Tom Lee：为什么现在的 AI 不能简单类比 2000 年互联网泡沫？ Tom Lee 最近采访回应了市场对 AI 泡沫、巨额 CapEx 和表外融资的担忧。他的核心观点是AI 投资规模确实已经非常大，但规模大不代表就是泡沫，关键要看是谁在花钱和这些钱最终能不能产生回报。 一、这次和 2000 年最大的区别：花钱的人不一样 目前美国 AI 基础设施投资已经达到 GDP 的 2%–2.5%，规模可以和当年的铁路建设周期相比，到 2027 年 AI 支出甚至可能超过美国国防预算。 但 2000 年互联网泡沫时期，很多公司没有稳定盈利和现金流，主要依赖融资扩张。今天 AI CapEx 的主力却是 GOOGL、AMZN、META、MSFT 这些全球现金流最强的公司。 所以 Tom Lee 认为，同样是大规模投资，由高利润、高现金流的科技巨头主导，和当年大量靠融资生存的互联网公司完全不是一回事。 二、AI 表外融资没有那么可怕 最近市场很担心科技巨头通过 JV、Private Credit、项目融资建设数据中心，认为大量 AI 债务被藏在资产负债表之外。 Tom Lee 的观点是，很多所谓“表外负债”是未来的数据中心建设和采购承诺，不是今天已经发生的全部债务。 现在要看的是现金流能不能覆盖 CapEx、融资成本有没有失控、信用利差有没有恶化。只要这些没有出现问题，就很难说 AI 基建演变成系统性金融风险。 三、AI CapEx还是要看回报 Tom Lee 认为与其让科技巨头把大量现金全部拿去回购股票，不如把钱投入 AI 基础设施。看这些投资未来能不能转化成Cloud Revenue → AI Revenue → Productivity → FCF。 四、AI Adoption才刚刚开始 目前大约 56% 的企业已经开始使用 AI，但只有约 30% 报告明显的生产率提升，实现深度业务整合的只有约 7%。 所以 Tom Lee 认为，现在 AI 还处于从 PoC（概念验证）走向大规模 Adoption 的早期阶段。 下一阶段重要的是 AI 能不能帮助企业降低成本、提高 Revenue per Employee、提升利润率。 五、要盯的利率和信用市场 Tom Lee 也承认，美国接近 40 万亿美元的国债和不断增加的利息支出是长期风险。 但对美股来说，他目前在关注 10Y 美债收益率和 Credit Spreads。只要长端利率没有失控上冲、信用利差没有明显扩大，就说明金融体系还是可以消化现在的 AI 投资周期。