© 2026 Street Alpha. All rights reserved.

Disclaimer: This article is for informational and educational purposes only. It does not constitute financial, legal, or geopolitical investment advice. The views expressed are based on public intelligence and analytical frameworks as of the publication date and are subject to change without notice. Readers should conduct their own research or consult professional advisors before making any investment decisions.

Subscribe now

过去几周，AI供应链中三只最关键的股票在大盘持续上行的同时，却悄然回落。

• 美光（代码：MU），美国的存储厂商，较近期高点回撤约20%，最新报价$984.75。

• SK海力士（韩国代码000660），三家中体量最大的一家，也是英伟达高带宽存储的主力供应商，跌幅约25%，现报₩2,215,000。

• 铠侠（东京代码285A），专攻NAND闪存的日本厂商，跌得最惨，较峰值下挫约34%，现报¥73,790。

与此同时，标普500再创新高，英伟达也逼近$195.55的价位。这说明卖方并非在逃离AI，而是在削减涨得最猛的那部分AI仓位，而存储正是涨幅最大的一块。

真正的问题在于：这究竟是见顶的开端，还是上行周期中一次寻常的洗盘。本文的判断是后者，并将说明为何当前的价位构成了整个AI板块中最干净的一笔不对称机会。

存储的作用，以及它此刻为何关键

每台AI服务器都需要两类存储。一类是高带宽存储，也就是直接焊接在英伟达和AMD加速器上的堆叠式DRAM芯片。另一类是NAND闪存，用来存放训练数据集和模型权重。前者由美光和SK海力士主导，后者中铠侠位列前三。

过去十二个月里，这几家公司身上发生了两个根本性的变化。

第一，整个行业已经卖断货。产能到2026年都已被全部锁定。作为客户的超大规模云厂商在建设AI数据中心时只能按配额拿货，实际到手的量远低于订单。当供不应求到这个程度时，定价权就完全落在了卖方手里。

第二，价格已经动起来了。用于AI服务器的存储合约价在过去一年里几乎翻倍，分析师预计2026年还会继续上涨。由于存储晶圆厂的固定成本并不会随售价上升，涨价几乎会原封不动地转化为利润。

由此形成的盈利图景，和投资者记忆中的任何一轮存储周期都不一样。这不是2018年或2022年那种下行周期，反而更像2021至2022年石油生产商的处境：供给受限、需求持续增长，利润率的扩张远远超出了模型此前的假设。

为什么静态市盈率在误导你

打开选股工具，铠侠的72倍静态市盈率看起来贵得离谱。即便是美光和海力士，分别约为22倍和21倍，也谈不上便宜。

但静态市盈率是拿今天的股价去除以去年的盈利。而去年，存储行业还处在周期最难看的阶段。美光的财年在8月结束，所以它的静态数字反映的是AI产能紧缺尚未全面显现之前的那段时期。铠侠2024年12月才上市，它的静态数字只覆盖了一段AI占比微乎其微的短暂过渡期。

真正该问的是，当周期全速运转时，这些公司未来十二个月能赚多少。市场定价看的正是这个，而一旦切换到这个视角，画面就彻底反转了。

以下是卖方目前的整体一致预期。

再看一遍这些前瞻倍数。在标普整体接近25倍、半导体ETF处于三十多倍的市场里，一个个位数的市盈率只能说明两件事之一。要么是在告诉你，这套一致盈利预期纯属幻想，日后会被腰斩；要么是在告诉你，这些股票严重低估了这些企业实际能交出的成绩。

就目前的证据看，指向的是后一种解读。而卖方自己，也在悄悄认同这一点。

一致预期在上修，而不是下调

这波回调中最被低估的一个事实是：分析师的盈利预测仍在被不断上调，而非下修。

美光于2026年6月24日发布财报。在随后的两周里，市场对其2027财年盈利的一致预期从大约每股$107跳升至$154.79。在短短一两个财报周期内上修45%，这绝不是一家基本面正在崩塌的公司会有的表现，而是一家让分析师群体反复发现之前的模型太保守了的公司才会出现的情况。

多家机构在财报后大幅上调了目标价。Cantor Fitzgerald和Susquehanna都上调至$2,000，Phillip Securities给到$1,870，摩根大通$1,540，TD Cowen$1,500。目前美光的分析师平均目标价视统计口径不同，大致在$1,264到$1,486之间，区间上限达到$2,000至$2,200。绝大多数覆盖该股的分析师给出的目标价都高于现价。仍有少数持相反意见者，其中最知名的是Michael Burry，他公开表示存储已经涨过头了。但他属于明显的少数派。

铠侠方面，FY27摊薄后的一致预期盈利为每股¥9,934，是其FY26实际盈利¥1,009的九倍多。到2028年3月财年的预期更高达¥13,171。这些数字毫不含蓄，而且是在股价大涨之后、由本有充分理由保持谨慎的分析师们发布的。

至于SK海力士，FY27一致预期EPS达到₩490,030，这甚至高于我们6月首次建模时较乐观情景下的水平。当初的基准情景变成了乐观情景，如今的乐观情景又成了新的基准情景。

当一致预期在往上走、股价却在往下走时，两者中必有一个要向对方靠拢。历史经验表明，通常让步的是股价。

美光

美光是三家中的美国标的，流动性最好，也最可能成为你建仓的第一站。

Read more

© 2026 Street Alpha. All rights reserved.

Disclaimer: This article is for informational and educational purposes only. It does not constitute financial, legal, or geopolitical investment advice. The views expressed are based on public intelligence and analytical frameworks as of the publication date and are subject to change without notice. Readers should conduct their own research or consult professional advisors before making any investment decisions.

Subscribe now

Over the last few weeks, three of the most important stocks in the AI supply chain have quietly pulled back while the broader market kept climbing.

• Micron (ticker: MU), the American memory maker, is down roughly 20% from its recent high, last trading at $984.75.

• SK Hynix (000660 in Korea), the largest of the three and Nvidia’s primary supplier of high-bandwidth memory, is down about 25%, sitting at ₩2,215,000.

• Kioxia (285A in Tokyo), the Japanese NAND flash specialist, has taken the biggest hit, down roughly 34% from its peak at ¥73,790.

Meanwhile, the S&P 500 is at fresh highs and Nvidia is trading near $195.55. So the sellers are not fleeing AI. They are trimming the parts of the AI trade that have run the hardest, and memory has run the hardest.

The question is whether this is the beginning of a top or a routine flush inside an ongoing cycle. This note argues it is the flush, and lays out why the current prices look like some of the cleanest asymmetry left in the AI complex.

What memory does, and why it matters right now

Every AI server needs two kinds of memory. One is high-bandwidth memory, stacks of DRAM chips soldered directly onto Nvidia and AMD accelerators. The other is NAND flash, the storage that holds the training datasets and model weights. Micron and SK Hynix dominate the first. Kioxia is a top-three player in the second.

Two things have changed for these companies over the last twelve months.

First, the entire industry sold out. Supply is fully committed through 2026. Customers, meaning the hyperscalers building AI data centers, are on allocation and only receiving a fraction of what they ordered. When that happens, the sellers set the price.

Second, prices have moved. Contract prices for the memory that goes into AI servers have roughly doubled in the last year, and analysts expect further increases into 2026. This flows straight to the bottom line because the fixed costs of running a memory fab do not scale with price.

The result is an earnings picture that looks nothing like the memory cycles investors remember. This is not the 2018 or 2022 downturn. It is closer to what happened to oil producers in 2021 and 2022, when supply was constrained, demand kept growing, and margins expanded well beyond what the models had assumed.

Why the trailing multiples are misleading you

Open a screener and Kioxia looks expensive at 72x trailing earnings. Even Micron and Hynix, at roughly 22x and 21x trailing, do not scream cheap.

But trailing multiples divide today’s price by last year’s earnings. Last year, memory was still in the ugly part of the cycle. Micron’s fiscal year ends in August, so its “trailing” number reflects a period that ended before the AI capacity crunch fully hit. Kioxia only listed in December 2024, so its trailing number captures a stub period with barely any AI mix.

The right question is what these companies will earn twelve months from now, when the cycle is running at full temperature. That is what the market prices, and that is where the picture flips completely.

Here is what the sell-side, in aggregate, now expects.

Read those forward multiples again. A single-digit P/E in a market where the S&P trades near 25x and the semiconductor ETF trades in the mid-30s is doing one of two things. Either it is telling you consensus earnings are a fantasy that will get cut in half, or it is telling you the stocks are dramatically underpricing what these businesses will actually deliver.

The evidence, at the moment, points to the second interpretation. And the sell-side itself is quietly agreeing.

The consensus is moving up, not down

The most underappreciated fact in this pullback is that analyst estimates are still being revised higher, not lower.

Micron reported earnings on June 24, 2026. In the two weeks that followed, the consensus estimate for its fiscal 2027 earnings moved from roughly $107 per share to $154.79. That is a 45% upward revision in the space of a couple of earnings cycles, not something you see in a company whose fundamentals are cracking. It is what you see in a company where the analyst community keeps discovering that its prior model was too conservative.

Multiple firms took price targets sharply higher after the print. Cantor Fitzgerald and Susquehanna both moved to $2,000. Phillip Securities went to $1,870. JPMorgan to $1,540. TD Cowen to $1,500. The average analyst price target on Micron now sits somewhere between $1,264 and $1,486 depending on which aggregator you use, with the top of the range at $2,000 to $2,200. The vast majority of covering analysts have targets above the current price. A handful of contrarians remain, most notably Michael Burry, who has argued that memory has run too far. He is on the record, and he is a small minority.

For Kioxia, consensus FY27 earnings sit at ¥9,934 per share on a diluted basis. That is more than nine times the ¥1,009 the company earned in FY26. Estimates for the March 2028 fiscal year are ¥13,171. These are not shy numbers, and they are being published now by analysts who have every incentive to be cautious after a big move in the stock.

For SK Hynix, consensus FY27 EPS at ₩490,030 is actually above where even the more bullish scenarios sat when we first modeled the company in June. The base case became the bull case became the new base case.

When consensus is walking up while the stock walks down, one of the two has to give. History suggests it is usually the stock.

Micron

Micron is the American name, the most liquid of the three, and the one most likely to be your first exposure.

Read more

核心论点

今天超大规模云厂商及其半导体供应商所披露的AI收入中，大约有四分之三，并不是由终端客户已经兑现的生产率提升所支撑，而更多是由厂商之间的循环融资、云巨头出于错失恐惧而持续加码的资本开支，以及被直接转化为GPU采购订单的风险投资资金在支撑。

如果用自上而下 (top-down) 的GDP方法反推，2026年大约900亿美元的AI收入里，真正能被现实经济价值证明合理的，只有大约230亿美元。

剩下约74%的部分，本质上是在赌：应用落地和真实需求，会在融资环境转向之前追上来。

而2027到2029年，正是厂商融资和新云计算玩家债务集中再融资的时间窗口。

市场如今给AI相关半导体公司在2026年下半年的30%盈利增长定价时，默认这个缺口并不存在。

这篇文章不是在喊全部卖出，而是提供一套框架，帮助判断五个子行业里谁会最先进入消化期、哪些信号最可能被市场惩罚，以及在估值压缩真正展开前，组合应该如何重新分配权重。

第一部分：我们现在所处的位置

2026年第一季度，标普500盈利增速大约为28%，而在财报季开始前，市场预期只有13%。

第二季度一致预期大约是21%，但如果剔除英伟达和美光，这个数字会跌到15%以下。

换句话说，真正把指数抬起来的，其实只有少数几家公司。

而在指数层面的大数字之下，AI基础设施链条刚刚交出了它历史上最强的一季。

• 美光：2026财年第三季度收入415亿美元，毛利率84.9%，并拿到了16份战略产能协议，预付款总额达220亿美元。

• Coherent：2026财年第三季度收入增长27%，其中数据中心业务增长41%。

• 诺基亚：2026年第一季度净利润指引上调至12%到14%，并新增10亿欧元AI相关订单。

• Arm：2026财年第三季度数据中心版税收入同比增长超过100%，未完成订单达到20亿美元。

• 三星和SK海力士：到2030年，已宣布的HBM与先进封装相关产能投资规模达到5180亿美元。

与此同时，按照摩根士丹利的测算，超大规模云厂商2026年的资本开支将达到8050亿美元，2027年将升至1.116万亿美元，而高盛给出的上行情景甚至接近1.4万亿美元。

在这样的背景下，Michael Burry在2026年7月2日披露了对美光、英伟达、应用材料以及SOXX半导体ETF的空头仓位。

而在7月1日，Meta宣布推出商用算力服务之后，Meta股价上涨8%，CoreWeave和Nebius却分别下跌12%。

市场眼下的定价很清楚：它奖励卖铲子的人，惩罚纯租赁模式的新云计算玩家。

这不是巧合，而是这套退出框架里的第一个信号。

第二部分：用GDP反推，资金缺口到底有多大

市场之所以能够接受2026年大约900亿美元的AI相关收入，是因为大家默认AI就是一场生产率革命。

这一部分要做的，就是反过来推：如果这900亿美元真的是合理的，那么现实中到底需要多大的生产率提升才能撑得住这个数字。

答案是，差得还很远。

从计算上看，美国实际GDP增速大约在2.1%，长期潜在增速大约在1.8%。

如果AI支出真的不是一场补贴型繁荣，那么它要么必须已经在总量经济中体现出足够明显的生产率贡献，要么必须在企业投资回报上把这个差额补上。

把已经公开的企业生产率改善数据做放大处理，再叠加更现实的渗透率假设，2026年由生成式AI带来的GDP贡献大约只有0.3到0.4个百分点。

这个贡献并非不存在，也并不小。

但如果要从投资回报率的角度去证明今天的AI支出完全合理，它还远远不够。

用这个方法反推下来，2026年大约900亿美元的AI收入里，真正可以被终端客户已经实现的生产率提升所合理解释的，只有约230亿美元。

剩下大约670亿美元，也就是约74%，目前主要由三种非生产率型资金来源撑着。

• 大约30%来自厂商与超大规模云厂商之间的循环融资，例如英伟达投资客户，而客户再去购买英伟达芯片，或者云厂商之间互相承诺资本开支。

• 大约28%来自超大规模云厂商出于FOMO而追加的资本开支，这部分增量支出背后并没有锁定的企业收入合同。

• 大约17%来自风险投资资金，而这些资金被AI原生创业公司直接拿去下GPU采购订单。

剩下的一小部分，则来自企业的实验性预算，但这些预算还没有真正转化成生产环境中的持续工作负载。

真正由生产率支撑的收入，只是贴着GDP所能解释的水平缓慢上升；已披露的AI收入大约是它的四倍，而资本开支大约是它的二十倍。阴影部分代表未被现实生产率兑现所支撑的投机性资金缺口；2027到2029年则是再融资压力最集中的时间带。

这会改变我们看待Michael Burry空头仓位的方式。

他的交易本质上是在押一个宏观层面的估值压缩：去做空那些按错误数字定价、估值倍数又最高的公司。

而这套框架更进一步，它试图拆解这个错误数字到底是由哪些不具生产率支撑的成分构成的。

一个更精准的空头逻辑，不该只是说AI是泡沫，而应该是：30%的循环融资成分会最先滚动失效，而28%的FOMO资本开支，会在第一家云巨头下调资本开支指引后的两个季度内跟着松动。

换句话说，Burry可能看对了方向，但这套框架试图解决的是时点问题。

在基准情形下，如果企业端真正由AI带来的生产率以大约20%的年复合增速增长，那么到2030年，能够被价值合理支撑的AI收入大约是1140亿美元。

但如果资本开支仍按当前路径走，到2030年，已披露的资本开支可能达到4600亿美元。

这个缺口不会收敛，反而会进一步扩大。

第三部分：循环融资闭环

那30%的循环融资成分，是这套框架里变化最快、也最值得单独拆出来看的部分。

用一张图说明这个闭环：云巨头先向芯片厂商下资本开支订单；芯片厂商再去投资某个AI原生客户；这个客户随后与云巨头签署多年期云合同；而这份云合同又被计入云巨头的AI收入披露；这些披露出来的收入，反过来又为下一轮资本开支提供合理性。

2026年通过这个闭环流转的资金规模，大约在270亿美元左右。

这张图要突出闭环关系，而不是单点业务逻辑。每一笔资金流单独看都合理，但组合起来会制造出双边都能披露收入的反身性结构。

这个链条里的每一步，单独拿出来看，都可以找到正当的商业理由。

但一旦把它们拼起来，问题就很明显了。

• 第一，它让同一笔新增资本在账面上同时制造出双方都能披露的收入。

• 第二，它具有很强的反身性，只要闭环里任何一个环节断掉，例如芯片厂商对AI原生客户的股权投资发生减值、AI原生客户无法履行云承诺，或云巨头开始削减资本开支，整个循环就会开始反向展开。

第一笔有实质影响的芯片厂商对AI原生客户股权减值，或者第一笔有实质影响的大型云承诺重谈，一旦出现，整个闭环就算被打破了。

消息当天，市场大概率会把它解释为个别事件。

但按照这套框架，它并不是个别事件，而是循环开始解体的第一声脆响。

第四部分：思科的寓言，而且要精确到日期

多头最常见的反驳是：AI不是互联网泡沫，因为AI有真实收入。

这句话没错，但也远远不够。

因为思科 (Cisco) 当年也有真实收入。

在2001财年，思科全年收入达到222.9亿美元，高于2000财年的189.3亿美元，增速仍有18%。

2001财年第二季度，思科单季收入达到67.48亿美元，还创了当时的历史新高。

收入没有崩，但股票崩了。

图表的核心信息是：思科股价在2000年3月下旬接近82美元见顶，而收入峰值却是在之后三个季度才出现。

也就是说，等收入真正见顶时，股价已经先跌掉了一大截。

到2002年10月，尽管公司全年收入层面仍在增长，股价较高点已经下跌了88%。

图中要同时呈现收入曲线与股价曲线，重点不是说明业绩恶化，而是说明估值与股价会先于收入拐点发生压缩。

真正关键的一次财报电话会，是思科在2001年2月6日发布2001财年第二季度业绩时的那一场。

John Chambers当时用了三个非常值得记住的说法：他把正在发生的事情描述为“美国经济十年扩张中的一次短暂停顿”，警告“至少会有两个季度的放缓”，并表示“我们对第三和第四季度的整体指引将更保守一些”。

而且在正式财报发布之前，他在1月的几次会议发言中其实已经提前释放过疲软信号。

这个寓言对今天的AI资本周期有三层意义。

• 第一，股价的下跌可以早于收入转折发生，甚至在收入仍然很好看的时候就开始。

• 第二，管理层转向时的语言通常不会很激烈，而是会尽量柔和，像John Chambers当年的这些表述，放在今天的云厂商电话会上，完全可能以另一种说法出现。

• 第三，第一个说出这类话的人，通常不会因为诚实而被市场奖励，相反更可能先被市场惩罚。

所以，今天真正要警惕的，不是管理层突然说需求崩了，而是他们开始说消化期、节奏调整、订单时点偏移、资本开支更贴近需求这类听上去很温和的话。

映射关系非常清楚：消化期对应的是当年的短暂停顿；按需求来安排资本开支节奏，对应的是两个季度放缓；云承诺签约时点有波动，对应的是下半年会更保守。

如果五大云巨头里，有两家在同一个财报季里同时使用了这一类语气，那么这套框架就认为第二阶段已经触发。

第五部分：五层压缩顺序

AI基础设施交易并不是一笔单一交易，而是由五个子行业构成。

它们的客户集中度、订单可见性、资本强度，以及从基本面变化传导到股价的时滞都不一样。

所以，它们不会在同一时间一起压缩。

从最先压缩到最后压缩的大致顺序如下。

第一层：内建电力与现场发电。

代表公司包括Bloom Energy和GE Vernova。

这是AI基础设施最底层的物理瓶颈，信号传导到股价的时滞最长，因为电网和供电能力不是一个季度内就能改配的。

所以这一层往往最后压缩，而且压缩深度也最浅。

Read more

Roughly three-quarters of the AI revenue currently being reported by hyperscalers and their semiconductor suppliers is not backed by realized end-customer productivity. It is backed by a combination of circular vendor financing, hyperscaler FOMO capex, and venture funding that is being converted into GPU purchase orders. Using a top-down GDP back-solve, only about $23 billion of the roughly $90 billion in reported 2026 AI revenue is value-justified today. The remaining ~74% is a bet that adoption catches up before the funding rolls over, and 2027 through 2029 is when the vendor-financing and neocloud debt stack has to be refinanced. The consensus 30% earnings growth rate for AI-exposed semis in H2 2026 is priced as if this gap does not exist. This piece is not a call to sell everything. It is a framework for identifying which of the five sub-industry layers will show digestion first, which signals the market will punish, and how to weight a portfolio through the compression window.

Part I. Where We Are Right Now

Q1 2026 S&P 500 earnings grew roughly 28% versus a pre-season expectation of 13%. Q2 consensus is around 21%, but if you strip out Nvidia and Micron the number drops below 15%. Two names are carrying the index. That is the setup.

Underneath the index-level number, the AI infrastructure complex printed the strongest quarter in its history:

• Micron: Q3 FY26 revenue $41.5B, gross margin 84.9%, 16 strategic capacity agreements totaling $22B in prepayments.

• Coherent: Q3 FY26 revenue up 27%, datacenter up 41%.

• Nokia: Q1 2026 net-income guide raised to 12-14%, EUR 1B of new AI-related orders.

• Arm: Q3 FY26 datacenter royalties over 100% year-on-year, $2B of unfilled orders.

• Samsung and SK Hynix: $518B in announced HBM and packaging capacity through 2030.

Hyperscaler capex is tracking $805B in 2026 and $1.116T in 2027 per Morgan Stanley, with Goldman modeling up to $1.4T on the upside.

Against this, on July 2, 2026 Michael Burry disclosed shorts on Micron, Nvidia, Applied Materials, and the SOXX iShares semiconductor ETF. And on July 1, Meta announced a merchant compute offering; Meta rose 8%, CoreWeave and Nebius fell 12%.

The tape is currently rewarding the picks-and-shovels layer and punishing the pure-lease neocloud model. That divergence is the first data point in the exit framework, not a coincidence.

Part II. The GDP Back-Solve — Sizing the Funding Gap

Consensus is comfortable with roughly $90B of AI-attributed revenue in 2026 because “AI is a productivity revolution.” This section back-solves what productivity revolution would actually be required to justify that number, and finds the gap.

The math. Real US GDP growth is running around 2.1% and long-run potential is estimated at 1.8%. For AI to be worth $90B in ongoing revenue rather than a subsidy program, either the productivity contribution has to be visible in aggregate output, or the returns to the buyer have to close the gap. Grossing up published enterprise productivity gains and applying realistic adoption penetration, the aggregate GDP contribution attributable to generative AI in 2026 works out to roughly 0.3-0.4 percentage points. That is real and non-trivial. It is also nowhere near the level that would value-justify the current spend on a return-on-invested-capital basis.

The number. Running the back-solve, only about $23B of the reported ~$90B in 2026 AI revenue is value-justified by realized end-customer productivity. The remaining ~$67B, roughly 74%, is currently funded by three non-productivity sources:

• Approximately 30% circular vendor and hyperscaler financing (Nvidia investing in customers who then buy Nvidia chips, hyperscalers cross-committing capex).

• Approximately 28% hyperscaler FOMO capex, where the incremental spend has no attached committed enterprise revenue.

• Approximately 17% venture funding being converted directly into GPU purchase orders at AI-native startups.

The remaining sliver is enterprise experimental budgets that have not yet translated to production workloads.

What this reframes. Michael Burry’s short is a macro-multiple bet: buy puts on the names that trade at the biggest multiples of the wrong number. This framework goes one step further and identifies which specific components of that number are non-productive. A well-constructed short is not “AI is a bubble.” It is “the 30% circular funding component will roll first, and the 28% FOMO component will follow within two quarters of the first hyperscaler capex-guide cut.” Burry is directionally correct; the framework provides the timing signal.

Projection. Under a base case of ~20% CAGR in realized enterprise AI productivity, value-justified revenue reaches roughly $114B by 2030. Reported capex on the current trajectory reaches roughly $460B. The gap does not close. It widens.

Part III. The Circular Funding Loop

The 30% circular component is the fastest-moving piece of the framework and deserves a diagram, not a paragraph.

Each individual leg has a legitimate business rationale. The composite is problematic for two reasons:

1. It manufactures reported revenue on both sides of the ledger from the same dollar of new capital.

2. It is highly reflexive: a single link in the loop breaking (a chip vendor writing down an equity stake, an AI-native missing its cloud commitment, a hyperscaler pulling back on capex) unwinds the entire circle.

The prediction. The market has not yet priced this reflexivity. The first material writedown on a chip-vendor equity stake in an AI-native, or the first material renegotiation of a hyperscaler-to-AI-native cloud commitment, breaks the loop. That is a discrete Q3 or Q4 2026 event. It will be attributed to “an idiosyncratic issue” the day it prints. The framework says it is not idiosyncratic.

Part IV. The Cisco Parable, Precisely Dated

The bull’s rebuttal is that AI is not the dot-com bubble because AI has real revenue. This is true and also insufficient. Cisco had real revenue too. In fiscal 2001, Cisco reported $22.29B in annual revenue, up 18% from $18.93B in fiscal 2000. Q2 fiscal 2001 revenue of $6.748B was a record. The revenue was fine. The stock was not.

The pivotal earnings call is Cisco’s Q2 FY2001 report on February 6, 2001. John Chambers used three phrases on that call that map cleanly onto the language a modern hyperscaler CFO would use to soften a slowdown: he described what was coming as “a brief pause in the current 10-year expansion of the U.S. economy,” warned of “at least a two-quarter slowdown,” and stated that “our overall guidance is to be more conservative in the third and fourth quarters”. Chambers had already flagged softness twice in January conference appearances before the print.

Three things about this parable matter for the current framework:

1. The stock started declining before revenue turned. Revenue was still growing at 18% year-on-year the year the stock fell more than 50%.

2. The language of the pivot was gentle. “Brief pause,” “two-quarter slowdown,” “more conservative.” These are the exact words to watch for on July 2026, October 2026, and February 2027 hyperscaler calls.

3. The first company to use that language did not benefit from being early. Cisco was punished for admitting it first. The rational incentive on any single earnings call is to describe the slowdown as digestion, pacing, or lumpiness. Assume the first admission will be softened.

The mapping. “Digestion” is the modern “brief pause.” “Pacing capex to demand” is the modern “two-quarter slowdown.” “Lumpiness in cloud commit timing” is the modern “more conservative in the third and fourth quarters.” If any two of the top five hyperscalers use language in that register on the same earnings cycle, the framework says Stage Two has fired.

Part V. The Five-Layer Compression Sequence

The AI infrastructure trade is not one trade. It is five sub-industries with different customer concentrations, different visibility, different capital intensity, and different signal-to-price lags. They will not compress at the same time. Ordered from fastest to slowest to compress:

Layer 1: Power and on-site generation. Representative names include Bloom Energy and GE Vernova. Behind-the-meter and on-site power is the physical bottleneck. Signal-to-price lag is the longest of any layer because grid capacity cannot be respec’d in a quarter. Compression happens last and is the shallowest.

Read more

这一轮人工智能基础设施建设，是公开股票市场历史上最集中的一次资本投放。真正的问题从来不是钱有没有花出去，而是回报能否赶在融资结构出现裂痕之前兑现。从目前最新的财报数据来看，答案其实相当清晰：2026年大概率能撑住，2027年则要打个问号，再往后就谁也说不准了。

史无前例的投入规模

微软、谷歌母公司Alphabet、亚马逊和Meta这四家公司，为2026年合计规划了七千二百五十亿美元的资本开支，比2025年的四千一百亿足足高出77%。换个角度感受一下这个数字：整个美国州际公路系统按今天的币值折算大约花了五千三百亿美元，而且修了整整三十五年。这四家公司在一个自然年里的投入就超过了这个数，而且几乎全部砸向同一个技术方向。

把单家公司拎出来看更是触目惊心。光是亚马逊就规划了两千亿美元，比之前的全年指引一口气提高了五成。微软给出的2026自然年指引是一千九百亿美元，首席财务官艾米·胡德还特意点明，其中有两百五十亿美元的增量纯粹是零部件价格上涨推高的。Alphabet把指引从原先的一千七百五十亿至一千八百五十亿，上调到一千八百亿至一千九百亿美元，并暗示2027年这个数字还会「大幅增加」。Meta则上调一百亿美元至一千二百五十亿到一千四百五十亿区间，尽管当季营收大超预期三成，股价盘后还是跌了6%。

高盛如今预测，五大云计算巨头2026年会把合计经营性现金流的大约98%投入资本开支，美国银行给出的估算是90%。无论采信哪个数字，这都是自互联网泡沫时代以来最高的资本投入强度，某些口径下甚至已经超过了当年。

不过和互联网泡沫的类比需要讲究分寸。上世纪九十年代末那一轮高峰时，科技媒体电信类公司确实把约七成的经营性现金流投入了资本开支，但关键在于，那笔钱很大一部分是靠增发股票和垃圾债从外部融来的。这一轮则几乎完全靠云巨头自身的经营性现金流自掏腰包，性质上有本质区别。然而这条界线如今正在变得模糊。Maverick Capital的两位联席首席投资官在2026年6月高盛的一场活动上直言：「互联网泡沫那会儿，累计资本开支基本上跑到了经营性现金流的两倍，所以从定义上讲就是靠外部输血。过去这两年这个比例一直稳稳低于100%，但我们最近刚刚看到，一家市值数万亿美元的公司，突然为了下一阶段的建设跑去股权市场融资了。」

营收这一端：在增长，但参差不齐

七千二百五十亿美元的资本开支砸下去，营收这边是什么光景？答案很大程度上取决于你怎么定义「AI营收」，而这个定义问题本身，恰恰是当下市场上最重要的分析难题之一。

微软是透明度最高的一家。公司披露其AI业务在2026财年第三季度的年化营收运行率达到三百七十亿美元，同比增长123%。Azure增长40%，其中AI贡献了40个百分点里的13个。三百七十亿这个口径其实很窄，只涵盖了Microsoft 365 Copilot、Azure OpenAI服务和GitHub Copilot，并不包括微软云体系里更广义的AI相关业务。对照2026年一千九百亿美元的资本开支，这个披露口径下的比值是5.1倍。Microsoft 365 Copilot在第三季度突破了两千万付费企业席位。

亚马逊的情况更为复杂。AWS当季总营收同比增长28%至三百七十六亿美元，是十五个季度以来最快的增速。亚马逊披露其自研芯片（Trainium和Graviton）的年化运行率超过两百亿美元，Bedrock的API消费额第一季度环比暴涨170%，OpenAI还把对AWS的承诺采购额追加了一千亿美元，为期八年。综合来看，AWS中可归因于AI的部分，保守估计年化营收约三百五十亿美元，对照全年两千亿美元的资本开支，比值为5.7倍。

Alphabet是最不透明的一家，但也是势头最猛的一家。谷歌云当季同比增长63%至两百亿美元，是该业务单独披露以来的最高增速。基于Alphabet生成式AI模型构建的产品，第一季度同比增长接近八倍，云业务的在手订单更是环比近乎翻倍，超过四千六百亿美元。需要留意的是，Alphabet在财报电话会上承认，如果不是基础设施产能受限，云业务增速本可以更高。也就是说，真正卡脖子的是供给而非需求。对照一千八百五十亿美元的资本开支，若以谷歌云季度营收乘以四得到的八百亿美元年化口径计算，比值约为2.3倍，是这一梯队里最漂亮的，不过这部分也是因为分母里掺进了非AI的业务负载。

Meta则是最特殊的一个案例。它几乎没有直接的AI产品营收，模型开源，推理免费。可Meta当季营收仍达五百六十三亿美元，同比增长33%，广告展示量增长19%，单条广告均价上涨12%。这种营收加速和AI密不可分：由AI驱动的广告投放系统Advantage+，如今已被超过八百万家企业使用。首席执行官马克·扎克伯格把这笔开支形容为在解锁「超级智能」能力，将一千三百五十亿至一千四百五十亿美元的资本开支定位成关乎存亡、而非锦上添花的投入。Meta总营收与资本开支约1.7倍的比值是全梯队最强的，说明即便在这种开支强度下，业务本身仍在产生现金。

英伟达则坐镇整个体系的正中央。在2026财年第一财季（截至2026年4月），英伟达录得创纪录的八百一十六亿美元营收，同比增长85%，环比增长20%。数据中心业务营收达七百五十二亿美元，占总营收的92%。单季自由现金流四百八十六亿美元，下一季度指引为九百一十亿美元，毛利率维持在74.9%。这绝不是一个周期正在崩塌的样子。

纯AI公司的信号：Anthropic的垂直爬升

在纯做AI的厂商当中，营收增速是整个生态里最炸裂的数据点，而它们之所以重要，是因为它们最直接地证明了：AI正在催生真实的商业需求，而这种需求并不依附于云巨头的基础设施开支。

Anthropic的年化营收运行率，从2025年1月的十亿美元，一路涨到2025年12月的九十亿，再到2026年2月G轮融资落定时的一百四十亿，又在2026年4月攀上三百亿美元。这条轨迹，十五个月翻三十倍，在企业软件历史上找不出先例。OpenAI目前的年化营收约为二百五十亿美元。两家领头的纯AI公司合计，年化营收已逼近五百五十亿美元。

Salesforce的Agentforce在2026财年第一季度年化营收突破十亿美元，同比增长两倍，平台当季处理了三十八亿个智能体工作单元，环比增长111%。ServiceNow把2026年的AI营收目标从十亿美元上调到十五亿，其中年度合同价值超过一百万美元的Now Assist客户同比增长130%。这些企业级应用的数字，是最早的迹象，表明AI需求正从训练基础设施向生产环境中的推理和工作流集成迁移，也就是每个严肃分析师都在紧盯的那场「交接」。

多空双方究竟在争什么

如今市面上流传着两套都很成熟、都有说服力的分析框架。人们常把它们当成对立的两极，但实际上，它们在事实判断上高度一致，分歧只在于概率。

第一套框架，姑且称为基础设施多头逻辑，认为资本开支与营收之间的缺口只是个时间差，而非结构性问题。基础设施是长周期资产，拿当期资本开支去比当期AI营收，在方法论上无异于抱怨一段高速公路工程还没开始收过路费。Maverick Capital联席首席投资官大卫·泰科辛斯基把话说得很白：AI的瓶颈一直在沿产业链向上游移动，先是GPU，再是晶圆制造，然后是材料和设备，如今则开始向下游回流，移向CPU、数据库和应用集成。价值跟着瓶颈走。训练时代的交易已是周期晚期，而推理与集成时代的交易才刚刚开始。

第二套框架，是空头逻辑里最严谨的版本，认为当前营收与资本开支的比例在结构上存在问题，理由有三条且层层叠加。迈克尔·伯里在他的Substack系列文章里把这套解剖讲得很清楚：英伟达的客户集中度风险、云巨头的表外融资承诺，以及低估了资本投放真实成本的折旧会计处理。这些都不是凭空猜测的风险，而是写在美国证监会备案文件里、并得到穆迪佐证的事实。

两套框架最终汇聚到同一个观察上：编程已经成为第一个具备实证生产力价值、达到生产级别的推理应用，而一切的关键在于，这个应用场景能否扩展到更广阔的知识工作领域。分歧不在于该盯什么，而在于给「成功」这件事赋予多大的概率。

三个值得认真对待的结构性风险

第一，英伟达的客户集中度。 如今前三大客户占了英伟达应收账款的64%，而2025年第四季度是56%，2020年仅为33%。四家直接客户贡献了61%的营收，单是一家直接客户就占到2026财年总营收的22%。这种集中程度在半导体史上找不到对标。更具结构性意味的一点是：这四家高度集中的客户，几乎可以肯定就是微软、亚马逊、Alphabet和Meta，它们既是英伟达最大的客户，同时又是它最大的内部芯片竞争对手，因为它们都在大规模推进自研芯片项目。给英伟达增长输血的客户，正是那些在自己造替代品的客户。

第二，表外融资这一层。 穆迪在2026年初指出，五大云巨头身上背着六千六百二十亿美元已承诺但尚未启动的数据中心租赁，这些还没体现在资产负债表上，规模相当于它们调整后总债务的113%。摩根士丹利估算，这场AI建设到2028年需要一点五万亿美元的外部融资，其中约八千亿美元预计来自私募信贷。这里真正令人担心的，是经过备案文件核实的期限错配：用长达十几年的资产证券化工具，去支撑那些经济使用寿命可能短得多的资产，而其中的残值担保，偏偏会在相关性最高、也就是需求同步下滑的时候表现得最糟。

第三，折旧会计的缺口。 GPU的换代节奏，从Hopper到Blackwell，再到Rubin、Rubin Ultra，意味着前沿算力硬件的实际经济寿命大约只有两到三年。可主要的云巨头却按五到六年来计提折旧。微软把使用寿命延长到六年，让报告净利润增厚了约三十七亿美元；Meta延长到五年半，使2025年折旧费用减少了约二十九亿美元；Alphabet采用六年的使用寿命。而亚马逊却反其道而行，在2025年1月把部分服务器的寿命缩短回五年，理由是「技术发展节奏加快，尤其是在AI领域」，为此承担了约七亿美元的营业利润冲击。亚马逊逆共识而行、主动缩短折旧年限的决定，是整场争论中最重要的一条披露。伯里估算，2026至2028年间累计的折旧低估约为一千七百六十亿美元；Footnote Brief的独立分析给出的数字则接近两千亿美元。两者指向的方向完全一致。

决定结局的六个观察指标

「交接」这个命题，也就是训练资本开支逐渐放缓、而推理营收加速上行，最终会在可量化、可公开追踪的数据上见分晓。无论看多还是看空，都不需要去轻信管理层的口头指引。

Read more