Shale Gas and Oil
搜索文档
AI 创新周期- 从页岩油创新周期中汲取的投资经验_ The AI Innovation Cycle_ Investment lessons from the Shale Innovation Cycle
2026-01-04 19:34
行业与公司 * 报告主要涉及**人工智能(AI)创新周期**及其对相关行业的影响,特别是**AI/数据中心电力需求产业链** [1] * 报告将AI创新周期与**2003-2020年的美国页岩(Shale)创新周期**进行对比,以汲取投资启示 [1][21] * 报告持续看好**AI/数据中心电力供应产业链**的股票,并列举了覆盖全球的“赋能电网”生态系统公司,包括燃料/电力供应商、公用事业公司、发电设备商、专业电网基础设施承包商、输电相关公用事业公司、电池存储/备用电源、电气组件、冷却解决方案等领域的众多企业 [5][16][19] * 报告中明确提及的**超大规模企业(Hyperscalers)** 包括:Google、Microsoft、Meta、Amazon、Oracle、Baidu、Tencent和Alibaba [38] 核心观点与论据 * **当前阶段判断**:公司认为AI创新周期目前正处于**评估/希望与梦想阶段**,该阶段对基础设施投资和股票估值倍数最为利好 [5][23] * **周期转换催化剂**:基于页岩周期的经验,从评估阶段转向执行阶段需要三个催化剂:**企业回报率下降、财务灵活性受限以及供应过剩** [5][6] * 对于AI周期,目前**总体上尚未到达拐点**,但财务灵活性已开始成为投资者区分公司的因素 [5][6] * **当前状况分析**: * **供需**:目前数据中心空置率预计保持紧张,团队基本假设是低空置率将持续,但关于是否会过度建设的争论依然存在,预计2027年供需平衡将逐步宽松 [9][38] * **财务灵活性**:超大规模企业(主要是业务多元化的现有巨头)仍拥有充足的财务灵活性,预计2025-27年其资本支出占营业现金流的比例为76%-79%,这意味着仍有超过20%的现金流可回报股东或偿还债务,资产负债表依然强劲 [38][39] * **企业回报率**:超大规模企业当前的现金投资现金回报率仍处于24%-31%的历史区间高端,远高于行业平均水平,分析师预测未来两年仅有轻微而非实质性的恶化 [9][38] * **竞争威胁**:目前各行业管理层评论表明,AI仍被视为需要投资的竞争优势和竞争威胁,尚未出现因投资不足而丧失竞争地位的明显风险 [38] * **投资策略影响**: * 在当前的评估阶段,AI效率提升(如更高效的芯片/服务器和AI模型)并未导致客户预算降低,而是被积压需求所吸收,预算持平甚至增加 [5][47] * 一旦进入**执行阶段**,投资策略将发生重大转变,重点将转向基于**企业回报率、资产负债表和市场份额**的个股选择,AI效率提升更可能导致企业预算下调 [5] * **电力需求与可靠性主题**: * **电力需求增长**:在2015-19年持平后,数据中心电力需求在2021-23年加速增长,预计到本十年末将增长约**175%** [13] * **发电量增长**:公用事业研究团队预计,美国和欧盟27国的电力消费增速将加快至本十年末,达到**20多年未见的水平** [16] * **可靠性投资**:维持电力、水、劳动力、网络和供应链的可靠性需要在投资增加,这推动了“可靠性”主题的投资机会 [5][7] * **关键问题**:2026年及以后可靠性主题的前景取决于两个关键问题:1) 基础设施冗余是否足以提供可靠的未来电力、水、供应链、劳动力和网络?2) AI的影响和创新是否已得到充分界定? [8][10] * 公司预计市场对这两个问题的共识答案将是“否”,这将推动可靠性主题相关公司的投资机会持续激增 [15] 其他重要内容 * **页岩周期历史与启示**: * 页岩周期经历了**勘探、评估(希望与梦想)和执行/效率**三个阶段 [25] * **评估阶段**以“页岩选择”(板块普涨)和显著的估值倍数扩张为特征,投资者更关注长期资源价值而非短期回报和执行 [27] * **执行阶段**以“个股选择”为特征,投资者更关注成本结构、资本回报率和自由现金流等财务指标分化 [27] * 页岩周期转换的具体表现包括:产品从供应不足转为过剩(天然气在2008-09年,石油在2014-15年)、创新被认为足以支持多年开发、创新者财务灵活性受限(资本支出占营业现金流比例超过100%)、创新者企业回报率开始恶化并变得不及格 [32] * 页岩创新者的股票估值(每美元现金投资对应的企业价值)在企业回报率高时上升,在回报率被确认下降时普遍下跌,估值倍数从2008年峰值的2.1倍跌至2019年底的约0.5倍 [34] * **效率提升的具体数据**:以NVIDIA服务器系统为例,DGX H100的最大功耗是DGX A100的约1.5倍,但计算速度是其约7倍;DGX B200的最大功耗是DGX H100的约2倍,但计算速度是其约15倍,这表明**计算速度的增长远快于功耗增长,单位算力功耗强度显著降低** [49][50] * **超大规模企业资本支出规模**:预计到2027年,八大超大规模企业的资本支出+研发支出将是2017年水平的**8-9倍** [46]