最挺AI的老牌多头为何反手做空半导体？

美国半导体股票刚经历了自2006年以来最长的九个交易日连续下跌。就在这段恐慌蔓延的日子里，曾经市场上最响亮的AI硬件多头之一——Citrini Research创始人James van Geelen——向同行披露了一个反转信号：他已大幅削减半导体持仓，转而持有多头仓位和部分空头止损头寸。

问题在于，他并非看到了某家芯片公司业绩暴雷或某个技术路线被淘汰。真正让这位以硬核算力基本面分析著称的卖方分析师改变立场的，是一组更为隐晦却足以颠覆市场叙事的财务数字。

花自己钱的时代过去了

回顾过去三到四年，超大规模云厂商——Meta、微软、亚马逊、谷歌等——是用自有资金支付AI基建开支的。它们的自由现金流充裕，这笔钱不指望短期回报就能花在基础设施建设上。这意味着无论资本市场怎么恐慌，半导体行业的收入都有一个明确的“底线”（Floor）。因为即使股价暴跌，这些巨头的自建计划并不会立刻停掉。

但情况变了。

van Geelen指出，科技巨头现在的每一笔AI基建增量，几乎都依赖债务融资或股权融资。也就是说，“花自己的钱”变成了“借别人的钱”。这看起来只是会计口径的改变，但对半导体股票而言，它触发了一个致命的机制。

“反身性”。

当市场的信心向上时，增发股票、扩大债券发行都能轻松找到买家。但当情绪一旦急转直下，增量资金就会直接枯竭——不是因为AI需求消失了，而是因为支持AI建设的资金链条本身被截断了。这种由情绪驱动的资金链断裂，比单纯的估值下调更危险。因为情绪本身就是基本面的一部分，而情绪是不可预测的。

更重要的是，这种融资结构的脆弱性正在累积。据van Geelen观察，过去几年云厂商的AI支出增速与营收增速已经出现了显著背离。当收入增长无法覆盖资本开支时，投资者自然会对未来的现金流产生怀疑。这也是为什么在华尔街看来，当前看似便宜的市盈率恰恰是周期性见顶的预兆。

谁在为AI买单？

让我们看看支撑这些估值的算术题。

要维持当前半导体股票的价格体系，AI实验室的年度经常性收入（ARR）需要在2028年底达到约1万亿美元。目前的基数约为136亿美元——换句话说，市场隐含假设每三个月就要新增一整座超级AI工厂的收入规模才能兑现预期。

这个数字显然无法用现实业务去线性外推，因此投资者必须相信某种持续爆发的故事。

但故事本身就出现了裂缝。

首先，开源模型正在重新分配蛋糕。据van Geelen引述的数据，开源模型在新增ARR中的份额已从一年前的约1％上升至约18％。这对商业化闭源模型的定价能力构成了直接侵蚀——当用户可以使用更便宜的替代方案时，愿意为高价API付费的客户群自然缩水。

其次，AI使用的价格弹性并不像人们想象的那样高。据Anthropic的经济指数测算，任务成本降低10％，对应的使用量仅增加约3％。这意味着即便推理成本大幅下降（包括开源模型带来的降价），也无法通过用量激增来弥补利润空间的收缩。

更有意思的是DeepSeek的案例。据DeepInfer数据，其每天服务约155万亿token，每GPU小时收入约38美元，而租用成本仅为5至8美元。这意味着它的推理毛利率接近80％，GPU设备投资回收期仅约81天。这在当下是一个极其惊人的套利空间——但它也解释了为什么更多玩家涌入后，竞争终将把毛利压回正常水平。当所有人都能用极低边际成本提供推理服务时，前期重金投入GPU的资本开支就变成了一种负担而非护城河。

周期性顶点已经出现了？

van Geelen还套用了华尔街经典的周期定律：“周期性行业总是在按明年预期来看最便宜的时候见顶。”

什么意思？景气顶点推高了当期利润，导致静态市盈率显得非常低——极具迷惑性。比如一家半导体公司因为NVIDIA订单爆发式增长，PE只有20倍甚至更低，让人误以为“还没涨完”。但实际上，这种利润是随景气循环波动的。当需求回落时，利润将迅速崩塌。因此看似最便宜的买入时机，往往恰恰是顶部。

套用这一逻辑回到当前半导体板块，九连跌本身可能不是终点。更重要的是市场是否在定价一个尚未发生的利润回撤。

当然，van Geelen并没有完全否定AI基建的价值。他指出AI在药物研发等环节确实能压缩数月工作到几天——他的团队曾用Claude在64小时内设计出211个抗体候选分子，其中17个成功结合靶点。但他同时强调，整个流程中仅约20％的时间能被AI压缩，另外80％受制于实验环节——以生命的速度运转的生物学，不会因为算法变快就加速。

投资者接下来关注什么？

面对这场由融资结构脆弱性和需求端不确定性共同驱动的震荡，二级市场投资者不应陷入非黑即白的极端叙事——AI不会消失，但前期过度资本化的基础设施确实在经历价值重估。以下是三个可追踪的信号：

第一，逐季监控超大型云厂商的资本开支增速。 当它们开始实质性缩减CapEx预算或在财报电话会议中对AI项目提出“成本效率”质疑时，这将是资金链承压的最早官方信号。特别值得关注的是，如果下一季度的CapEx同比增速低于10％，可能意味着行业拐点已经到来。

第二，关注AI推理成本的边际变化与用户量的相关性。 如果成本进一步下降但使用量不跟涨（低于3％弹性的阈值），说明需求已被充分满足，新的增量引擎尚未形成。届时云计算巨头的ARPU（每用户平均收入）可能会受到挤压。

第三，观察开源模型商业化的进程。 当开源方案的成熟度进一步提升并蚕食商业化ARR份额超过当前18％的基线时，闭源商业模式的估值折扣将被迫扩大。特别是当开源模型的准确率差距缩小到实用级别时，这一趋势将加速。

在这场AI算力建设的潮水退去过程中，最先裸泳的可能不是技术本身，而是那些用债务代替现金流的资本结构。投资者应当保持耐心，等待下一个更确定的投资节点出现。