华尔街分享，人工智能算力需求依然强劲。在经历了宏观市场动荡和围绕AI发展前景的舆论起伏不定的夏季之后，英伟达（Nvidia）最新的财报为这一态势提供了迄今为止最明确的短期佐证。公司营收达到962亿美元（环比增长18%，同比增长106%），其中数据中心业务贡献了890亿美元（同比增长117%）；同时，第三财季营收指引定为1080亿美元。然而，此次财报电话会议最引人注目的亮点在于管理层透露，2028财年的营收可能增长约70%，而市场普遍预期仅为45%左右——这种对中期需求前景的预期上调虽显得有些过早，但意义重大。这种清晰的前景展望有力地回应了外界的担忧，即AI基础设施是否存在过度建设，或者更高效的模型与过于乐观的预期是否最终会损害整个生态系统。至关重要的是，英伟达CEO黄仁勋（Jensen）将这一前景描述为受限于供应能力：他指出，若无供应限制，实际需求将“高得多”，但英伟达目前无法获取足够的存储芯片、晶圆、电力及数据中心容量来满足潜在的订单需求。鉴于他是全球掌握该领域信息最全面的CEO，我选择相信他的判断。需求基础也在不断扩大：超大规模云服务商（hyperscaler）的营收环比增长13%，达到约490亿美元；而AI云服务、工业及企业级市场的营收则增长25%，达到约400亿美元。这种增长态势降低了公司对少数几家超大型客户的依赖。这与Frank Flight的研究结论不谋而合——尽管Token（标记）价格有所下降，但整体AI支出和算力需求仍呈现出积极向好的态势。近期，AI供应链领域的顶尖分析师、来自SemiAnalysis的Dylan Patel在一档播客节目中给出了更令人瞩目的长期趋势数据。Patel预计，全球AI算力规模将在2026年、2027年和2028年分别新增约30吉瓦（GW）、50吉瓦和70吉瓦；SemiAnalysis的模型显示，2024年至2029年间的累计AI资本支出将超过11万亿美元，即便如此，供应仍将无法满足模型发展与营收增长所带来的需求。关键在于，这已不再仅仅是为了预期未来收益而进行的投机性支出。据估算，在 Anthropic，每兆瓦（MW）成本为 1000 万至 1500 万美元的算力资源，已能产生高达 5000 万美元的收入。这种态势改变了原有的运作逻辑：推理环节产生现金流，这些现金流被重新投入到模型训练与研发中，而性能更优的模型又能带来更高的单位算力收入。年初时，OpenAI 的算力规模约为 2 吉瓦（GW），Anthropic 不足 2 吉瓦，但预计年底两者均将超过 5 吉瓦。由此，算力需求形成了自我强化的增长循环。此外，超大规模云服务商（hyperscalers）掌握着资产负债表和大部分物理基础设施，而处于行业前沿的顶尖实验室则日益掌控着这些基础设施中回报率最高（尽管波动性也更大）的应用场景。这一趋势利好更广泛的 AI 基础设施产业链——涵盖云服务、存储、网络和电力等领域——但这并不意味着所有在技术前沿投入资金的企业都能获得可观回报。效率提升也不太可能成为缓解算力压力的“泄压阀”。尽管最新一代系统的能效（单位功耗性能）约为上一代的 3 到 5 倍，但这只会提高部署这些系统的经济回报，并扩大可行工作负载的范围。归根结底，更先进的模型和更低廉的推理成本并不会减少对算力的需求，反而提升了消耗算力所创造的价值。当前的制约瓶颈日益集中在存储芯片、晶圆、电力供应、项目审批及资本投入等方面。对市场的看法是看好股票资产。AI 领域的各项基本面指标持续向好，宏观环境也提供有力支撑，具体表现为宽松的金融条件以及市场对 AI 资本支出周期持久性的信心重燃。这种组合将为美国风险资产在中期内的表现营造有利环境，并可能推动 AI 基础设施板块在经历艰难的夏季后迎来新一轮上涨。Warsh 主席发表讲话后，长端收益率趋于稳定，这将为上述走势提供支撑；正如在早先的分析中所强调的，更偏向鹰派的政策立场对于稳定长端收益率中的期限溢价至关重要，而长端收益率的稳定不仅对更广泛的风险资产至关重要，也是支撑 AI 产业发展故事的基石。话虽如此，认为这更像是一个值得乐观的窗口期，而非某种无止境的趋势；因为中期选举将把焦点引向资源分配问题以及围绕人工智能基础设施的政治博弈——特别是涉及电力供应、项目审批及经济租金高度集中的议题，而这些正是我长期深入探讨的话题。就目前而言，基于基本面证据，策略上应着重把握这一窗口期，而非仅仅隔窗观望；当然，我们也需意识到，随着11月的临近，这一窗口的前景很可能会变得愈发扑朔迷离。

美国宏观经济凯丰基本面美联储人工智能英伟达