Related articles
财联社 8 月 13 日讯 （编辑 潇湘）目前，全球人工智能 (AI) 领域的 「军备竞赛」 仍在如火如荼地展开，各大科技巨头大幅增加资本支出，用于开发定制人工智能芯片、构建庞大的数据中心，并大规模投资于电力供应，以满足大型语言模型的持续需求……
这些支出可以说相当惊人——过去 18 个月里，支出最大的科技巨头们的平均资本支出与销售额之比几乎翻了一番——从 10% 升至 20%。Meta 是过去一年支出增长最快的公司，已计划建造一个相当于曼哈顿大小的数据中心。
这股 AI 浪潮也令科技股再次引领了美股市场，推动标普 500 指数持续创下新高，并使该板块在指数中的权重占比进一步达到了前所未有的份额。
然而，宏观策略师、 Variant Perception 联合创始人 Simon White 在最新报告中则指出，这场 「军备竞赛」 也使得人工智能股票在当前面临着三大主要风险：
不断上升的久期风险，使其越来越多地暴露于更高的利率之下；
过度投资可能会压低 AI 领域的利润率；
大模型带来的创新收益可能不再是指数级的，而是渐进的，这使得高估值看起来将岌岌可危。
久期风险
White 指出，科技股的有效久期已经很高。作为成长型公司，它们几乎不支付股息。股息收益率的倒数近似于股票的久期，因此科技股在主要行业板块中拥有最高的久期。
但当一只股票的预期现金流在未来很长一段时间内呈现不规则分布时，其对利率的敏感性会显著上升。随着利率上升，这些未来现金流的现值会突然变得价值大减。
科技股投资者面临的问题是：在美联储独立性面临自 20 世纪 40 年代以来最大威胁的背景下，他们是否愿意承担这一风险？
迄今为止，对货币政策的政治攻击，还主要体现在总统特朗普的口头攻击上，但形势似乎即将升级，特朗普亲信斯蒂芬·米兰已被提名为前美联储理事库格勒的继任者。
尽管撰写过煽动性的 「海湖庄园协议」 论文的米兰预计只是一个过渡人选，但方向是明确的：特朗普正在尽其所能，将联邦公开市场委员会 (FOMC) 塑造成一个有着低利率倾向、鸽派主导的机构。
这显然可能导致美债收益率曲线陡峭化，市场会将某一时间段较低的利率解读为未来通胀的信号，从而通过重新定价期限溢价，推高长期收益率。
高久期股票在这种环境下，本身会成为待宰羔羊。而眼下，科技板块的表现其实已经超出了基于其久期与相对于指数历史超额表现关系所预期的水平。
目前，科技公司资本支出的快速增长，已减少了自由现金流，并推迟了投资者预期通过盈利收回股票投资成本的时间。数据显示，领先的人工智能公司的资本支出在过去 12 个月的基础上已激增至 EBITDA(税息折旧及摊销前利润) 的 1.3 倍，而标普 100 指数中其他公司的平均水平为 50%。
资本周期考验
White 认为，即使通胀不是一个重大问题，科技股仍面临来自另一个因素的重大风险：资本周期。
作为一种理论，它很容易理解——当过多的资本涌入一个行业时，通常会导致供过于求、价格下跌和利润率下降。这会迫使企业破产和整合，从而重新导致供不应求和价格上涨。这最终又会吸引新进入者，并推动资本支出再次上升。
资本周期理论是由 Marathon Asset Management 推广普及，关于该理论的著作 《资本回报》(Capital Returns) 中重点介绍了近几十年来过度投资的几个例子：例如 2000 年代初的电信和光纤行情；2000 年代中期因中国相关需求导致的航运和集装箱船队的大规模扩张；以及 2010 年代初的矿产和天然气供应过剩。
所有这些都以该行业股票显著且持续的表现不佳而告终。
White 表示，该周期会持续数年，从过度投资到股票表现不佳的滞后期约为 2-3 年。再加上久期风险，这使得人工智能股票所处的环境越来越不利。
大模型升级放缓
当然，相信许多人仍会说这次的 AI 浪潮可能不同。而 White 也因此提到了第三点，越来越多的证据表明，大型语言模型的升级改进正在趋于平缓。
它们最初令人印象深刻，但其局限性正被更广泛地认识：幻觉 （hallucinations）、无法理解或验证真相、决策不透明、长期记忆薄弱。人工智能公司正在尝试多种技巧来克服这些问题，但越来越清楚的是，这些可能是这类模型固有的特性，而非能轻易解决的缺陷。
正如美国银行的这张图表所示，超大规模企业的关注点正从创新支出转向资产扩张。
投资人工智能的公司发现，虽然大模型可能非常有用，但也有缺点，尤其是在涉及专业知识而非流畅性的任务上。同样有证据表明，许多公司还不愿意完全落地人工智能系统，因为人工智能难以处理的边缘案例可能造成灾难性后果，以至于让系统无人监督的风险太大。自 2022 年大型语言模型成为主流以来，生产率尚未出现任何有意义的提升。
eSolve 资产管理公司首席投资官 Adam Butler 在 X 平台上的一篇帖子，曾阐述了人工智能周期已经结束的观点。他写道：「我们现有的模型，其核心仍然是一个个 Token 的轮盘赌。将足够多的旋转链接起来，微小的错误概率就会累积成存在性的故障。」
而科技股的估值尚未反映出大型语言模型这种现实与预期之间的差距。
总结
White 表示，对于任何市场从业者来说，科技公司拥有一些最高的估值本身并不奇怪，但当你看到它们与市场其他部分的差距如此之大时，仍然令人震惊。
White 认为，开发人工超级智能 (artificial superintelligence) 可能是终极的先发优势，因为真正的超级智能可以迅速阻止其他人开发。也许这就是 Meta 斥资数十亿美元网罗部分顶尖人工智能人才背后的想法。但目前，绝大部分支出并非流向那里。
大型语言模型肩负着让科技公司实现其膨胀估值的增长重任。然而，随着价格压力上升、资本周期展开以及大型语言模型的局限性日益明显，它们要完成这项任务可能会非常困难……
