软件股抛售与市场担忧 - 软件股因市场对资本支出上升和人工智能泡沫的担忧而大幅下挫[1] - 亚马逊股价在1月初触及约247美元后 在过去一个月内持续下滑 年内跌幅约14%[1] 亚马逊资本支出计划与市场反应 - 亚马逊在第四季度财报电话会议上宣布 计划今年资本支出达2000亿美元 远超华尔街约1500亿美元的预期[4] - 市场对加速的基础设施投资和现金流生成减速的组合感到担忧 导致投资者抛售亚马逊股票[5] 亚马逊云服务业绩表现 - 第四季度亚马逊云服务营收达356亿美元 同比增长24% 为13个季度以来的最高增速[6] - 亚马逊云服务未履行合同金额高达2440亿美元 同比增长40% 环比增长22%[6] - 亚马逊云服务是一项高利润业务 其营业利润率通常维持在30%左右的中段水平 为公司提供了强劲的现金流和财务灵活性[7] 亚马逊的人工智能战略与生态系统 - 与Anthropic的合作是亚马逊云服务复兴的重要推动力 Anthropic的Claude模型深度集成于亚马逊云服务生态系统 特别是在Amazon Bedrock产品中[9] - 亚马逊通过使用自研的Trainium和Inferentia芯片 以及与领先企业人工智能系统紧密合作 正在构建一个具有成本效益、垂直整合的人工智能技术栈[10] - 该战略有助于亚马逊超越基础聊天机器人领域 赢得复杂且数据密集的企业工作流程[10] 投资前景与估值 - 尽管初始资本支出与投资回报之间存在时间差 但证据表明亚马逊云服务正超越基础容量服务 其与Anthropic的合作及自研芯片已成为其人工智能生态系统的战略资产[12] - 基于市盈率趋势 软件股的熊市已将亚马逊股价推至整个人工智能革命期间的最便宜水平[14]

文章核心观点 - AI行业正从轻资产的软件模式转向重资产的基础设施模式 投资巨大且回报周期长 行业面临资本成本、建设速度和市场对资金集中于少数玩家的容忍度等现实约束 [1][4][19] - 英伟达对OpenAI的潜在投资以及甲骨文的大规模融资计划 凸显了行业在“建设优先”阶段面临的融资与盈利平衡挑战 即支出是即时的 而货币化是缓慢且难以在季度周期内证明的 [17][19] 英伟达的战略定位与投资动向 - 英伟达首席执行官黄仁勋公开表示公司将向OpenAI进行“大量投资” 并称这“可能是有史以来最大的一笔投资” 但同时澄清 自去年秋季以来流传的1000亿美元巨额数字不应被视为一张确切的支票 而是一个“分步进行”的、高达1000亿美元的投资邀请 [1][4] - 英伟达在本轮周期中处于最有利的地位 作为不可或缺的算力供应商 其芯片是开展AI业务的成本 这种“卖铲子”的模式使其能够避开品牌风险并收取“过路费” [5] - 对OpenAI的重大投资可能使英伟达从“军火商”转变为战略赞助者 这有助于保护需求 确保这个生态系统中的最大支出者资金充裕且雄心勃勃 从而维持对英伟达芯片的工业级消耗 [6][8][10] - 英伟达投资OpenAI的另一个原因是 防止这个最知名的AI品牌在市场开始要求利润而非承诺时 突然转变为成本控制鹰派 投资可以将增长故事置于成本故事之前 [9] - 所有主要的AI参与者都有动机减少对英伟达的长期依赖 例如谷歌、亚马逊和微软都在开发自研AI芯片 这些替代方案即使不能完全取代英伟达 也能成为有力的谈判筹码 [11][12] 甲骨文的融资计划与市场压力 - 甲骨文计划在2026年筹集450亿至500亿美元资金 以扩展其云基础设施容量 满足OpenAI、AMD、xAI、Meta、TikTok和英伟达等AI客户的合同需求 [3] - 融资组合中约一半来自股权或股权挂钩工具 包括强制性可转换优先证券和高达200亿美元的场内股权发行计划 另一半则来自年初发行的优先无担保债券 这种混合融资方式旨在向债券投资者和评级机构表明 公司不会仅通过无休止的借款来应对开放式的建设计划 [14][15] - 甲骨文股价较去年高点下跌约50% 市值蒸发约4500亿美元 市场对其AI推动力的质疑并非需求是否存在 而是“这需要多少资产负债表来支撑” 公司面临杠杆上升和对少数AI大客户依赖的严格审查 [3][15] - 分析师对融资计划反应复杂 认为其向债券投资者和评级机构发出了保持投资级的明确信号 并可能安抚债务市场、加强资产负债表 但同时也警告近期的利润率压力 并指出自由现金流可能要到2029财年才能转正 [16] AI行业的结构性转变与挑战 - AI热潮早期表现得像软件 快速、无重、无限扩展且完全不受进度表约束 但最近表现得像基础设施 需要许可证、电力、混凝土以及有人愿意为“承诺”到“盈利”之间的尴尬阶段提供资金 [4] - 行业面临的核心约束包括资本成本、建设速度以及市场对资金持续回流至少数几家公司的容忍度 这些约束不关心技术演示 只关心财务可持续性 [1] - 市场担忧出现一种“循环” 即同一小群公司相互提供资金、供应和租赁容量 这种自我强化的循环可能因数据中心延迟、信贷市场收紧或客户开始优化支出而放缓 [10][18] - 大型基础设施周期通常不会因为技术是假的而崩溃 而是因为支出超过了将基础设施转化为持续现金流的时间线 对于AI而言 其“找到极限”并不需要戏剧性的崩溃 只需要资本保持昂贵、建设保持缓慢、买家开始优化成本而非炫耀预算 [19] - 行业叙事已从基准测试和产品发布 转向条款清单、债券发行日历 以及将采购订单转化为通电数据中心所需的时间计算 [20]