上一篇推文发出去后，有不少 Web3 朋友来问我：Apodex 到底应该怎么用？ 我基本把自己日常使用 Apodex 的核心要点都跟他们分享了一遍，包含怎么追踪链上数据、项目方团队、融资背景以及如何跟其它 AI 协作使用，真正提升投研效率和精准度。 今天我想换一个场景，不聊 Web3，拿它来做一次美股投研。 主题我选了最近市场争议很大的问题：AI Capex 主线到底是不是泡沫？ 这个问题很典型。 一边是微软、谷歌、Meta、亚马逊继续加大 AI 基础设施投入，Nvidia、服务器、数据中心、电力、液冷等链条持续受益； 另一边，市场也开始担心：AI 应用收入能不能跟上？企业端 ROI 到底兑现了吗？现在的估值是不是已经把未来几年打满了？ 所以，这不是一个简单的看多或看空的问题。 如果直接问 AI：“AI Capex 是不是泡沫？” 大概率会得到一篇看起来很完整的文章：先讲产业趋势，再讲风险，最后来一句“短期有波动，长期有空间”。 这种答案不能说错，但对投研来说还不够。 真正有价值的研究，不是让 AI 给一个漂亮结论，而是让它把问题拆成可以验证的证据链。 所以我这次给 Apodex 的任务不是“写一篇 AI Capex 报告”，而是让它围绕几个核心变量展开： 1. 云厂商 Capex 和 AI 收入是否匹配； 2. GPU、服务器出货和库存是否支持真实需求； 3. 数据中心电力和落地节奏是否跟得上； 4. 企业端 AI ROI 是否改善； 5. 估值和市场情绪是否已经透支。 这里我也顺手和 ChatGPT 做了对比，两份报告我放在文末。 ChatGPT 的优势是速度快、表达顺、很适合快速搭初稿。但它更容易给出一种“宏观叙事 + 正反观点 + 中性结论”的答案：看起来完整，但很多关键变量没有被真正拆开。 而 Apodex 给我的感觉不一样。 它不是急着下结论，而是先逼你把问题拆成证据链： 不要只说云厂商还在投钱，要看 Capex / AI 收入比例； 不要只说 GPU 需求强，要看出货、ASP、库存和订单能见度； 不要只说数据中心火热，还要看电力获批、并网进度和建设延迟。 这就是 Apodex 做投研最舒服的地方：它不是帮你写得很像报告，而是帮你把报告背后的判断依据拆出来。 最终，Apodex 给出的结论也不是简单的“泡沫”或“不是泡沫”，而是分时间维度看： 1–2 年内，AI Capex 更偏产业现实。 因为云厂商长期合同、在建数据中心、GPU 订单和电力项目都有较强刚性。 3–5 年，主线会高度分化。 关键要看 AI 收入能不能跟上 Capex，企业 ROI 能不能兑现，电力瓶颈能不能缓解。 5 年以上，不确定性很高。 应用层商业模式、新技术路线、推理成本下降和监管变化，都可能重新定价整个产业链。 所以我的理解是：AI Capex 不是简单泡沫，但也不是可以无脑相信的长期神话。 短期看，它更像真实产业周期；中长期看，它会进入强分化阶段。基础设施链条确定性更强，但估值透支、企业 ROI 和电力瓶颈，是后续必须持续跟踪的风险点。 这次用下来，我更加认识到，投研真正稀缺的不是“谁更会写”，而是“谁更会验证”。 在生成式 AI 越来越普遍的时代，谁能搭建证据链，谁就更接近真相。 这也是我为什么认为，Apodex 不仅适合 Web3 调研，也很适合美股、宏观、政策、科研这类高复杂度研究场景。 趁着还能免费使用，快来试试。你会爱上它！ 官网： GitHub： Discord： Apodex 研究报告： ChatGPT 研究报告：