AI 投资正在反噬云巨头的现金流?
美股 AI 七姐妹开始面临一个新问题:钱投进去了,什么时候才能赚回来?
微软、谷歌、亚马逊和 Meta 第三季度经营现金流,已经无法覆盖固定资产支出,合计出现约 264 亿美元资金缺口。而一年前,四家公司还有约 617 亿美元现金流盈余。
几个值得关注的变化:
- 亚马逊:过去 12 个月自由现金流从净流入 148 亿美元,转为净流出 424 亿美元。
- Meta:自由现金流十多年来首次转负。
- 谷歌:长期债务从约 200 亿美元增至 1250 亿美元。
- 微软:英伟达芯片订单交付高度依赖数据中心持续扩建,建设放缓可能影响收入兑现。
更大的变量来自美国政治。
中期选举后,数据中心建设监管趋严。美国 10 个州涉及数据中心的 41 项地方提案中,40 项投票倾向限制开发,27 项限制性或反对性提案获得通过。
但 AI 需求本身还没有明显降温:谷歌云三季度营业利润达到去年同期的 3 倍,AWS 营业利润从 114 亿美元增至 178 亿美元,微软 Azure 收入增长 48%。
所以,市场真正担心的可能不是 AI 没有需求,而是:数千亿美元的 AI 基建投资,究竟需要多久才能转化为足够的现金流?
AI 泡沫论的下一场争论,可能不在模型能力,而在资本回报率。
显示更多
AI投资已经不只是 $NVDA:22只ETF把整条产业链拆开了
如果你还把AI行情理解成“买英伟达、买半导体”,可能已经低估了这一轮资本开支扩散的速度。
现在AI已经从GPU一路扩散到:HBM、晶圆、光通信、Neocloud、电源、MLCC、液冷、软件、网络安全,甚至OpenAI、Anthropic、Meta、DeepMind和xAI各自的生态链。
这份AI ETF地图,建议收藏:
一|半导体 / GPU / 晶圆
$SMH
VanEck半导体ETF
半导体核心组合,覆盖英伟达、台积电、AMD等龙头。
$SOXX
iShares半导体ETF
同样覆盖整个半导体产业链,配置相对分散。
$AIFR
Defiance Global Foundries ETF
专门聚焦晶圆制造,把AI投资进一步拆到“谁负责真正把芯片制造出来”。
二|HBM / DRAM / 存储
$DRAM
Roundhill Memory ETF
直接押注存储产业链,包括DRAM、NAND以及AI最重要的HBM方向。
AI算力越强,对高速存储的需求越高,所以HBM已经从普通零组件升级成AI基础设施的重要瓶颈之一。
三|光通信 / 光模块 / 硅光
$LYTE
Roundhill Photonics & Optics ETF
聚焦光通信、光学、光模块和相关产业链。
$FOTO
Tuttle Capital Pure Play Photonics ETF
同样主打Photonics光子技术。
当AI集群从几千颗GPU扩展到几万甚至几十万颗芯片以后,最大的挑战之一,就是如何让这些芯片高速连接。
所以AI的下一轮预算,不只是“算得快”,还要“传得快”。
四|Neocloud / GPU算力租赁
$NCLD
Roundhill Neocloud ETF
重点押注GPU-as-a-Service、AI数据中心以及Neocloud算力租赁。
如果不想自己买GPU,就租算力。
这也是AI基础设施里过去两年迅速冒出来的一种新商业模式。
五|传统云计算
$SKYY
First Trust云计算ETF
聚焦成熟云生态。
相比Neocloud,这条线更多是传统云计算、软件和基础设施平台。
六|MLCC / 电容 / AI电源
这一块可能是目前市场最容易忽略的AI基础设施分支之一。
$CCML
Roundhill MLCC & Electronic Components ETF
聚焦MLCC以及电子元件。
$CAPA
电容 / MLCC ETF
主要覆盖被动元件、电容相关产业链。
$PSOX
AI服务器电源相关ETF
聚焦AI服务器供电、电源转换及相关零组件。
为什么这些东西突然重要?
因为GPU功耗越来越高,AI机架的电力密度也越来越高。
到了下一代AI数据中心,市场讨论的已经不是单纯“GPU够不够”,而是:
电送不送得到?电压稳不稳定?功率转换效率够不够?
七|液冷 / AI热管理
$COOL
AI Thermal Management ETF
聚焦液冷、散热以及AI数据中心热管理。
GPU越强,产生的热量越大。
所以AI资本开支最终会形成一条非常清晰的链条:
芯片 → 电力 → 散热 → 互联。
少任何一环,整个AI数据中心都跑不起来。
八|AI软件 / SaaS
$IGV
iShares Expanded Tech-Software Sector ETF
覆盖软件、SaaS以及云软件。
$WCLD
WisdomTree Cloud Computing Fund
更集中在云计算软件方向。
AI基础设施建设完成以后,最终还是需要应用层去产生收入。
所以AI交易的后半场,很可能会逐渐从“卖铲子”向“谁真正把AI变成软件收入”扩散。
九|网络安全
$CIBR
First Trust Nasdaq Cybersecurity ETF
$HACK
网络安全ETF
$BUG
Global X Cybersecurity ETF
AI Agent越来越多、企业数据越来越多、模型访问权限越来越复杂,网络安全本身也可能成为AI时代另一笔刚性IT预算。
十|最特别的一组:直接押注五大AI实验室生态
这可能是整张ETF地图里最有意思的一组。
$OAIW
OpenAI Lab Ecosystem ETF
押注OpenAI产业链合作伙伴。
$ANTW
Anthropic AI Lab Ecosystem ETF
押注Claude / Anthropic生态。
$MTAW
Meta AI Lab Ecosystem ETF
押注Meta AI生态。
$DEPW
Google DeepMind AI Lab Ecosystem ETF
押注Gemini / DeepMind生态。
$XAIW
SpaceXAI Lab Ecosystem ETF
押注xAI / Grok生态。
这类ETF的逻辑已经不再只是:
“AI会不会增长?”
而是进一步变成:
你认为未来哪一个AI生态系统会跑出来?
把这22只ETF放在一起,其实就能看清AI行情正在发生什么变化:
第一阶段,市场买GPU。
第二阶段,市场买HBM、晶圆和服务器。
第三阶段,市场开始买光通信、电源、MLCC和液冷。
再往后,则是云、软件、网络安全和AI应用生态。
所以AI并不是一个板块。
它正在变成一整套新的科技基础设施。
真正值得研究的,已经不是“AI行情什么时候结束”,而是:
下一笔AI资本开支,会流向产业链的哪一层。
显示更多
AI 投资已成美国最大资本支出,2025-2032年占GDP约3.5%
1870-1890铁路占GDP约2%
1956-1973高速占GDP 约1%
1996-2003网络占GDP约1%
AI投资关键是找瓶颈!
但是研究一圈后发现:最大的瓶颈是我的本金。
AI 投资 8 层框架 x 3 类终端
1. 能源
2. 制造
3. 存储
4. 芯片+互联
5. 算力
6. 数据
7. 模型+编排
8. 应用+执行
可以有两种用法
1. 查漏补缺,看看哪一块还有不错的机会,我比较看好物理 AI
2. 评估标的,覆盖层数 + 不可替代性 = 护城河深度
护城河 S 级标的: $NVDA $GOOG $TSLA $TSM SpaceX
显示更多
《AI时代,投资者必须全栈》
ai investor has to be Full-Stack Investor
过去的投资世界,讲究“分工”:
有人做宏观,有人做行业,有人做基本面,有人做量化。
但进入 AI 时代之后,这种分工化的投资方式正在迅速失效。
今天,一个真正能理解、看懂并抓住 AI 时代财富机会的投资者,必须是 全栈型投资者(Full-Stack Investor)。
就像技术行业曾经出现“全栈工程师”一样,未来的投资世界也将被“全栈投资者”主导——
既懂宏观,也懂技术;既能判断行业,也能写工具;既能分析,也能自动化。
这是时代的要求,也会是下一代投资者最核心的竞争力。
一、为什么 AI 时代投资者必须全栈?
1. AI 是一个端到端的超级产业链,任何一个环节都可能反转你的判断
AI 涉及的链条长到前所未有:
算法(Transformer、MoE、World Model)
GPU(NVDA / AMD)
HBM(SK hynix / Samsung / Micron)
先进封装(TSMC CoWoS / SoIc)
光互联(Broadcom / Coherent / Intel SiPh)
数据中心(VRT、NET、DDOG)
能源(BE、CWEN、XIFR)
云与 AI 平台(GOOG、MSFT、META、OpenAI)
AI 应用层(PLTR、SaaS 全部重构)
任何一个瓶颈、任何一个突破,都会改变整个板块的涨跌逻辑。
如果你不了解光互联,你看不懂 GPU 可扩展瓶颈。
如果你不了解 HBM,你判断不了 AMD/NVDA 的代差。
如果你不了解能耗和冷却,你不知道数据中心为什么比 GPU 更紧缺。
如果你不了解算法,你根本无法判断“算力需求是否会继续指数级增长”。
AI 投资不是单点知识,而是端到端系统理解。
2. 信息量爆炸,纯靠人力无法覆盖
AI 相关的信息密度,已经远超传统行业:
供应链新闻
算法论文和技术突破
Big Tech CapEx 更新
监管和出口管制
数据中心扩张与电力审批
GPU 交付时序
行业会议与内部技术路线
X/Twitter 讨论流
各类模型 benchmark 和产品更新
每天 1000+ 条信息可能只是行业平均水平的投资者。
不用工具自动化,就永远落后于别人。
全栈投资者最大的优势,就是能自己构建信息“摄取与过滤系统”。
3. 技术周期太快,不懂技术就无法提前布局
AI 的技术迭代速度大概是:
每 3~4 个月一次重要突破
每 6~9 个月一次产品更新
每 12~18 个月一次算法范式变化(MoE、SSM、World Model)
每 24 个月一次硬件架构代差(H100 → B200 → Rubin)
如果你不了解技术周期,你根本无法预测:
哪家公司未来一年会爆发
哪条供应链会卡住
哪个环节会成为新赢家
谁会在 2 年后被替代
技术理解能力,是 AI 投资者未来的基本素养。
二、为什么“开发能力”也是未来投资者的必修课?
真正的全栈投资者,不只是会分析,还必须会“开发自己的工具”。
因为:
1. 投资者的核心能力之一是“快速验证观点”
你想验证:
最近 48h 哪些 AI 项目最热?
某事件(财报/政策)对哪些股票影响最大?
算力增速 vs 数据中心供电缺口的关系?
模型参数增速 vs HBM 需求增长?
只要你会vibe coding,你就能在马上得到答案,而不是靠别人的两周后的分析。
2. 未来的投资者本身就是“产品经理”
投资者必须设计:
事件监控
数据库
自动摘要
自动分类
情绪分析
回测脚本
。。。。。。
这就是一个“投研产品”的完整系统。
会开发的人,能自己造最适合自己的系统;不会的人,只能用别人的系统,未必最适合自己
三、结语:AI 时代不会让投资更容易,但可能是碳基生物为数不多的选择之一
AI 并不会让投资变简单。
AI 会加速信息流动、压缩套利时间、加速竞争。
在这种环境下:
不会开发、不会自动化、不会跨学科推理的投资者,将被淘汰。
懂技术、懂产业、懂开发、懂金融的“全栈投资者”,会成为下一代的超级个体。
更不用说,当ai开始大量替代人力的时候,投资,可能是唯数不多的,你可以选择不被替代的工作。
真正的 AI 投资时代刚刚开始。
只有全栈型投资者,才能吃到全周期的红利。
显示更多
在 AI投资里,我多年总结下来有几条线是华尔街最喜欢奖励的基本面条件
1. 现金流开始由负转正
2. 新的新增收入确认
3. 叙事的转换
4. 等等
这篇我从 $MRVL 讲讲第三点,以及我为什么能安心持有快三年,几乎没有卖出。我认为 Marvell 在我清晰可见的技术主线上,坚定地一步一步向前进
$MRVL 过去最大的争议就是:一个 hyperscaler custom ASIC 的设计平台,怎么能承担起这么大的估值?
最近一步步证明:它不只定制 ASIC,还有光通信、DSP 网络芯片这种毛利润高的收入。
在谷歌和英伟达等算力巨头的扶持下,互联即将成为把存储 X 算力发挥到极限、提升经济的关键玩家
是的,一个叙事发生了转换,但我认为市场还没有完全 price in 这个叙事。我认为需要时间,但目前 on track。我不知道明天的股价,但如果你问我明年,我觉得大概率会不错的
我们再来从 4 月到捋一遍
1/ 4 月 Google-Marvell 传闻
今年 4 月 Reuters 已经报道过,Google 正在和 Marvell 谈两类 AI 推理芯片:一个是配合 TPU 的 memory processing unit,另一个是专门跑 AI model inference 的新 TPU。今天 8-K 披露的 AI inference accelerators、memory interface controllers、near-memory compute
2/ 5月 $MRVL 财报,管理层的口径非常保守,scale up 和谷歌的这些利好一句话也没提,股价横在了 200。因此我认为是一个不错的供应价,可以用我之前提到的相对估值法
3/ 黄仁勋高喊 MRVL万亿美元,市场提前把 Scale up/out互联 和谷歌等合作打满,股价提升到了 300 美元
4/ 7 月半导体集体下跌,因为市场算力过剩的故事发酵。七月,我每天都在更新解读市场新闻,欢迎回看。同时,伴随着存储涨价、存储供不应求的小作文满天飞,大家也能看到,一台 AI 服务器大部分的利润都给了存储,毛利率 80% 多
5/ MRVL 的 FMS 叙事被强化。 Marvell 8 月初刚在 FMS 推 AI memory / storage infrastructure,核心口径就是 agentic AI inference 以后会被 memory capacity、bandwidth、latency、data movement
显示更多
AI 是现在最大的投资趋势,围绕 AI 做投资,我觉得有这么几条核心主线。
1️⃣ AI 已经进入推理时代,在算力消耗占比中,推理已逐渐超过训练,并且未来推理不是线性增长,而是指数级。围绕推理,布局长线 AI 投资。
除了 GPU 之外,CPU、内存、存储、光互连、推理专用加速卡、云厂商、NeoCloud 都是值得长期布局的板块。
- CPU $AMD $INTC $ARM
- HBM 内存 + NAND/SSD + HDD 存储 $MU 海力士 三星 $SNDK $WDC
- 光互连:这里标的太多... 这周 Nico 前沿 Alpha 频道里有详细讲过,大家可以翻翻
- 推理专用 ASIC $CBRS(即将 IPO 可能短期炒作严重) $GOOGL $AMZN $MSFT $META(自研推理芯片) $AVGO(AISC 设计代工)
- 传统云厂商 $GOOGL $AMZN $MSFT $ORCL
-NeoCloud $CRWV $NBIS $IREN
2️⃣ 英伟达作为世界 AI 工厂,目前交付的不仅仅是算力 GPU,而是直接面向客户,交付从芯片到软件再到整套 AI 工厂的全栈解决方案.
它投钱去哪里,说明哪里就是产业链上最真实的瓶颈。从英伟达的投资版图入手,就能看到当下市场最热门的投资方向。
- 英伟达直接投资的上市公司 $INTC $CRWV $NBIS $COHR $LITE $GLW $IREN
3️⃣ 能源仍然是 AI 最大的物理约束,目前 AI 增长最大的瓶颈在于电力。核电、SMR 小型核反应堆、天然气发电、电网设备、变压器、液冷、储能,这些都是 AI 电力受益板块,能源投资逻辑已经被 AI 重塑。
- 核电运营商 $CEG $VST
- SMR 小型核反应堆 $OKLO $SMR
- 天然气发电 $GEV
- 电网设备 $ETN
- 液冷 $VRT $MOD
- 储能 $TSLA $FLNC
4️⃣ 数据正在变成新一代核心资产,只不过目前市场注意力不在这。模型架构趋同,算力瓶颈也会慢慢被解决,未来 AI 真正的差异化优势还是数据。
这一侧重点关注社交平台以及拥有垂直领域数据的公司,比如 $META $RDDT $TSLA 等等
5️⃣ AI 应用落地变现,最大的赢家还是掌握用户分发渠道的公司,核心还是得回归用户价值,而大科技牢牢掌握这一层入口。
- 信息分发入口 $GOOGL
- 社交入口 $META
- 购物入口 $AMZN
- 消费设备入口 $AAPL
- 操作系统入口 $MSFT
- 物理 AI 入口 $TSLA
显示更多
凯投宏观:AI投资明年将放缓,2028年恐下滑10%,标普500年底前再跌10%
基于对产业技术及应用落地及产出情况的研究,我认为这种预测具备现实可能性
显示更多