编者按：本文来自微信公众号 锦缎（ID：jinduan006），作者：吴凯，创业邦经授权发布。
人工智能革命已经达到了一个关键的拐点，美国最大的科技公司开始大规模的人工智能基础设施建设。虽然到目前为止，市场已经奖励了这种支出，但我们发现，历史上的资本支出繁荣通常会导致过度投资、过度竞争和股票回报不佳——无论是在宏观层面还是在个体公司层面。
随着人工智能军备竞赛将大型科技公司从轻资产转变为重资产，我们发现这种模型与低回报相关，我们基于价值的剧本建议转向资本要求和估值较低的更广泛的人工智能受益者。
过去一年，AI热潮迎来了关键拐点。在指数级“缩放法”承诺的推动下，资本支出猛增。美国最大的科技公司有望仅今年就花费近4000亿美元。在接下来的五年里，麦麦肯锡估计，未来五年人工智能累计投资将达到惊人的5.2万亿美元。
图：人工智能投资热潮；资料来源：标准普尔，Sparkline。从2015年第一季度到2025年第二季度。
到目前为止，投资者对这些资本投资持积极态度。推动大部分扩建的所谓 Magnificent 7 继续表现出色；甲骨文股价在宣布建设OpenAI数据中心的交易后飙升 36%；新贵人工智能云提供商 CoreWeave自3月上市以来，其股价已上涨了两倍。人工智能股的估值反映了相当乐观的情绪。
然而，目前尚不清楚这些投资最终是否会带来足够的财务回报。贝恩据估计，为了证明其成本的合理性，到 2030 年，这些数据中心将需要产生 2 万亿美元的年收入。然而，ChatGPT 推出三年后，人工智能收入仍然不大——估计200亿美元。它们必须增长 100 倍才能证明预期的扩建是合理的。
与过去的技术建设的相似之处是不容忽视的。在1990年代后期，Global Crossing和AT&T等电信公司花费了超过5000亿美元铺设光缆，以期互联网的快速普及。然而，事实证明，他们的预测过于乐观，导致该行业在产能过剩和价格暴跌的情况下遭受多年苦难。
大型科技公司的巨大人工智能策略使投资者处于岌岌可危的境地。股市越来越多地受到单一主题的推动：人工智能。
根据摩根大通的数据自ChatGPT发布以来，AI股票占据了标普500指数回报率的75%，盈利增长的80%，资本支出增长的90%。
Magnificent 7 既代表了最大的人工智能股票，也是那些最容易受到潜在人工智能过度建设影响的股票，现在占标准普尔500指数的30%以上，其集中度甚至超过了互联网泡沫。
图表：头重脚轻的股市；资料来源：标准普尔，Sparkline。图表显示了标准普尔 500 指数在每个时间点前7只股票的总权重。截至2024年12月31 日。
事实上，大型科技公司的人工智能支出现在如此之大，以至于它似乎正在支撑更广泛的经济，估计占今年迄今为止美国 GDP 增长的一半。尽管面临关税和移民方面的阻力，但经济在人工智能支出的支持下仍保持弹性。投资者的命运现在与大型科技公司人工智能策略的成功密不可分。
需要明确的是，我们是人工智能的坚定支持者。自2020年以来，人工智能在我们的投资过程中发挥了核心作用，我们发表了几篇研究文章，说明人工智能在金融中的实际应用。虽然我们不期待“AGI”一蹴而就，但我们对AI的进步还是相当乐观的。
然而，尽管我们仍然看好人工智能作为一项技术，但我们对其目前对投资者的前景不太有信心。过去的基础设施繁荣告诉我们，通往可持续收入的道路往往被过度投资和低回报时期所打断。标准普尔 500 指数集中在最挥霍的人工智能支出者身上，这让投资者尤其容易受到影响。
在本文中，我们研究了过去的投资繁荣，评估了最重要的 Magnificent 7 的风险，并制定了基于价值的剧本，以应对当今充满挑战的市场。
资本周期的历史回声
如前所述，这并不是少数私营公司第一次投入巨额资本来建设支撑变革性技术的基础设施。
在互联网出现之前的一个多世纪，铁路彻底改变了美国经济。内战结束后，繁荣正式开始，从1868年到1873年，铺设了超过33,000英里的轨道。下一个展览将当前人工智能热潮的规模与铁路和互联网建设进行了比较。
图：科技主导的投资热潮。资料来源：ExponentialView、Paul Kedrosky、Sparkline。使用寿命假设分别为 30 年、7 年和 5 年。折旧调整后将支出调整为 30 年使用寿命。
相对于GDP，目前的人工智能支出已经超过了互联网繁荣时期达到的峰值。虽然仍低于铁路建设的峰值，但人工智能芯片的使用寿命远短于铁路。如果我们调整以加快折旧速度，今天的人工智能建设将位居榜首。
虽然铁路和互联网被证明具有变革性，但构建这些技术的公司的股东表现如何？下图展示了铁路和电信股在各自繁荣时期的股价：
图：铁路和互联网泡沫；资料来源：NBER，来自 FRED、纳斯达克、Sparkline。
这些世纪工程提供了所谓“资本周期”的教科书示例。最初，对新技术的兴奋促使公司进行大规模资本投资。投资者通过股价飙升来回报这些大胆的支出，鼓励进一步投资。
然而，需求最终无法跟上新供应的涌入，导致价格暴跌，并给企业带来多年的产能过剩。企业价值崩溃，那些为扩建提供资金而背负债务的人面临破产的风险。
图表：资本周期示意图；资料来源：Chancellor （2015）。
虽然投资者的大部分精力都花在了预测需求这一具有挑战性的任务上，但资本周期理论提醒我们不要忽视供给侧。大规模的投资繁荣需要同样巨大的需求。除非这种需求完全实现，否则由此产生的产能过剩会导致竞争激烈、定价能力低、行业利润疲软。
虽然铁路和互联网的繁荣提供了令人难忘的案例研究，但它们仍然只是两个数据点。为了提高我们的统计能力，我们接下来转向过去几十年中数千只股票的面板。
让我们从下一个图表开始，它显示了追踪资产增长高的公司相对于资产增长低的公司每年重新平衡的历史股票回报。
图：高资产增长公司表现不佳；资料来源：Ken French，Sparkline。基于过去 1 年资产增长的顶级五分位股票与最低五分位股票的相对回报率。每年均等权重和重新平衡。Universe 由纽约证券交易所、美国证券交易所和纳斯达克上市的股票组成。
自 1963 年以来，积极扩大资产负债表的公司，每年表现比更保守的同行低 -8.4%。这种所谓的“资产增长异常”实际上在学术金融文献中得到了广泛的研究。杰出的 Fama 和 French 甚至将其与市场、规模、价值和盈利能力因素一起将其作为五因素模型中的一个独特因素。
当然，公司扩大资产负债表的原因有很多。我们最感兴趣的是他们这样做是为了投资物理基础设施的情况。正如下一个展览所示，快速增加资本支出的企业的表现也落后于更保守的同行。
图：不断增长的资本支出公司表现不佳；资料来源：标准普尔，Sparkline。
这种表现不佳在互联网泡沫破灭中加速，因为繁荣的过度被冲刷掉。然而，即使在互联网泡沫之外的时期，我们也看到了强烈而持续的表现不佳模式。
资本周期不仅跨行业（例如，1990 年代的电信、2010 年代的页岩油生产商）运行，而且在这些行业内部运行。下图展示了增加资本支出的公司相对于同行业同行的表现：
图：不断增长的资本支出公司在所有行业都表现不佳；资料来源：标准普尔，Sparkline。基于每个 GICS 行业过去 1 年资本支出增长的顶级与垫底五分位股票的相对回报率。
在所有十个行业中，开展最大资本支出活动的公司往往表现落后于更保守的行业同行。值得注意的是，我们看到材料的影响比通信更强，尽管后者行业是互联网投资不当的中心。
而且，这种影响不仅仅是由极端驱动的。虽然最极端的支出者确实拥有最差的后续股票回报，但这种关系似乎相对单调。
图：不断增长的资本支出公司表现不佳五分位数；资料来源：标准普尔，Sparkline。每个五分位数组的平均回报率基于过去 1 年的资本支出增长。
最后，我们在美国以外的地方找到了这种现象的证据。下一个展览记录了主要股票地区不断增长的资本支出公司的表现不佳。
图：资本支出上升的公司在所有地区都表现不佳；资料来源：标准普尔、MSCI、Sparkline。基于MSCI定义的基于每个地理区域过去1年资本支出增长的顶级五分位股票与垫底五分位股票的相对回报率。
尽管每个地区都有自己独特的资本周期，但大消费者在这三个地区的表现都不佳。例如，日本在 1980 年代后期经历了大规模的投资热潮，随后进行了长达数十年的去杠杆化。最近，其他亚洲新兴市场国家（如新加坡、中国）也出现了自己的投资热潮。
人工智能的今日图景
今天这幅画是什么样子的？为了建立直觉，让我们首先检查一下过去一年哪些行业的资本支出增长最大。
图：按行业划分的资本支出增长；资料来源：标准普尔，Sparkline。Universe 由占总市值 99% 的美国顶级股票组成。截至 2025年9月30 日。
我们清楚地看到了 Magnificent 7 支出狂潮的影响，科技、通信和非必需消费品行业的资本支出增长了 25% 至 40%。我们还看到了它的下游影响，房地产、能源和公用事业的资本支出也在增加，这些行业为数据中心运营提供关键的电力和土地。
接下来，让我们放大各个公司层面。下一个展览列出了美国最大的 100 只股票中资本支出增长最快的 12 家公司。
图：顶级资本支出增长股票；资料来源：标准普尔，Sparkline。Universe 由美国前 100 名股票组成。截至 2025 年9月30日。
这些股票大多与人工智能相关。甲骨文一直在签署巨额人工智能云交易，位居榜首，过去一年资本支出增长了 249%。我们发现 Magnificent 7 的中坚力量Nvidia、Meta 和亚马逊，以及网络和半导体公司 Arista、Amphenol、Lam 和 Micron。Palantir 是人工智能的重度用户，跻身前 12名。
随着人工智能热潮如火如荼，投资者应该吸取历史的教训。激进的资本支出通常会导致行业和个别公司层面的股票回报不佳。即使我们设法避免了全面的泡沫，这种挥霍无度的支出往往导致的资本错配也可能抑制预期回报。
在过去十年中，Magnificent 7 的表现明显优于标准普尔 500 指数的其他公司。自 2015 年以来，他们的复合年回报率为 27.5%，为股东创造了超过 23 万亿美元的财富。
图表：Magnificent 7 的统治力；资料来源：标准普尔，迷你图。Magnificent 7 是苹果、Microsoft、亚马逊、Meta、谷歌、英伟达和特斯拉。标准普尔 493 是标准普尔 500 指数，不包括 Magnificent 7。
Magnificent 7 的非凡成功得益于其轻资产商业模式。通过利用知识产权、品牌资产、人力资本和网络效应等无形资产，这些公司无需大量资金即可产生巨额回报。
正如下一个展览的顶部面板所示，Magnificent 7 的投资资本回报率高达 22.5%，而标准普尔 493 指数在过去十年中仅为 6.2%。它们更高的资本效率是由于它们对无形资产的大量使用。如下图所示，它们的无形强度是标准普尔 493 指数的 3-7 倍。
图：轻资产货币机制；资料来源：S&P、USPTO、LinkedIn、Sparkline。研发是研发，S&M是销售和营销。所有数字均以百分比表示，但专利/资产除外，专利/资产以数十亿为单位。人工智能员工是根据公司员工 LinkedIn 个人资料的专有分类来定义的。
然而，Magnificent 7 现在正在放弃推动他们过去成功的轻资产模式。自 2012 年以来，资本支出已从收入的 4% 飙升至 15%。对投资者来说不幸的是，人工智能军备竞赛正在将这些公司从轻资产转变为重资产公司。
图：Magnificent 7的重资产转型；资料来源：标准普尔，Sparkline。过去 12 个月的数据。截至 2025 年 9 月 30 日。
Magnificent 7 的资本密集度正在迅速接近公用事业，这是资产最重的行业。正如下一个展览所示，Meta、Microsoft 和 Alphabet 都将将其收入的 21% 至 35% 用于资本支出，超过当今全球平均公用事业公司和电信泡沫鼎盛时期的 AT&T。
图：Magnificent 7最新资本密集度；资料来源：标准普尔，Sparkline。截至 2025 年 9 月 30 日的共识 NTM 估计，但 AT&T 除外，AT&T 是截至 1999 年 12 月 31 日的 TTM。公用事业平均指数包括所有基于 GICS 的全球公用事业股票。
Magnificent 7 的重资产转型令人担忧，因为重资产公司一直在努力实现高投资资本回报。这些公司需要大量投资，只是为了抵消其资产因磨损或技术过时而不断折旧的影响。
此外，实物资产往往更容易被竞争对手复制。较低的进入壁垒会导致资本周期动态，高回报会吸引竞争对手，从而导致产能过剩、价格战和资本回报率低。
我们在下一个图表中证实了这一点，该图表显示了重资产公司与轻资产公司的股票回报率。
图：重资产公司表现不佳；资料来源：标准普尔，Sparkline。基于过去 1 年资本支出占收入的顶级五分位股票与最低五分位股票的相对回报率。每月均等权重和重新平衡。Universe 由占总市值 99% 的美国顶级股票组成。
此前，我们发现资本基础快速增长的公司往往表现不佳。我们现在了解到，所有资本密集型公司——不仅是那些投资于增长的公司，还包括那些仅仅在维护上花费的公司——往往表现落后于轻资产同行。
值得注意的是，这种经验模式不仅存在于行业之间，而且存在于行业内部。下一个图表显示了每个行业内重资产股票与轻资产股票的表现。
图：重资产企业在所有行业都表现不佳；资料来源：标准普尔，Sparkline。基于每个 GICS 行业过去 1 年资本支出对收入的顶级与垫底五分位股票的相对回报率。每月均等权重和重新平衡。
在所有十个行业中，资本密集型公司的表现都落后于无形行业同行。这种效应不仅存在于公用事业、通信和能源等重资产行业，也存在于医疗保健、必需消费品和非必需消费品等轻资产行业。
作为最后的稳健性检验，我们发现资产密集型公司在美国以外的表现也不佳，这意味着它们的困境不能简单地用 美国经济异常高的无形强度来解释。
Magnificent 7 放弃其优越的轻资产商业模式反映在基本面的恶化上。
进入周期后，轻资产的 Magnificent 7 产生的自由现金流超出了他们不知道该怎么做的程度——因此他们大量使用回购。然而，他们现在准备着手每年估计 4000 亿美元的人工智能建设。正如下一个展览所示，不断增长的人工智能资本支出已经开始侵蚀其自由现金流状况。
图：Magnificent 7 自由现金流；资料来源：标准普尔，Sparkline。过去 12 个月的数据。截至 2025 年 9 月 30 日。
此外，与互联网泡沫相呼应，我们看到循环融资交易回归，人工智能公司投资于其客户和供应商。例如，英伟达最近向OpenAI投资了1000亿美元，为OpenAI提供了可用于购买英伟达芯片的资金。一周后，OpenAI与AMD达成协议，购买他们的芯片，以换取大量股权。
图：循环人工智能交易网络；资料来源：摩根士丹利、Sparkline。
尽管 Magnificent 7 仍然拥有出色的资产负债表，但他们越来越多地与 OpenAI、CoreWeave 和 Oracle 等财务状况较差的公司纠缠在一起。此外，随着自由现金流的减少，他们开始转向债务融资。例如，Meta 最近获得了 270 亿美元的表外债务，用于建设其 Hyperion 数据中心——这是有史以来最大的私人信贷产品。
虽然 Magnificent 7 利润丰厚，但一旦资本支出激增带来的折旧费用开始产生，它们的净收入将在未来几年内受到拖累。做出一些非常粗略的假设，我们估计未来五年他们的年度折旧费用可能会从 150 美元攀升至 4000 亿美元。
此外，许多分析师认为，超大规模企业对 AI 数据中心的 5-6 年使用寿命假设过于乐观，考虑到英伟达 GPU 更换周期的加快，2-3 年更合适。如果正确，任何调整都将导致收益受到更快的打击。
人工智能的囚徒困境
“如果我们最终误用了几千亿美元，我认为这将是非常不幸的，显然。但我想说的是，我实际上认为另一边的风险更高。
? 马克·扎克伯格，Facebook 首席执行官
“我愿意破产，也不愿输掉这场比赛。”
? 拉里·佩奇，谷歌联合创始人
Magnificent 7 以高品质而享有当之无愧的声誉，在关键科技市场处于寡头垄断状态。
然而，人工智能似乎准备打破这种舒适的寡头垄断，至少在大型科技公司首席执行官的心目中是这样。正如比尔·盖茨本人所说，人工智能将各自的市场——搜索、社交媒体、购物——合二为一，谁赢得了人工智能竞赛，谁就赢得了所有市场。他们将人工智能视为一种生存风险，被迫陷入一场激烈竞争且代价高昂的军备竞赛。
人工智能军备竞赛类似于经典的“囚徒困境”博弈论问题。虽然最佳举措是企业双方同意缓和其人工智能投资，以保持其寡头垄断，但这种平衡是不稳定的，因为每家公司都被激励单方面增加投资以占领市场;如果 OpenAI 全力以赴，其余公司就不能坐以待斃。这导致了次优平衡，即所有公司都积极投资，即使这会导致过度投资和集体利润池的破坏。
图：人工智能的囚徒困境
人工智能的到来让Magnificent 7 别无选择，只能离开他们坚不可摧的堡垒，在一个成本极高且竞争激烈的竞争环境中进行战斗，一个资本要求高、进入门槛低的竞争环境。
尽管我们坚信人工智能是一项技术，但具有讽刺意味的是，其沉重的资本要求和竞争激烈的市场结构实际上正在降低负责创建人工智能的公司的质量。到目前为止，投资者仍然对这些人工智能投资持建设性态度，但如果军备竞赛确实导致严重的过度投资，痛苦可能会在后面。
过去技术革命的重要教训之一是，底层基础设施的建设者往往没有获得太多所创造的价值。相反，价值会累积到他们的客户和社会其他人身上。
例如，美国铁路扩张因 1873 年和 1893 年的恐慌而中断，数百家铁路公司破产。同样，在 2000 年互联网泡沫破灭之后，电信股指数暴跌 -92%，即使在 25 年后仍未恢复。
然而，虽然宾夕法尼亚中央大学和全球十字路口可能失败了，但他们建设的基础设施促进了大规模的经济增长。正如下一个展览所显示的那样，在经历了许多投资者的坎坷几十年之后，铁路业终于站稳了脚跟。然而，即便如此，他们赚取的利润也只是所创造的整体经济价值的一小部分（参见 Azhar 和 Warren （2025））。
图：铁路在创造的 GDP 中所占份额很小
事实证明，长期赢家实际上并不是铁路或光纤的建设者，而是他们的客户——这些技术的早期采用者。这些公司避免了巨额投机性资本支出的风险，同时仍然受益于新技术带来的收益。
我们早些时候看到，投资热潮往往导致产能过度建设。有趣的是，虽然这对基础设施建设者不利，但对他们的客户来说却是件好事。供应过剩压低了价格，有效地导致建筑商向客户提供补贴。
在互联网泡沫中，电信铺设了 8000 万英里的光缆。在接下来的几年里，由于这些电缆中有 85% 未使用，带宽成本下降了 90%。虽然这导致许多电信公司破产，但它最终推动了 Netflix 和 Facebook 等公司的崛起，这些公司在互联网补贴的支持下蓬勃发展。
在过去的几年里，投资者对人工智能股票的胃口永不满足。自然，最直接的人工智能游戏——像英伟达这样的大型人工智能基础设施提供商——获得了最大的收益。然而，随着这些公司的估值和资本要求不断上升，我们认为投资者应该扩大搜索范围，不仅包括基础设施公司，还包括更多不为人知的人工智能受益者。
我们如何识别这些隐藏的人工智能赢家？在以前的研究中，我们创建了一个框架来识别有望从人工智能兴起中受益的股票。为了做到这一点，我们建立了一个“人工智能分析师”来挖掘散布在大量非结构化和替代数据集中的线索，从招聘信息到商标。
图：AI金融分析方法示意图
这种数据密集型方法不仅帮助我们识别大型人工智能基础设施提供商，还帮助我们识别其他不太明显的人工智能受益者。此外，该技术具有高度可扩展性，使我们能够覆盖全球数千只股票的快速变化。
下一个展览展示了我们的分析显示的“人工智能受益者”公司的例子。我们将这些分为两类：（1）人工智能基础设施，包括芯片制造商、模型提供商、云运营商和数据中心供应商，以及（2）人工智能早期采用者，包括所有其他预计将从人工智能中获益的非基础设施公司。
下一个展览为每个类别提供了一些示例。在人工智能基础设施方面，我们找到了英伟达、ASML、Nebius、Supermicro、IREN、GE Vernova 和 SK 海力士。同时，人工智能的早期采用者不仅包括 Palantir 和 Uber 等数字原住民，还包括卡特彼勒、沃尔玛、摩根大通、西门子、罗氏和标准普尔等传统行业的早期采用者。
图：人工智能受益人示例资，公司徽标仅供说明之用。截至 2025 年 9 月 30 日。
哪些行业的人工智能股集中度最高？下一个展览显示了每个行业归因于人工智能受益者的市值份额，我们将其进一步细分为基础设施和早期采用者。
人工智能基础设施公司主要集中在通信、技术和非必需消费品领域，但在公用事业、房地产和能源领域也有较小的影响力。相比之下，人工智能早期采用者在各个领域分布更为均匀，他们在通信和科技领域的权重并不比金融、工业和医疗保健高多少。
图：按行业划分的人工智能受益者；资料来源：标准普尔，Sparkline。Universe 由全球顶级股票组成，占总市值的 95%。截至 2025 年 9 月 30 日。
接下来，我们来看看哪些国家对AI受益人的配置最高。下一个图表显示了这两个群体在每个国家的市值中所占的份额。
图：按国家/地区划分的人工智能受益者；资料来源：标准普尔，Sparkline。图表不包括可投资股票少于 25 只的国家和人工智能股票为零的国家。Universe 由全球顶级股票组成，占总市值的 95%。截至 2025 年 9 月 30 日。
在人工智能基础设施方面，美国拥有七大企业中最大、最重要的人工智能公司。然而，半导体和数据中心供应链的关键环节位于国外；英伟达的芯片由台积电使用荷兰 ASML 的光刻机制造。作为其较小股票市场的份额，人工智能基础设施韩国、荷兰和中国大陆也有很好的代表性。
此外，美国以外的许多国家/地区都对人工智能早期采用者提供了大量敞口。事实上，早期采用者在以色列和德国股指中的份额大于美国股指。日本、瑞士、中国、加拿大、荷兰和印度的股市也处于有利地位，可以从人工智能中受益。
总体而言，我们发现，由于英伟达和Microsoft等大型股的主导地位，人工智能基础设施公司作为一个整体遭受了高度集中的问题。相比之下，人工智能早期采用者提供了更大的多元化，以及对更广泛的行业和国家的敞口。
此外，人工智能基础设施公司还面临着资本要求和估值上升的双重挑战。我们在下一个展览中研究了前者，该展览描述了这两个群体在过去十年中的资本密集度。
图：资本密集度，基础设施与早期采用者；资料来源：标准普尔，Sparkline。Universe 由全球顶级股票组成，占总市值的 95%。
虽然人工智能基础设施公司的资本密集度一直较高，但随着时间的推移，这种差距不断扩大，随着超大规模企业开始了数万亿美元的人工智能资本支出狂欢，这种差距在过去一年中爆发式上升。这令人担忧，因为如前所述，重资产公司通常利润较低。
最后，让我们探讨一下人工智能受益者相对于大盘的估值。下一个图表使用四个估值指标的混合显示了每个组的溢价或折扣。
图：估值：基础设施与早期采用者；资料来源：标准普尔，Sparkline。图表显示了每个组相对于宇宙中所有股票的等权重指数的估值。估值定义为市净率、市盈率、市盈率和 EV/EBITDA 的平均值。
到目前为止，投资者对人工智能的热情主要受益于人工智能基础设施公司，他们的估值溢价从 32% 扩大到 137%。正如我们将在下一节中看到的那样，基础设施公司在资本周期开始时表现出色也是之前繁荣的一个特征。另一方面，人工智能早期采用者并没有享受到类似的提升，目前的交易价格仅为 13%。
如何在炒作周期里幸存？
在投资繁荣时期，基础设施建设者将最大的资本置于风险之中，因此往往在萧条中遭受最大的损失。然而，轻资产的早期采用者仍然面临“估值风险”，因为由于对新技术的过度炒作，他们的股票以虚高的倍数交易。
我们在下面的图表中看到了这一点，该图表将电信的互联网时代回报与更广泛的科技指数进行了比较。
图：电信股与科技股；资料来源：纳斯达克，Sparkline。显示的指数是基于价格的（即，它们不包括股息回报）。从 1996 年 4 月 30 日到 2025 年 9 月 30 日。
在互联网上涨中，电信股飙升，远高于更广泛的科技指数。然而，在萧条中，它们又暴跌了，导致了毁灭性的 -92% 的损失。令人难以置信的是，25 年后，电信指数仍比互联网高点低 -60%。
更广泛的科技综合指数在萧条中也遭受了巨大损失，下跌了 -77%。尽管其中一些损失来自思科和世通等基础设施成分股，但我们也看到了互联网早期采用者的崩溃，例如 eBay、E*TRADE 和亚马逊，它们崩盘前夸大的估值反映了对互联网采用的不切实际的预期。
过度估值在互联网崩盘中的核心作用怎么强调都不为过。
资料来源：标准普尔，Sparkline。回报分解适用于 2000 年 1 月 1 日形成的市盈率超过 25 的美国互联网股票投资组合。总回报不仅包括基本面增长和倍数扩张的回报，还包括股息和回购的回报。从 2000 年 1 月 1 日至 2020 年 1 月 1 日。
正如顶部面板所示，尽管互联网崩盘，但这些公司实际上确实实现了互联网助推器所承诺的快速基本面增长，销售额以每年 12% 的强劲复合增长。问题在于，它们在进入萧条时以天价估值交易，市销率为 33.3。随着动物精神的消退，倍数恢复到更温和的 5.2，导致惩罚性的 -85% 损失。
就总回报而言，这些多重压缩造成的严重损失足以抵消强劲的基本面增长。到 2002 年，投资者损失了 80% 的资金。虽然这些互联网宠儿最终确实成长为泡沫倍数的顶峰，但这花了令人痛苦的漫长 18 年。
在此前研究中，我们发现，在过去半个世纪中，系统地投资于接触快速发展技术的公司产生了超越市场的回报。然而，正如互联网事件所说明的那样，这只有在这种快速增长尚未被消化的情况下才有效。不幸的是，在科技繁荣中，市场不仅倾向于定价潜在增长，而且还过度推断了潜在增长。
根据这一框架，我们认为价值投资剧本提供了一种驾驭炒作周期的有效方法。理想情况下，这将使投资者能够保持对创新的持续积极敞口，同时在股票被高估时动态获利了结。
问题在于，市净率等传统估值指标在现代信息经济中的相关性有限。他们对有形资本的关注往往会惩罚部署创新技术的公司，导致许多价值投资者错过了互联网、移动和人工智能等技术的巨大优势。
在此前的研究模型中，我们认为传统价值投资者的反创新偏见可以通过更全面的估值模型来解决，该模型不仅包括有形资产，还包括无形资产，例如知识产权、品牌资产、人力资本和网络效应。
图：无形护城河
使用这个更强大的“无形价值”指标，我们将互联网股票领域分为便宜和昂贵的两哥阵营。我们每个月都会重新平衡，使我们能够动态调整以适应不断变化的估值。
在此期间，全互联网股指相对于大盘经历了往返。然而，将指数分为便宜和昂贵的两半揭示了明显的分歧。廉价的互联网股票实际上在繁荣和萧条时期始终跑赢股市。然而，它们的优异表现被昂贵的互联网股票的表现不佳完全抵消。
图：两种互联网的故事。资料来源：SEC、OpenAI、S&P、Sparkline。Universe 由市值排名前 1,000 的美国股票组成。互联网股票是那些根据其最近的 10-K 被认为可以从互联网中受益的股票。廉价（昂贵）互联网股票是处于无形价值上半部分（下半部分）的互联网股票。
无形价值为驾驭互联网泡沫提供了有效的剧本。在 1990 年代中期，它青睐思科和 Microsoft 等创新互联网公司。然而，随着这些股票被高估，它转向了更不为人知的互联网早期采用者，如 Progressive 和 FedEx。这帮助它度过了萧条，此时它又回到了亚马逊等破败的互联网公司。
OpenAI 首席执行官 Sam Altman说过，“当泡沫发生时，聪明的人会对真相的核心过度兴奋......我们是否处于一个整体投资者对人工智能过度兴奋的阶段？我的观点是肯定的。人工智能是很长一段时间内发生的最重要的事情吗？我的观点也是肯定的。
与 Sam Altman 一样，我们认为人工智能是一项具有历史意义的技术，但投资者的过度兴奋正在市场的许多部分产生泡沫。因此，我们的目标是建立一个投资组合，在结构上提供对人工智能的积极敞口，同时避免过度泡沫。
我们相信，上一节中制定的无形价值手册可以提供帮助。下一个展览展示了应用该剧本从人工智能股票领域识别廉价股票所产生的投资组合。
图：今天便宜的人工智能股票投资组合；截至 2025 年 9 月 30 日。
谷歌、亚马逊和美光等人工智能基础设施公司目前占廉价人工智能股票投资组合的 22%。 人工智能早期采用者占另外 78%，在技术、金融、通信和工业领域（例如索尼、第一资本和西门子）中权重最大。
随着时间的推移，这种分配发生了很大的变化。五年前，廉价人工智能股票投资组合中近一半位于人工智能基础设施公司，其中英伟达等人工智能芯片制造商占比重。然而，随着 AI 热潮的如火如荼，该模式逐渐转向 估值和资本要求较低的AI早期采用者。
图：廉价人工智能股票投资组合：2020年与今天
图：廉价人工智能股票投资组合：2020年与今天；截至 2019 年 12 月 31 日和 2025 年 9 月 30 日。
最后，让我们来看看便宜和昂贵的人工智能股票相对于大盘的历史表现。和以前一样，我们将 AI 股票领域分为便宜和昂贵的两半，每月重新平衡一次。
图：便宜和昂贵的人工智能股票；资料来源：SEC、OpenAI、S&P、Sparkline。便宜（昂贵）人工智能股票是处于无形价值上半部分（下半部分）的人工智能股票。从 2015 年 1 月 1 日至 2025 年 9 月 30 日。
正如我们的互联网案例研究一样，我们发现廉价的人工智能股票的表现始终优于市场。从 2015 年到 2020 年，昂贵的人工智能股票也跑赢了大盘，尽管程度较小。然而，从 2021 年到 2022 年，这些股票的表现大大落后，因为它们膨胀的估值在大流行后的平仓中崩溃。此后，两组人工智能股都恢复了上涨轨迹。
虽然我们不知道未来会如何发展，但廉价的人工智能股票似乎可以在好的时候提供人工智能驱动的优异表现，同时在动物精神消退时减轻估值驱动的损失。随着人工智能炒作的兴起，我们相信这本剧本可以帮助寻求投资人工智能的投资者，而无需承担过高的估值风险。
结论
我们相信人工智能是一项实用的技术，随着时间的推移只会变得更加强大。然而，我们担心即将到来的 5 万亿美元人工智能资本支出将如何影响预期回报。
从历史上看，大规模的基础设施支出，尤其是那些没有明确收入途径的基础设施支出，导致了产能过剩和回报不佳。我们发现，这种资本周期不仅在宏观层面上运行，包括铁路和互联网建设，而且在个别公司层面也运行——企业积极增加资本支出，随后往往表现落后于市场和同行业同行。
我们还担心，鉴于资产密集型公司历来产生的回报较差，人工智能热潮正在将 Magnificent 7 从轻资产转变为重资产。不幸的是，大型科技公司似乎致力于这场竞争激烈且代价高昂的人工智能军备竞赛。鉴于它们在股指中的权重很大，这对许多投资者来说是个问题。
最后，我们对估值上升感到担忧。我们提出了一个使用无形价值的剧本来驾驭炒作周期。随着人工智能炒作的兴起，该模型逐渐从大型人工智能基础设施提供商转向估值和资本要求较低的更广泛的人工智能早期采用者。过去投资繁荣的长期受益者往往不是基础设施建设者，而是他们的客户，这一发现强化了这种投资范式的转变。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
