当AI浪潮下的“卖水人”赚得盆满钵满时，算力基础设施的真实投资回报率究竟是一地鸡毛，还是受制于物理极限的长期印钞机？华尔街顶级空头与科技多头给出了截然不同的答案。
6月21日，由Jack Farley主持的Macro Minds研讨会上，华尔街传奇空头、“安然终结者”吉姆·查诺斯（Jim Chanos），与科技对冲基金的Analog Century Capital的合伙人瓦尔·兹拉特夫（Val Zlatev）同台，就AI资本支出繁荣、半导体周期及算力基建的商业模式展开了深度激辩。
（左：Jim Chanos；中：Val Zlatev；右：Jack Farley）
传奇空头查诺斯警告，当前科技行业正经历类似90年代末的资本支出热潮，芯片供应商可以立即确认收入，而超大规模云服务商将AI资本支出资本化。
云服务商通过四至七年折旧摊销，而非直接计入运营开支。这种“时间错配”曾导致当年科技股利润暴跌40%。
此外，查诺斯认为算力租赁（如CoreWeave）本质上是回报率仅为个位数的金融租赁业务。
物理学家出身的华尔街投资人兹拉特夫则反驳称，真实词元需求爆发导致老旧GPU租金均在飙升，且英伟达（15倍2027年EPS）估值远未达1999年泡沫水平。
他进一步指出由于半导体设备产能年均增长上限仅为30%，存储芯片的紧缺与高价周期将比市场预期的更加持久。
利润悬殊与“折旧定时炸弹”
在当前的AI资本支出热潮中，市场最关注的是利润的流向。查诺斯敏锐地指出了产业链上下游在财务报表上的巨大错位。
查诺斯警告称：
现在的利润会计核算存在脱节：那些卖‘镐和铁锹’的公司（芯片、数据中心设备商）正在立即确认收入和利润；而那些花掉这些巨资的超级云厂商却在将这些成本资本化。
他回顾了1998年至2000年的互联网泡沫时期，当时标普500的营业利润在两年内增长了30%，但当订单簿在2001年崩溃而折旧成本继续显现时，标普500的利润暴跌了40%。
为了保守起见，查诺斯在建立模型时假设GPU的物理寿命为10年，但他依然对下游的盈利能力表示怀疑。查诺斯说：
你要小心，买芯片、建数据中心的成本目前都记在‘在建工程’里，一旦它们上线并开始折旧，对利润的冲击是巨大的。
对此，兹拉特夫表示大体认同，但补充称GPU的实际经济寿命难以精确界定，“可能不是10年，可能是6年，但绝对不是2年”。
算力租赁属于科技公司还是金融中介？
对于目前火热的新兴云服务商（如CoreWeave等算力租赁平台），查诺斯给出了极度悲观的评价，认为这在本质上是无利可图的商业模式。
查诺斯直言：
如果你从英伟达买芯片，租别人的数据中心，再把算力转租给微软或谷歌，你就是一个设备租赁公司，你不是科技公司，而是一家金融公司。
查诺斯进一步表示：
你应该做多芯片所生产的东西，而不是芯片所在的地方。
他透露了目前算力基建的真实投资回报率（ROIC）：
目前的交易细节显示，如果你现在有供电的数据中心和芯片，预期的税前ROIC只有5%、6%、7%、8%，全是个位数。如果现在（缺货时）都只能做到这样，我宁愿持有产业链的其他环节。
Zlatev对此部分认同，但提示各家新兴云服务商并不完全相同。
他举例指出，部分公司如Lambda Labs约有40%至50%的收入来自即时推理场景的现货定价，这使其在当前GPU现货价格飙升的环境下，具备一定的灵活获利空间。
两人均同意，真正的价值不在于提供机架与电力的物理载体，而是在芯片及其“包裹层”（软件与优化层）。
多头反驳：真实的需求与远未泡沫的估值
针对互联网泡沫的教训与当下的差异，专注硬科技投资的兹拉特夫提出两点反驳。
首先，他认为当前的AI需求可以通过底层的词元使用量来实时追踪，这与1999年仅靠CFO们在财报会上“画大饼”完全不同。
兹拉特夫指出，AI基础设施的紧缺是极其真实的：
就在我们说话的时候，这些芯片依然非常紧缺，甚至那些6、7、8年老旧GPU的租金都在上涨。由于Token使用量的爆发，自今年1月以来，算力现货价格上涨了40%到50%。
其二，AI对模型能力的改进确实带来了真实的生产率效益，企业用工人数停滞甚至下降，而营业利润率却显著提升，这是在超过500家硬科技公司样本中已经可以观察到的实际情况。
关于市场最担忧的估值泡沫，兹拉特夫抛出了核心数据：
这不是1999年思科以160倍市盈率交易的时代。目前英伟达的交易价格大约是其2027年预期每股收益的15倍，博通在近期回调后是2028年预期收益的12倍。整个板块并没有走向极端的泡沫。
他同时承认，AI的“缩放定律”（Scaling Laws）属于经验规律，一旦有人研发出新的非Transformer架构模型，大幅降低单位算力成本，当前整个算力军备竞赛的逻辑基础就将动摇。
兹拉特夫说：
这才是真正让我夜里睡不着的事情。
存储芯片：被逼到极限的物理产能与“反常”的低估值
对于市场极度关注的存储芯片（DRAM/NAND）周期，兹拉特夫揭示了供给端无法大幅扩张的核心物理约束。
目前，因AI模型向推理、长上下文窗口及AI智能体演进，对存储的需求呈现爆炸式增长，部分存储价格已经上涨了4到5倍。但即便如此，各大存储厂商也无法像过去那样疯狂扩产。
兹拉特夫表示：
半导体设备公司（如ASML、应用材料等）受制于供应链复杂性，其出货量每年最多只能增长30%到35%。这是物理极限，无论你需要多少无尘室，你都无法增加超过这个比例的产能。
他指出，目前市场给存储公司的远期市盈率仅为6到7倍，因为市场“错误地认为6到9个月后就会出现周期性衰退导致价格暴跌”，但他表示：
由于产能扩张受限，这次需求的高峰将比过去25年都要高，且高位维持的时间会更长。
终极狂想：马斯克的1太瓦（Terawatt）星辰大海
对话的最高潮围绕马斯克及SpaceX将数据中心搬上太空的设想展开。
查诺斯从商业逻辑上将其拆解：
太空中最大的成本是抗辐射和散热。而且数据中心设备经常坏，在地球上你派个技术员去换零件就行，在太空你得发一枚火箭。太空的总体潜在市场（TAM）是无限的，但太空的无限熵（随机性风险）也是无限的。
他强调，目前SpaceX的发射业务仍处于亏损状态。
然而，兹拉特夫从技术发展的底层逻辑原理解释了马斯克看似疯狂的举动：
马斯克认为未来几年世界需要1太瓦（1,000千兆瓦）的算力，而目前科技巨头高达7500亿美元的资本支出，仅仅转化为了大约15千兆瓦的算力。他之所以这么说，是因为他没有看到AI底层‘缩放定律（Scaling Laws）’的打破。只要集群越大、模型越聪明，对算力的需求就是指数级的。
⭐星标华尔街见闻，好内容不错过⭐
盛达优配提示：文章来自网络，不代表本站观点。
