“我绝对相信算力的力量。”AMD董事长兼CEO苏姿丰对我说的这句话，几乎成了当下科技股逻辑裂缝的最佳注脚。“AI算力等同于智能，为什么不想要更多智能？当然要更多智能。”说完这句，她立刻把话头转向了现实回报——AMD内部对AI的使用环比正在大幅攀升，产品更好、上市更快，这些已经在发生。
同一个星期，Mastercard CEO迈克尔·米巴赫也丢出一句不容忽视的判断：代理商务不是空中楼阁，它已经在平台上真实启动了。另一边，IBM CFO詹姆斯·卡瓦诺面对一整个月的股价灾难，解释得更加干脆——业绩预警的祸根不是没搞AI，恰恰是向AI投入了太多资本。
高管们在财报电话会上异口同声：我们看到了回报，我们正在加速。然而股市给出的回答简单又冷酷——崩。
这种割裂感在大科技公司二季度财报出炉后变得尤其刺眼。Alphabet的资本支出达到449亿美元，略高于华尔街预估的447亿；全年指引一把从1800亿~1900亿美元上调到1950亿~2050亿美元，高管们还补了一句“2027年还将出现显著增长”。话音未落，股票就被砸了下去。与此同时，一批响当当的科技名字同样被按在地上摩擦，市场好像在一夜之间患上了“资本支出恐惧症”。
问题的形状其实很好描画：AI投得越多，股价跌得越猛。那投资者到底在恐慌什么？
一个可能被过度放大的担忧是，两百亿美元级别的年投入到底什么时候能换成真金白银的利润。苏姿丰和米巴赫都在试图回答这个问题，可是财报季的数据结构似乎还不够“立等可取”——当你看到资本开支一步跨上几个台阶，而收入增速并没有同等幅度抬升，传统的估值框架就会自动触发卖出信号。于是，所有积极的信号都被当成远期画饼，而眼前的真金却成了当下的毒药。
问题是，这种逻辑正踩在一个危险的预设上：把AI投资等同于传统的基建投入，认为回收期漫长且充满不确定性，于是要求立刻折价。但这很可能低估了两件事。
第一件事，AI的使用强度正在以看得见的速度改变企业内部的生产函数。苏姿丰没有给出一堆远期愿景，而是给了AMD自身的工程节奏——产品迭代更快、质量更高。这是一个“压缩版回报”的样本：算力投入不是等三年才见效，而是月复一月地反映在研发效率上。
第二件事，一些长期被认为离AI最远的行业，恰恰在重新定义敏捷度。Mastercard把AI嵌入反欺诈和代理商务，这看起来比生成式对话的Glamour更低理解成本，却直接作用于支付链条上的吞吐量和交易安全性。这些业务的价值计量单位是月，而不是年。
还有一点不能忽视：很多AI开支本身就是过去IT开支的升级替代。几年前我们讲数据中心，现在我们讲AI训练集群；底层还是采购芯片、铺设光缆、搞液冷，只是在采购清单上加了更多GPU和更烧钱的互联结构。如果只是因为标签从“云”变成了“AI”，就把它解读为无底洞，逻辑上多少有些拧巴。
不过，市场永远没有“必须理性”的义务。股价本身就是一套故事精算机——它可以耐心极短，也可以容忍度极高。而现在，这台机器读到的故事是：资本开支冲顶，回报曲线却还埋在下一季的备注里，于是它选择先杀估值。至于这些投入最终会变成利润、护城河还是沉没成本，市场打算等下一次财报再来定夺。
但是，别忘了苏姿丰那句最朴素也最难反驳的话：如果你相信更高算力就是更高智能，那么任何今天对AI投资所做的恐慌定价，本质上都是在赌智能不再值钱。而从AMD到Mastercard再到IBM，没有一家在拿自己的钱赌这个方向。
所以，当Alphabet把资本开支预期一口气抬到2050亿美元级别，投资者真正需要问的问题或许不是“为什么花这么多”，而是“别人没跟的话，会失去什么”。毕竟，在生产力革命的前几排，从来不是靠等来抢位置的。
热门跟贴