当ai浪潮席卷全球，“卖水人”们正迎来前所未有的财富盛宴，但算力基础设施背后的真实投资回报率，究竟是泡沫破裂后的满地狼藉，还是受限于物理边界的长期印钞机器？华尔街顶级空头与科技多头就此展开了针锋相对的激烈交锋。
6月21日，在Jack Farley主持的Macro Minds研讨会上，华尔街传奇做空大师、“安然公司覆灭推手”吉姆·查诺斯（Jim Chanos），与专注硬科技投资的对冲基金Analog Century Capital合伙人瓦尔·兹拉特夫（Val Zlatev）同台亮相，围绕AI资本开支狂潮、半导体周期演进及算力基建的商业本质展开深度交锋。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
（左：Jim Chanos；中：Val Zlatev；右：Jack Farley）
查诺斯这位以精准预判著称的空头旗帜警示称：当下科技行业正重蹈上世纪90年代末资本支出过热的覆辙——芯片厂商可即时确认收入，而超大规模云服务商则将AI相关投入全部资本化处理。
云厂商普遍采用四至七年折旧摊销方式，而非将其列为当期运营成本。这种会计时点的错配，曾在2001年触发科技股利润断崖式下滑40%。
更进一步，查诺斯指出：当前火热的算力租赁模式（如CoreWeave）实质上仅是低回报率的金融租赁业务，税前ROIC长期徘徊于个位数区间。
而拥有物理学背景的兹拉特夫则持相反观点：真实词元（token）需求的爆发性增长，已推动服役6–8年的老款GPU租金持续走高；且英伟达当前估值（15倍2027年EPS）远未触及1999年互联网泡沫顶峰水平。
他强调：受制于设备产能扩张的物理瓶颈，全球半导体制造设备年交付增速上限仅为30%，因此存储芯片供不应求与价格高位运行的时间，将显著长于市场普遍预期。
01
利润割裂与“折旧雷区”
在本轮AI资本开支热潮中，产业链上下游的利润归属成为焦点。查诺斯一针见血地指出财务报表中存在的结构性失衡。
他警示道：
当前利润确认机制存在严重脱节：那些供应“铲子与炸药”的企业（芯片设计商、服务器制造商）正在快速确认收入与利润；而真正掏出真金白银部署AI基础设施的云巨头，却把巨额支出记为资产并分期摊销。
他援引1998–2000年互联网泡沫案例：彼时标普500指数营业利润两年内飙升30%，但2001年订单骤停后，持续释放的折旧压力导致整体利润暴跌40%。
为审慎建模，查诺斯假定GPU物理寿命为10年，但仍对下游云厂商盈利能力深表疑虑。他提醒：
请务必警惕——目前大量采购芯片与建设数据中心的成本，仍躺在资产负债表的“在建工程”科目中；一旦项目投产并启动折旧，对利润的冲击将是剧烈且不可逆的。
兹拉特夫对此基本认同，但也补充说明：GPU的实际经济寿命并非固定值，“或许不是10年，而是6年，但绝不会短至2年”。
02
算力租赁：科技实体，还是金融中介？
针对CoreWeave等新兴算力租赁平台，查诺斯给出了近乎否定的判断，认为其商业模式缺乏可持续护城河。
他直言不讳：
若你向英伟达采购GPU，租用第三方数据中心机房，再将算力转租给微软或谷歌——那你本质上是一家设备融资租赁公司，而非科技企业，更接近一家金融中介。
他还进一步强调：
你应该押注芯片所创造的价值本身，而非承载它的物理空间。
据其掌握的交易数据，当前算力基建项目的税前ROIC真实水平如下：
假设你已拥有稳定供电的数据中心及现成GPU，当前能实现的税前ROIC仅为5%、6%、7%或8%，全属个位数区间。若连芯片紧缺期都难突破这一水平，我宁愿布局产业链其他更具确定性的环节。
兹拉特夫部分赞同该观点，但同时指出：不同算力服务商之间差异显著，并非铁板一块。
他举例说明：Lambda Labs约有40%–50%收入来自实时推理场景下的现货定价服务，在当前GPU现货价格大幅攀升背景下，这类企业具备更强的动态调价与盈利弹性。
双方一致认同：真正价值锚点不在机柜、电力与冷却系统这些硬件载体，而在于芯片之上那层看不见却至关重要的“包裹层”——即软件栈、调度算法与模型优化能力。
03
多头反诘：可验证的需求与尚未过热的估值
面对历史泡沫类比，深耕硬科技领域的兹拉特夫从两个维度提出反驳。
第一，当前AI需求具备可观测、可追踪的底层指标，与1999年依赖管理层口头承诺形成鲜明对比。
他强调：AI基础设施的短缺是现实存在的刚性约束：
就在此刻，高端GPU依然极度紧缺，甚至服役6–8年的老旧型号租金都在上涨。由于token用量激增，自今年1月以来，算力现货价格已暴涨40%–50%。
第二，AI带来的生产率提升已切实反映在企业财报中：
用工规模趋于停滞甚至收缩，而营业利润率却明显抬升——这一现象已在逾500家硬科技公司样本中得到交叉验证。
至于市场最敏感的估值争议，兹拉特夫亮出关键数据：
这并非1999年思科以160倍市盈率交易的时代。如今英伟达交易于2027年预期EPS的15倍左右，博通在近期回调后对应2028年预期收益的12倍。整个板块尚未滑向极端估值泡沫。
但他也坦承：“缩放定律”（Scaling Laws）本质属经验性规律，一旦出现颠覆性非Transformer架构模型，大幅压降单位算力成本，当前整套算力军备竞赛的底层逻辑或将轰然崩塌。
兹拉特夫坦言：
这才是真正让我夜不能寐的风险。
04
存储芯片：触顶的物理产能与被低估的周期韧性
关于DRAM/NAND等存储芯片的周期波动，兹拉特夫揭示了供给端难以突破的硬约束。
随着AI模型向推理端迁移、上下文窗口不断拉长、智能体（Agent）架构兴起，存储需求呈现指数级跃升，部分品类价格已上涨4–5倍。然而，即便价格高企，各大存储厂商也无法像过往周期那样大规模扩产。
兹拉特夫解释道：
半导体设备供应商（如ASML、应用材料）受限于全球供应链复杂度，其年度设备出货量增幅上限仅为30%–35%。这是物理层面的天花板——无论你建多少洁净室，都无法突破这个增速极限。
他指出，当前市场给予存储企业的远期市盈率仅6–7倍，逻辑是“误判6–9个月后将重现周期性价格崩跌”。但他明确表示：
受限于产能扩张瓶颈，本轮需求高峰强度与持续时间，将超越过去25年任何一次周期。
05
终极畅想：马斯克的1太瓦（Terawatt）宇宙蓝图
对话高潮聚焦于马斯克与SpaceX提出的“太空数据中心”构想。
查诺斯从商业可行性角度拆解：
太空环境最大挑战在于抗辐射与散热。且服务器故障频发，在地面只需派工程师更换模块，在太空却需发射一枚火箭。太空的理论总可寻址市场（TAM）无限广阔，但其伴随的熵增风险（不确定性）同样无穷无尽。
他特别指出：SpaceX当前发射业务仍处于亏损状态。
而兹拉特夫则从技术演进底层逻辑出发，解读马斯克此举的战略意图：
马斯克预判未来数年内全球将需要1太瓦（即1,000千兆瓦）级算力支撑。而眼下科技巨头累计投入高达7500亿美元的资本开支，仅转化为约15千兆瓦的实际算力。他之所以如此断言，正因尚未看到AI核心“缩放定律”的失效迹象——只要集群规模越大、模型越先进，对算力的渴求就越是呈指数级增长。
本文来自微信公众号“华尔街见闻”，作者：鲍奕龙，36氪经授权发布。
