人工智能行业正在进入一个更加苛刻的阶段。在过去的三年里，看涨的论点相对简单：超大规模企业需要更多的计算，Nvidia 主导人工智能加速器，更大的模型需要更大的集群。这种逻辑仍然得到强有力的支持，但投资者现在面临一个更棘手的问题：人工智能收入和生产力提升能否跟上建设基础设施所需的非凡资本支出？

Michael Burry 对 Nvidia 新的 5000 亿美元人工智能融资计划的批评符合这一更广泛的辩论。他称该计划是“绝望的迹象”，质疑人工智能需求是否变得过于依赖融资。与此同时，Nvidia 表示，与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 的合作可以为人工智能基础设施释放超过 5000 亿美元的第三方资本。

真正的牛市与熊市之争比融资更广泛。这归结于超大规模支出、人工智能货币化、芯片更换周期、竞争和资本回报。

 

牛市案例：人工智能需求仍在扩大

最强烈的看涨论点很简单：支出周期尚未打破。

Nvidia 2027 年第一财季收入达到 816 亿美元，同比增长 85%，而数据中心收入增长 92%，达到 752 亿美元。即使不假设中国数据中心计算收入，该公司预计下一季度的收入约为 910 亿美元。

其最大的客户也在加速投资。 Alphabet 将 2026 年资本支出预期上调至 195-2050 亿美元。 Meta 预计 130-1450 亿美元。微软在最近一个季度花费了 410 亿美元，其中约三分之二用于 CPU 和 GPU 等寿命较短的资产。

更重要的是，人工智能基础设施开始产生真正的收入。第二季度谷歌云收入飙升 82% 至 248 亿美元，而积压订单达到 5140 亿美元。微软 2026 财年的云收入超过 2140 亿美元，需求日益扩大到前沿模型公司之外。

这很重要，因为人工智能增长的下一阶段可能来自推理、代理、编码、广告、搜索、工业人工智能和企业部署，而不仅仅是前沿培训。如果人工智能嵌入到日常生产工作负载中，半导体需求可能会在数年内保持结构性高位。

鲁宾提供了另一种催化剂。 Nvidia 表示该平台已经投入生产，系统将于 2026 年下半年推出。AWS、谷歌云、微软、甲骨文和 CoreWeave 是预计的早期采用者。

这个机会也不仅仅局限于 Nvidia。更大的人工智能集群需要更多的 HBM 内存、先进的封装、网络、光学连接、电力基础设施和冷却。即使英伟达最终从人工智能增量中获得的份额较小，整个人工智能基础设施市场仍可以继续扩大。

 

熊市案例：货币化能赶上吗？

看空者可能会看到相同的资本支出数字并得出截然不同的结论。

Alphabet 第二季度资本支出为 449 亿美元，自由现金流为负 59 亿美元。 Meta 花费了 311 亿美元，但仅产生了 7.84 亿美元的季度自由现金流。微软还承认人工智能基础设施投资正在给云利润带来压力。

因此关键问题很简单：

每增加一美元的资本支出将产生多少增量人工智能收入？

尽管超大规模企业认为计算仍然稀缺，但这种繁荣仍将持续。一旦容量赶上并且公司开始要求每个新数据中心获得更高的回报，市场就会变得更加脆弱。

技术折旧会带来另一种风险。 Nvidia 正在通过 Hopper、Blackwell、Blackwell Ultra 和 Rubin 迅速发展。较旧的 GPU 仍然可以通过推理、微调和低成本云工作负载产生收入，但随着新架构提高每瓦性能和每代币成本，它们的经济价值可能会迅速下降。

这就是伯里的融资批评的相关之处。 Nvidia 与华尔街的新合作伙伴关系旨在释放超过 5000 亿美元的第三方资金。他的悲观解释是，可能需要日益复杂的融资来维持长期回报仍不确定的支出周期。

如果人工智能需求减弱，同时旧GPU租赁率和残值急剧下降，真正的危险就会出现。高杠杆的人工智能云运营商将同时面临现金流疲软和抵押品疲软的情况。

竞争增加了另一个压力点。谷歌正在将 TPU 部署扩展到纯粹的内部使用之外，而 AMD 和 Broadcom 等公司支持的定制加速器则瞄准了 Nvidia 的优质经济效益可能变得更难以证明的工作负载。

Nvidia 在这种环境下仍能实现增长，但市场份额、定价能力和半导体利润率可能会逐渐正常化。

 

什么决定了下一次人工智能交易？

人工智能芯片贸易的下一阶段可归结为四个变量：

人工智能收入增长、超大规模资本支出、GPU 利用率和半导体利润。

如果人工智能应用程序继续传播、推理范围扩大、超大规模计算设备的容量仍然有限、较旧的 GPU 找到有利可图的低层用途以及 Rubin 启动另一个升级周期，则看涨路径仍然完好无损。

当资本支出增长速度明显快于货币化速度、云利润压缩、旧 GPU 经济效益恶化以及超大规模企业最终减缓基础设施支出时，看跌路径就开始了。

核心问题比 Nvidia 的 5000 亿美元融资计划更重要：

人工智能能否产生足够的经济价值来证明已经建设的基础设施的合理性——以及更大的投资浪潮仍在到来？

如果答案仍然是肯定的，那么人工智能半导体周期仍有运行的空间。如果这种关系开始破裂，投资者可能需要重新评估从英伟达和内存到网络、代工厂和人工智能云运营商的整个链条。