行业与公司 * 行业：科技行业，特别是人工智能（AI）和数据基础设施领域[43][44][47] * 公司：提及当前AI领域的五大上市公司（微软、谷歌、Meta、亚马逊、甲骨文）以及英伟达（Nvidia）和OpenAI[31][43][44][47][48] * 历史对比公司：1990年代互联网泡沫时期的公司，如微软、英特尔、戴尔、思科、高通、Sun Microsystems等[9][10][11][12] 核心观点与论据 * 当前AI投资热潮与1990年代互联网泡沫（被视为数据传输基础设施泡沫）具有高度相似性，核心问题在于供给侧过度投资而非企业盈利状况[8][16][20][24] * 1990年代纳斯达克指数的上涨主要由盈利丰厚的大盘股（如思科、微软）驱动，而非无盈利的互联网公司[9][10][11][14] * 当时资本市场热情支持数据传输基础设施的建设，例如AT&T每年投入200亿美元，Global Crossing在海底电缆上花费200亿美元[17][18][19] * 资本周期理论（Capital Cycle Theory）是分析狂热驱动投资繁荣的有效框架，其模式显示股市高点通常出现在投资热潮的中期，而非资本支出达到峰值之后[27][32][33][50] * 图表显示标普500净资本投资占名义GDP的比例与股市投机顶点存在关联，股市见顶时资本支出热潮往往尚未结束[25][26][27] * 当前AI基础设施的巨额支出计划可能重蹈覆辙，存在需求无法跟上供给的风险[20][21][43][44] * 五大科技公司及初创公司承诺在未来三年投入近3万亿美元于AI基础设施[44] * OpenAI计划未来8年支出1.4万亿美元，但其收入不足该计划的2%，且处于亏损状态，估值却高达5000亿美元[45] * 市场见顶时往往缺乏明显信号，企业高管在当时仍持极度乐观态度，但投资者等待放缓信号再行动可能会遭受严重损失[38][40][41][42] * 思科CEO在2000年8月仍表示互联网商业变革正在加速，但到2001年思科开始亏损，股价从峰值下跌78%[40][41][42] 其他重要内容 * 对流行历史叙事的纠正：普遍认为互联网泡沫由无盈利的互联网公司驱动是错误认知，实际上是盈利大盘股在泡沫中起主要作用[7][8][14] * 会计问题提示：大型参与者的会计问题（如延长芯片/服务器的折旧年限）是任何狂热泡沫中的常见现象，将在后续部分探讨[47][50] * 人性与市场心理：股票市场奖励巨额支出计划，严重的股票期权激励加剧了这种动力，CEO们容易过度相信股市表现，这是人性难以避免的部分[28][30][37]

文章核心观点 - 文章通过解读Michael Burry的三篇文章，分析了当前AI热潮与历史上互联网泡沫的相似性，核心论点是基于“资本周期理论”，指出供给侧过度投资是泡沫的主要标志，并特别强调了科技巨头通过延长AI基础设施折旧年限来虚增利润的潜在风险 [7][11][13][20][23][25] Michael Burry对AI泡沫的历史对比分析 - 泡沫的核心标志是供给侧贪婪驱动的资本过度投资，而非需求不足，这一规律在互联网泡沫、房地产泡沫和页岩油革命中均得到验证 [7][11] - 1990年代互联网泡沫主要由盈利丰厚的大盘股（如微软、英特尔、思科）推动，而非亏损的互联网公司，当时电信行业在数据传输基础设施上投入数千亿美元，导致2002年仅有不到5%的光纤被真正启用，供需严重失衡 [8][11] - 当前AI热潮与互联网泡沫高度相似，五大AI骑士（微软、谷歌、Meta、亚马逊、甲骨文）和OpenAI计划未来3年投入近3万亿美元，其中OpenAI承诺8年支出1.4万亿美元，但其收入不足该支出的2%，资本市场却给予其5000亿美元估值，该数字与2000年思科市值峰值相当 [12][13] Michael Burry对折旧会计操作的风险警示 - 科技巨头系统性延长芯片和服务器折旧年限，Meta从2020年的3年延长至2025年的5.5年，谷歌和微软从3年延长至6年，甲骨文从5年延长至6年，亚马逊从4年延长至5年，此举直接减少折旧费用，虚增利润 [20][21] - 谷歌仅在2023年调整折旧政策就使税前收入增加39亿美元，Burry估算未来三年此类操作可额外增加约200亿美元报告收入，类似操作曾导致世通公司2002年破产 [21] - 英伟达芯片迭代加速，产品周期缩短至1年，旧款芯片经济价值快速缩水，但企业仍按6年折旧，严重高估资产价值，Burry预测2026-2028年超大规模企业盈利高估幅度可能达两位数，甲骨文或高达48% [22][23] - 数据中心等基础设施面临快速过时风险，企业在建工程规模达数百亿美元，若行业放缓，可能引发资产减值和私募信贷违约连锁反应 [24] 对Burry观点的市场数据反驳 - Bernstein分析指出，GPU在度过初期burn-in阶段后实际寿命可达6-7年，A100等旧卡租赁需求依然旺盛，2025年租价达1.56美元/小时，贡献毛利率70% [28][29][30] - GPU残值曲线非直线，第一年价格暴跌20-30%，之后趋于平缓，直线6年折旧可能反而高估初期贬值，低估后期残值 [32] - 租赁市场数据显示A100美元性能虽仅为B200的一半，但租价坚挺，因大量遗留负载迁移成本高，用户宁愿支付溢价 [33][35] - 超大规模企业实际折旧政策多在5-6年区间，与Burry指控的3年经济寿命存在差异 [37] 国内AI基础设施市场参考 - 国内数据中心折旧年限未如Burry所述般缩短，A100等旧卡仍大量使用，租赁市场存在因价格波动导致客户违约重新议价的现象 [38] - 文章提供了国内谷歌及英伟达供应链企业梳理，包括光库科技、德科立、英维克等公司在OCS光学器件、液冷、变压器等领域的市占率和订单预期 [40]

文章核心观点 - 将当前AI基础设施投资热潮与19世纪美国铁路建设狂潮进行历史类比，揭示两者在资本周期、发展规律上的惊人相似性 [2] - 技术突破引发资本狂热投资，但过度建设往往导致产能过剩和泡沫破灭，最终价值从基础设施建造者转向使用者 [2][7][10][14] - AI投资已显现狂热期特征，其发展路径可能遵循从设备供应商到高效运营商，再到广泛行业应用者的价值转移规律 [12][14][16] 铁路大跃进历史类比 - 1865-1873年间美国铁路建设呈井喷态势，平均每天铺设20英里新铁轨，投资占GDP比例高达7%-10% [3] - 政府通过《太平洋铁路法案》提供巨额补贴，包括每英里1.6万至4.8万美元贷款和沿线土地赠与，联合太平洋铁路获1200万英亩土地 [3] - 到1873年铁路运力闲置率超过30%，总投资达20亿美元，占同期美国国民总收入90亿美元的超过五分之一 [5][7] - 1873年杰伊·库克银行破产引发经济危机，89家铁路公司破产，1.8万家企业倒闭，失业率飙升至14% [5][6] - 铁路运费从1870年每吨英里2.5美分降至1875年1.5美分，降幅40%，股东回报率从预期15%暴跌至不足5% [7] AI基建狂潮现状分析 - 英伟达H100 GPU拥有800亿个晶体管，训练效率比前代提高9倍，每片售价3万美元仍供不应求 [8] - Meta在亚利桑那州建设270万平方英尺数据中心，用电量超过50万居民家庭总和；微软在威斯康星州投资33亿美元建数据中心 [9] - 未来5年全球AI数据中心资本开支计划达4万亿美元，AI芯片有效寿命仅3-5年，形成持续再投资的"资本黑洞" [9] - 企业陷入"囚徒困境"，微软CEO承认可能过度投资2000亿美元，但认为不投资风险更大 [10] - 高资本支出增长的公司长期表现往往逊于资本保守同行，自1963年以来年均回报低8.4个百分点 [9] 价值转移与周期规律 - 基础设施最大受益者往往不是建造者而是使用者，铁路使美国制造业效率提升约25% [10] - 西门子使用AI优化供应链降低库存成本18%，默克集团利用AI将药物研发时间从数年缩短至数月 [11] - 狂热期特征包括资本支出占GDP比重异常高、新进入者大量涌现、杠杆率快速上升 [12] - 转折点信号包括产能利用率下降、价格竞争加剧、融资环境收紧 [13] - 价值转移路径：设备供应商→高效运营商→行业应用者，AI投资正处于从第一阶段向第二阶段过渡时期 [14]