【投资框架34】当前宏观、流动性、地缘不重要，核心是收入源头大模型能力
- 公众号：山脉 Inflection Point
- 发布时间：2026-07-02T15:15:50+08:00
- 微信链接：https://mp.weixin.qq.com/s/cKVyAWEZBicl9eYeAjsXEQ
- RSS ID：3930928905-2247486215_1
- Feed ID：MP_WXS_3930928905
- Glance 当前首页可见：是
引言：
面对人工智能，韩国押上了整个国运。美等国也是举国家之力ALL in AI，当前宏观、流动性、地缘不重要，核心是收入源头，也就是模型能力。
核心观点：
核心是大模型能否成功，AI产业资本开支是一套闭环循环传导，模型端不出问题，调整可能只是波动，模型端出问题，则不是普通回撤。
首先模型产生收入，企业与个人持续付费购买AI Token、订阅大模型，为上游大模型厂商创造持续的营收现金流，这是整条产业链循环的起点。之后，云厂商相信需求。亚马逊、谷歌大规模云服务商，看到大模型端真实增长的付费需求，坚定市场长期空间判断，加码产业投资。最终硬件订单增加，产业链产品涨价，毛利率改善，上下游公司业绩、盈利水平全面走高。只要底层大模型付费收入的增长不出现失速，实打实的盈利增长，就能无视宏观层面的利空风险，持续支撑板块股价走强。整条传导核心是大模型收入增速一旦模型付费增长不及预期，整条资本开支扩张、硬件需求、企业盈利的正向循环都会被打破，半导体AI板块的估值与业绩逻辑将同步动摇。
1.OpenAI、Anthropic等前端模型的收入能否持续高速增长，并合理化后端巨额资本开支。而不是观察AI硬件是否过剩，核心是大模型能否是真正进步，客户是否买账，云厂商投资模型公司，模型公司再向云厂商购买算力。若缺少外部企业和个人最终付费，这种循环不能证明整个体系创造了足够的真实收入。
2.美股过去几十年的长牛依赖重要机制是，美国上市公司毛利率和自由现金流较高，赚到的钱可以用于回购与分红，形成持续的股票需求。AI时代改变了这个结构。美股科技公司将过去积累的现金投入AI基础设施，甚至需要持续融资。美国现在成了融资市，和某国很像不是吗。
3.美国上半年归因于SLR相关约束放松，银行体系新增容量约4.5万亿美元至5万亿美元。三四月份的普涨与加密货币市场的“MemeRun”相似，每只上涨的股票都可以讲出基本面故事，但所有股票同时上涨的共同原因，是流动性过剩。市场需要持续增量，一次性洪水漫灌之后，如果没有新的增量，价格的“快感”难以维持。AI长期趋势仍然成立，但在普涨向分化切换、估值回落和流动性收紧过程中，即便最终创新高，中间也可能出现幅度很大的调整。
4.各大厂资本支出，持续实现指数增长非常困难。企业会做成本核算到一定阶段，企业会审查每个程序员、团队Token预算。开源模型会分流普通任务，高端模型不一定被完全替代，但大量常规任务可转向更便宜模型。股价同时由盈利和估值决定。当市场已经充分预期高盈利，哪怕盈利维持高位，只要投资者对未来Capex或模型收入产生怀疑，估值也可能大幅收缩。
山脉不是简单看多或看空AI。产业趋势仍强，但市场容错率已经很低。AI硬件盈利可以继续增长，相关股票也可能创新高，但这一切都建立在前端模型收入继续高速扩张的基础上。一旦企业开始大规模压缩Token预算、开源模型显著分流付费需求，或者模型收入无法支撑云厂商的巨额资本开支，当前看似确定的半导体盈利也会遭遇剧烈估值重构。
当前大语言模型它们就像是黑暗中的蚊子，能通过嗅觉感知到二氧化碳的浓度变化，从而精准找到猎物的位置；但它完全无法理解，二氧化碳的产生，来源于一个正在进行呼吸的复杂生物体。也就是说当前的LLM技术拥有强模式匹配能力，但对这些模式背后的真实物理逻辑，缺乏最基础的理解能力。大语言模型是通过把文本、音频、视频拆成token，通过训练模型具有根据之前的token预测下一个token的能力，在训练的过程中让模型间接掌握token背后的知识。大语言模型是数学概率的结果，不是真正的理解，“我吃”后面计算最可能结果是“饭”，编程等等运用挺好的，但是个工具而已，深入的世界模型差有点远，牛顿因为苹果掉到了头上引发了深思，现在有点像3岁背古诗的小朋友。当年认为用蒸汽机就能造出飞机，虽然蒸汽机是伟大的发明，但它永远不可能成为飞机的动力源。大语言模型很厉害，但被高估了。我不认为大语言模型是个不好技术，但是被很多人高估神化就是危险的。
不能仅仅看mate，一条街4家包子店，3个生意好1个生意不好，生意不好的那个说我不做了把多余的擀面杖蒸笼卖给你们。外界想包子店不需要擀面杖蒸笼了。deepseek也很好用，并且便宜，很多都是开源的，并且相互蒸馏，个人对大模型未来悲观，应该会进入白热化竞争腾讯、美团、阿里、豆包等等各家都有大模型，未来会是白热化竞争，一个鱼缸里很多大鲨鱼，吃不到肉，未来一年肯定会降低资本投入，迅速传导至上游。
正文：
29号韩国青瓦台，总统李在明对着三星李在镕和SK海力士崔泰源90度深鞠躬，感谢他们的巨额投资计划，称两人是“国民英雄”。AI用并行计算把半导体的进步直接变成了生产力，过去的科技进步都是搭个平台，让上面的软件和人创造价值，这次不一样。Token需求是指数级增长的，但半导体产能只能线性扩张，再加上过去几年半导体这帮老顽固根本不信AI能成，硬是没扩产，等今年需求真爆发，全产业链都缺货，这才造就了这轮大牛市。但这轮牛市的所有定价，都建立模型收入的基础上，模型收入的增长速度迟早能撑得起云厂商的天量资本开支。任何动摇这个信仰的风吹草动，都会让市场陷入恐慌。
首先从微观上看，现在公司看起来都无懈可击。模型架构、半导体每个细分赛道公司的报表，这就是典型的低PE泡沫。当你看了几十上百家公司，每家的需求、盈利都看起来完美无缺的时候，你就该警惕了，这个市场一定哪里出了问题。
低PE泡沫和2000年的高PE泡沫不一样。高PE泡沫是预期泡沫，市场会不断给你画更大的饼，一旦核心公司的预期破了，多米诺骨牌一张接一张倒，就像去年的IGV，市场突然就不给EV/EBITDA估值了。但低PE泡沫不一样，盈利是真的，跌下来你就敢买，毕竟个位数PE的存储公司，产品还在涨价，毛利率80%，谁能拒绝？小跌小买，大跌大买，只要命门没被戳破，市场会异常坚挺。这种正反馈循环太舒服了，就像做美梦一样，没人愿意醒过来，也没人相信自己在做梦，买过P2P的人应该懂我在说什么。
这就形成了一种不对称的反馈，过去一年，市场对宏观利空免疫，伊朗危机、油价、通胀、加息，全都挡住了，不是没有风险为公司的盈利看起来太坚固了。一旦命门破了，所有被忽略的利空都会一起杀回来，过去没跌够的，会一次性跌完。
第二个推手是去监管和宽松的流动性。2008年之后整个金融体系监管了十几年，杠杆从30-40倍降到了15-20倍，结果去年美联储一松eSLR，银行理论上能扩4-5万亿的资产负债表。4月之后银行间流动性泛滥，低PE资产加上杠杆，自然就涨疯了。流动性是王，流动性泛滥的时候能征服一切。疫情时候每个月1200亿QE是细水长流，这次直接是开闸放水，QE还没转向QT呢，先把银行监管松了，凭空造出这么多钱。但问题是，现在通胀粘在那里下不来，美联储短期内根本没有降息的空间。真出了危机，美联储连QE的空间都没有，光靠降息就是个纸老虎。更别说现在半导体板块，尤其是存储里面的杠杆，已经堆得太高了。
第三个问题是供给端的失控。台积电带头不信AI半导体行业过去两年根本没为AI需求做大规模扩产准备。结果需求真很大，都傻了过去半导体产业链是为消费电子服务的，现在不仅订单拉满，架构还在不停迭代。英伟达从做GPU，到做机柜方案，再到做Token工厂，每一步需要的技术和供应商都不一样，所有供应商都没经历过这种量级的量产，像把拖拉机硬拉到高铁轨道上跑200迈零件都在响。现在半导体细分领域都缺货，都扩不出产能。更麻烦的是，过去产业链只有台积电一个守门员，控产能、价格，大家都有稳定预期，良性发展。现在价格体系失控了，谁都能涨价，这不是半导体行业变强为失控。失控会直接抬高每瓦算力的投入成本，最后投射到资本开支和模型收入上。
我们现在是在钢丝上跳舞，模型收入的预期打得太满了。市场现在坚信OpenAI、Anthropic、Gemini的收入会快速增长，让天量资本开支变得合理。这个信仰不能有一丝动摇，哪怕只是一点点怀疑，都会引发二级市场的巨震。之前GPT5不及预期的时候，市场也质疑过Scaling Law，为什么半导体没跌？那时候半导体还没像现在这样全产业链炒透，杠杆也没这么高；而且云厂商现金流还很充裕，只要他们表态继续投，市场就信，毕竟未来两年英伟达的业绩确定性在那里，没人敢顶风做空。
但今年不一样了，今年资本开支已经到了7700亿，明年要上万亿，华尔街不会再只看云厂商的表态了，毕竟OpenAI和Anthropic拿的本来就是云厂商的投资款，他们必须看到这两家公司的收入增速真的能持续，这才是整个循环能转下去的核心。更麻烦的是，过去大厂是AI的监护人，他们用自己的现金流养着这个行业，但现在他们的自由现金流已经转负了。父母老了，钱花完了，后面的路要靠AI自己走了。而市场的预期打得有多满呢？连液冷出问题、CPO良率这种假以时日一定能解决的技术问题，市场都不给任何容错空间。
核心在Anthropic身上。产能延迟、技术卡壳都是皮外伤，模型端出问题是心腹大患。很多人大量用模型写代码、部署交易程序、跟各种AWS服务交互，发现Opus4.8的实际能力现在已经不如Kimi了，GPT虽然还能用，但也在明显变笨。市场在用传统软件的思维看AI：系统开发成本高，使用成本低，只要试用的时候好用，以后质量就能稳定。但AI是个工厂，模型输出是有成本的，旅馆人太多，服务质量自然就下降了。
市场还有个错觉，觉得Token需求会一直指数级增长跟模型质量没关系。确实，模型变笨了会多用很多Token才能达到原来的效果，但我很怀疑这种Token越用越多、质量越来越差的剪刀差能持续多久。现在很多公司确实在给Token使用下KPI，很多惯性订阅的用户也在加速消耗，但如果算力瓶颈解决不了，非常担心Anthropic的增长曲线会拐头。而算力问题不是一天两天能解决的，也不是发个新模型就能绕过去的。等市场意识到这个问题的时候，投资人会问两个问题第一，你连蒸馏你的开源模型都跑不过，我花那么多钱训练你干嘛？第二，大模型是不是已经商品化了？到那个时候，整个AI时代的梦想都会被质疑，这个盈利循环能不能自我跑通会被打上问号，现在所有按PE估值的半导体公司，都会被重新打上周期股的标签。
有人会说，既然算力不够，那就继续投半导体扩产能啊。没错，但钱从哪来？刨掉OpenAI和Anthropic拿到的融资款反哺给云厂商的部分，他们到底还有多少净现金流能支撑这个级别的投入？这笔账华尔街算得过来。当然不排除他们像甲骨文那样，哪怕稀释股权也要继续投，熬过去。但真到那个时候，市场的反应会比去年大得多，如果亚马逊、Meta的CDS飙升、现金流持续为负，他们能不能像拉里・埃里森那样孤注一掷，要打个大大的问号。也有人说OpenAI收入增长很快啊，能不能打消市场的顾虑？在预期打得这么满的情况下，“比烂”是给不了人信心的，两军对垒，关羽被阵斩了，你说还有张飞，没用的。当然，我必须承认，这个低PE泡沫的韧性非常强，在真正戳中命门之前，它几乎是无敌的。但一旦点中死穴，它会轰然倒塌。我入行这么多年，见过太多次纸醉金迷，潮起潮落，没有一次全民狂欢能善终，也没有一次身在梦中的人，能想明白自己这个赛道怎么会输。最近的就是DeFi Summer，Uniswap短短时间卷了几百亿美元，当时所有人都觉得取代传统金融只是时间问题，根本想不明白怎么会输。不管Anthropic现在遇到什么问题，都不会改变AI是第三次工业革命这个事实。AI的进程不会因为任何危机停下来，它会碾着狂欢者的尸体继续前进，直到它真的替代几亿脑力劳动者。
山脉综述：
核心是大模型能否成功，AI产业资本开支是一套闭环循环传导，模型端不出问题，调整可能只是波动，模型端出问题，则不是普通回撤。低PE泡沫做空，痛苦指数都极高，我们持续关注模型情况即可。
上世纪90年代末，互联网浪潮席卷全球，运营商坚信带宽将成为稀缺资源，累计投入超万亿美元铺设跨洋光纤干线，设备商股价一路暴涨。2000年互联网泡沫破裂后，全球光纤实际利用率不足10%，大量光缆被永久埋在地下成为暗光纤，信设备巨头北电网络破产，思科市值暴跌83%，上游产业链经历毁灭性出清。
但当年的过剩产能并没归零。十年后云计算、流媒体、移动互联网集中爆发，这些早年铺设的光纤干线成为了数字经济的物理底座，被视为无效投入的资本开支，最终转化为产业升级的核心基础设施。对应到当下的AI算力，短期GPU存量过剩，不代表长期算力需求见顶，当下的闲置资产，很可能是未来AI应用全面普及后的底层产能。半导体行业的制程升级，伴随一轮旧产能过剩的担忧。2018年台积电7nm工艺量产后，市场普遍预判14nm、16nm产能会快速贬值、被市场淘汰。事实是7nm产能持续聚焦高端手机SoC、旗舰计算芯片，而14nm产能迅速转向车规芯片、物联网MCU等场景，不仅没有闲置，反而在后续的汽车电子化浪潮中成为紧缺资源，价格与利用率持续回升。H100、H200在前沿大模型训练中的经济性下降，不代表失去产业价值，是会从顶级训练稀缺资源下沉到推理、微调、企业服务等场景，找到新的商业化定位。算力资产从一次性的训练投入，转向可复用、可商业化长期资产，这是它真正走向产业成熟的起点。
这就是我们这一代人，正在经历的百年未有之大变局。我们站在风格切换的前夜，站在旧秩序的终点，新秩序的起点。
相关链接：
【写在黄金高位时13】在中国价值投资适用吗？Value investing的门槛其实不低（多图预警）
【写在黄金高位时14】原油维持了40年的利益均衡结构已经瓦解（万字）
【写在黄金高位时15】利率是文明的体温，当下的野蛮，正在推高全球利率（多图）未来10年是HALO资产的时代，复盘罗马时代至今利率演变
【写在黄金高位时16】殖民时代的扭曲正被修正，垄断正被打破，26年价值股上位我们站在投资风格切换前夜
【写在黄金高位时17】这场战争，根本停不下来，美元是我们世界的一场集体幻觉
【写在黄金高位时18】山脉推演全球AI资产再上涨三次20%后的世界
预览时标签不可点