meta发债利差和CDS走势。而真正爆发式增长的增量部分——如Fireworks、Together、Modal等开源推理云，其增长速度几乎与早期前沿实验室持平，且烧钱较少。这些公司完全不在传统华尔街的监控雷达上。市场出现误判其实是必然的结果，因为投资者看到的只是冰山一角。

算力需求强劲与定价低估的悖论

以英伟达为例，目前其远期市盈率处于过去十年以来的最低水平。市场几乎100%确信AI公司的盈利被严重高估，但这种“确信”本身可能才是最大的问题。许多人担忧的第一个问题是：AI基建需要花费数万亿美元，资金从何而来？超大规模云厂商是否已经债台高筑、无法继续融资？

确实，Meta发债时利差走阔、CDS上涨、实际利率上行都是事实。但加文算了一笔实在账：目前超大规模云厂商每年的经营性现金流约为1.3万亿到1.4万亿美元。如果已部署的算力能按比Ampere时代更快的速度变现，即按照现货市场价格重新定价，这一数字可接近2万亿美元/年。这意味着大部分AI资本开支可由经营现金流覆盖，无需大量借贷。债务融资需求能减少约7000亿美元。

“如果他们已经部署的这些算力 能按照比Ampere时代更快的速度变现...这个数字能接近2万亿美元一年”

针对“Meta出租算力即产能过剩”的观点，加文指出这是逻辑谬误。参考SpaceX的星链模式：并非等到带宽用不完才对外售卖，而是从第一天起就将富余产能按市场价出租以高价变现，进而支撑下一代网络建设。Meta的做法本质相同：这是算力价值提升的信号，而非过剩信号。通过出租富余产能获取高额回报，反而证明了当前算力资源的稀缺性和高价值。

GPU现货价格飙升与黑市效应

若真如市场所言产能过剩，为何GPU价格在持续上涨？加文分享了一个极具说服力的数据点：某公司七个月前获得的Blackwell集群价格为2万多美元/台。而在不到四个月后，同样规格的现货价格已涨至接近4万美元/台，涨幅高达50%到60%。更夸张的是，一家推理云公司为续租现有Blackwell集群，愿意支付100%的溢价（翻倍）。

“还有一家做推理云的公司 为了续租他们现有的Blackwell集群 愿意多付100%的价格”

如果真的是产能过剩，没有任何理性企业会愿意翻倍续租。目前市场上甚至出现了明显的黑市效应：私下转售GPU额度的价格远高于官方报价。这些细节共同指向一个结论：算力不仅没有过剩，反而远远不够。

至于为何云厂商财报未体现如此强劲的需求？加文判断，这是超大规模云厂商的刻意低报。他们不愿让华尔街知晓算力紧缺的真实程度，避免预期打得太满。这是科技公司常见的财报管理手段，旨在平滑市场预期并保留后续惊喜。

开源模型与Token消耗量的误区

近期，随着Kimi K3等新模型的推出，单位Token成本快速下降，有人据此认为模型效率提升、不再需要大量算力。加文指出这混淆了单位成本下降与总需求下降两个概念。无论Token由前沿模型还是开源模型生成，其底层消耗的GPU小时数、内存和电力是相同的。

“开源拿走的是模型层的利润率 不是算力需求”

开源模式将原本拥有90%毛利的Token变为30%毛利，但底层算力消耗并未减少。相反，由于推理成本下降，更多应用场景被激活，总Token量会涨得更快。黄仁勋作为全球最大开源支持者，若开源爆发对英伟达不利，绝不会将其视为核心议题。因此，推理成本下降激活了更多应用，反而推高了总算力需求。开源模型并未削弱英伟达的生意，而是扩大了其市场基数。

AI驱动的交易同质化与监管叙事风险

加文警告了一个值得警惕的现象：Claude已成为股市的“沃尔特·克朗凯特”。大量散户和对冲基金通过AI Agent自动解读新闻并交易，导致市场出现极端过度反应。例如，日本电容股在六周内走完了原本需两三年完成的产能周期（暴涨再暴跌），基本面尚未跟上，股价已透支所有预期。这种AI驱动的交易同质化放大了波动，而非反映真实基本面。

“当所有人都用同一个模型、同一套逻辑来交易的时候 市场就会出现极端的过度反应”

除了技术风险，监管与公共叙事才是AI行业最大的敌人。加文指出，纽约的数据中心禁令源于民间误解：认为数据中心推高电价、抽干水资源、抢走工作。事实恰恰相反：数据中心建设带动医院学校配套，缴纳大量税收；作为稳定大客户，电力公司扩建基础设施摊薄成本，当地居民电价反而下降。此外，关于水耗的谣言被学术书高估一万倍且作者已承认错误。行业亟需向公众澄清真相，否则监管风险将长期悬顶。

内存供应链博弈与英伟达新商业模式

在内存供应链方面，HBM和DRAM行业正转向LTA（长期协议）。此类协议包含价格上下限及预付款，旨在锁定供应。加文提醒：若未来现货降价而企业撕毁协议去捡便宜，一旦供需杠杆反转，该企业将被踢出分配名单，导致业务停摆。客户议价权极弱，因亚马逊、谷歌、AMD和英伟达四家巨头均在争夺产能。

“如果未来两三年 供需杠杆又回到内存厂商那边了...你可能就眼睁睁看着竞争对手拿到货”

英伟达的角色也在演变，从单纯卖芯片转向“信用包装+收入分成”。通过股权投资和信用增强帮助初创公司融资，英伟达不赚一次性芯片钱，而是获取高于底价的收入分成。每建成一吉瓦算力，英伟达既赚芯片钱又持续分润云服务收入。这种模式强化了其竞争地位，而非削弱。

技术进展、太空算力与长期判断指标

关于技术风险，加文认为即使训练端因样本高效学习需求下降，推理端的需求依然坚实且与应用落地挂钩。在硬件方向上，基于SRAM的加速器因不受HBM带宽瓶颈约束，可拆解处理预填充、注意力等环节，提升ROI。他看好Fireworks的Lynn和Cognition的Scott Wu等创始人。

此外，太空算力正从科幻走向现实。SpaceX以更低价格更快接入算力，计划自建8吉瓦算力。StarCloud获Benchmark投资，利用太阳同步轨道太阳能、无土地限制及易散热优势，正在成为一笔可算清账的生意。

“把算力机架通过可重复使用的星舰 送到太阳同步轨道上...这件事在财务和工程上 正在慢慢变成一笔可以算清账的生意”

最后，加文提出两个打破AI基建长周期逻辑的信号：一是超大规模云厂商经营性现金流不再加速甚至下滑；二是GPU现货价格出现持续性大跌。在AI长周期产业中，短期市场波动与长期趋势往往反向。投资者需区分噪音与信号，保持独立判断。算力并未过剩，稀缺性仍在加剧。