Invest Like The Best · 核心结论

🔥 核心投资框架：算力短缺与定价权重构

GPU 现货价格在 6-7 个月内上涨 50-60%，签约合同价仍在历史低位，这是整个 AI 投资逻辑中最被低估的定价权不对称。

• 现货 vs 合同价的巨大价差：一家顶级 AI 初创公司以约 $2/小时 租赁数千张 Blackwell，而同规格 B200 集群的七个月后的合同价接近 $4/小时。某推理云明确表示合同到期后将支付 100% 溢价续租。这意味着所有超大规模云都在"低估"自己的存量算力。
• 存量算力重新定价 = 经营现金流加速：随着旧合同到期，算力租金将按更高价格重新签约。即使现货价格下跌，只要合同价重新定价上行，AI 基础设施的整体收入仍然加速。这不是线性增长，而是合同到期潮带来的阶梯式上修。
• 经营现金流已在加速：Microsoft、Meta、Amazon 的经营现金流从 28% 加速至 32%（若剔除一次性法律费用则达 35%）。这种量级的加速在万亿美元基数上意义极其重大。
• AI 估值处于十年低位：Nvidia 当前远期 PE 处于过去十年最低水平，仅低于 Liberation Day 和 DeepSeek 两个 V 型底部。市场定价假设 Nvidia 严重超赚，但实地调研未发现任何负面量化指标。

🧠 AI 实验室竞争格局：Game Theory 下的军备竞赛

OpenAI 重回赛道、SpaceX/Grok 强势入场，Anthropic 曾因为计算力投入保守而错失窗口期——在 AI 竞争中"买少了会输，买多了可能破产"，但后者概率远低于前者。

• OpenAI 的补课：此前 Anthropic 因在算力采购上过于谨慎而落后于 OpenAI，现在 OpenAI 大幅加码，SpaceX 通过 Starlink 部署海量算力并以极低价格、极快速度上线集群，Grok 4.5 和 Cursor 收购进一步加速。
• SpaceX 作为数据中心：Fund AI 报告显示 SpaceX 可能在 18 个月内部署 8GW 算力（以 $50B/GW 计即 4000 亿美元 ARR）。过去三年中只有超大规模云、CoreWeave、Crusoe 和 SpaceX 单年接入超过 500MW 电力，而 SpaceX 部署最快、成本最低。市场尚未充分定价这一能力。
• 实验室之间的博弈：在任何一阶段，算力获取速度 = 模型发布速度 = 市场份额。这形成了自我强化的军备竞赛循环，没有任何一家头部实验室会踩刹车。
• AI 原生公司崛起：Cognition（Rea）、Stripe、Harvey（已被收购）、Cursor、Perplexity 等公司AI 支出越多增长越快。A16Z 等统计显示 AI 原生公司每员工毛利呈垂直增长，显著超越历代创业公司。

🔓 开源模型加速：利润转移而非需求减少

开源模型抢占份额是从顶层模型层拿走利润边际，但底层算力消耗不变——一个 token 消耗的 FLOPs、内存、功耗完全相同。

• 开源的"暗物质"效应：公开市场对开源模型难以精确衡量，但从推理云（Together AI、Fireworks）的数据来看，GLM 5.2、Kimi K3、NeMoTron 正在 massively 加速。硅基数据（Silicon Data）Token 指数因开源占比上升而"走平"，但这只是 mix shift——token 总量仍在增长。
• 路由器架构：AI 原生公司通过 router 将请求优先分配给定制化开源模型（通过 SFT 和 RL 微调），仅复杂任务路由到顶层模型。这可以以约半价获得略优效果，但 token 生产所需的算力完全相同，实际总 GPU 消耗小时数可能因使用更多廉价 token 而上升。
• 推理云的现金效率：Together AI、Fireworks Base Data 等推理云以极低的现金消耗实现与早期顶层实验室相当的增长速度，Rule of 40 指标极其亮眼。这是 AI 产业链中最被低估的现金奶牛。
• 多模型未来：AI 原生的未来是多模型架构——开源模型处理日常请求，顶层模型处理高复杂度任务。这不会减少总算力需求，只会改变利润在产业链中的分布。

💰 融资结构：经营现金流 vs 债务驱动——为什么信用市场无需恐慌

如果 AI 建设需要大量信贷，信用利差走阔和实际收益率上升确实是重大利空。但实地证据表明，绝大多数建设可由经营现金流覆盖。

• 信用市场的警报：实际收益率上升、信用利差走阔、Meta 债券定价异常、CDS 全面走阔——这些数据确实令人担忧。但如果 AI 建设依赖债务融资，这将触发经典的"债务驱动资本周期"，一旦供需失衡，违约风险迅速蔓延（类比互联网泡沫）。
• 经营现金流足以覆盖：超大规模云 1.3-1.4 万亿美元经营现金流，即使以低于当前 Blackwell 的 Ampere 级别效率货币化，也足以产生约 2 万亿美元经营现金流。这将消除约 7000 亿美元的信贷需求，信用指标反而改善。
• Nvidia 的信用包装模式：Nvidia 推出类信用包装 + 收入分成的新模式——以 GPU 价格作为后盾，为买家提供融资便利。这实质上是"Nvidia 通过特许权费快速建立大型云业务"，大幅提升每 GW 收入，同时增强竞争壁垒。竞争对手使用非 Nvidia 芯片时面临更高的 HBM DRAM 融资成本和更差的融资条件。
• LTA 的"权力的游戏"：GPU 买家（Amazon/Trainium、Google/TPU、AMD、Nvidia）与 HBM 供应商之间的长期协议（LTA）是市场份额的关键决定因素。打破 LTA 在供过于求时看似有利，但若两三年内供需逆转，打破协议的买家将失去优先供应配额——这可能直接摧毁业务。这形成了强烈的路径依赖和锁定效应。

⚡ 技术前沿： disaggregated inference 与 S-ray-M 加速器

将推理拆解为 pre-fill、attention、feed-forward network 三个独立阶段，各自使用最优芯片，将显著提升 AI ROI。

• 推理拆解的三层架构：pre-fill 可在不依赖 HBM 的芯片上完成；attention 阶段使用配备 HBM 的高性能芯片；feed-forward network 阶段使用 S-ray-M（SRAM-based）加速器。SRAM 芯片不依赖 HBM、在旧工艺节点制造，不与传统 GPU 竞争 HBM 产能。
• SRAM 加速器优于预期：无论怎样调整 compute-to-HBM-to-SRAM 比例，workload 总是在变化，但拆解为这三个独立阶段后，SRAM 在 feed-forward network 阶段的表现始终最优。这将显著提升整体 AI 投资回报率。
• 持续学习与样本高效学习：业内普遍认为持续学习和样本高效学习即将突破。若模型能以 10 万亿 token 训练后高效自主学习（而非当前的 300 万亿 token），训练需求将阶段性下降。但训练仅占半导体需求的极小比例，且样本高效学习会加速模型部署，反而推高推理需求。Nvidia 深度参与所有相关初创公司，这是利好而非利空。

🇨🇳 中国 DUV 光刻机：过度反应与长期威胁并存

DUV 光刻机对中国而言是从"螺旋桨飞机"到"喷气式引擎"的相变，虽落后 25 年但意义重大。市场大概率过度反应，但不应低估。

• 类比的精确性：DUV 光刻机之于 EUV，如同螺旋桨飞机之于喷气式引擎。中国从 2001 年到 2026 年经历了"做中学"的积累，虽然落后约 25 年，但已经实现了从"无"到"有"的相变。
• 市场的周期性遗忘：如果 DUV 最终达到 ASML 当年的订单量级，可能需要五年。在此期间，市场会多次经历"忘记-担忧-忘记-担忧"的循环，导致股价反复波动。
• 脱钩的自我强化：中美在半导体领域的脱钩已被启动，且正以自我强化的方式在双方同时推进。中国不会停止，美国也不会倒退。

⚖️ 最大风险：监管与舆论

实地调研未发现任何负面量化指标，最大的风险来自监管和舆论——AI 行业在公关方面的表现极其糟糕。

• 纽约数据中心禁令：纽约率先推出数据中心 moratorium，甚至在一些深红州也出现阻力。这标志着监管风险正在从概念变为现实。
• 公众认知与现实的巨大偏差：普通美国人认为数据中心的电费会涨价、耗水巨大、抢走工作。但现实恰恰相反：signed pledge 的数据中心通过"表后计量"协议使周边电价下降；数据中心建设带来持续的管道工、电工、HVAC 承包商等高薪蓝领岗位——是几十年来对蓝领工资最有利的力量之一。
• 错误信息的传播：一本学术书中因小数点错误导致"数据中心用水量被高出一万倍"的谣言传播，作者已多次公开承认错误，但公众认知并未纠正。类比《大力水手》中菠菜含铁量的经典错误。
• AI 的公共利益叙事：AI 正在拯救生命、治愈罕见病。ASCO 年会上被描述为"有史以来最密集的科学突破"。行业需要将这个故事讲出去，但从业者因"这太显而易见"而无法意识到公众认知的巨大差距。

🏗️ 劳动力替代与"token 占薪酬比"

知识工作市场达 25 万亿美元，若 token 支出占薪酬的 20%，即 5 万亿美元——来自更快经济增长或劳动力替代。

• AI 原生公司的 token/薪酬比：在深度采用 AI 的公司中，token 支出占总薪酬的 20-25%；Fred Diaz（Diaz Patel）的公司高达 30%；甚至有人听到 50% 的案例。
• 创始人领导公司不裁员：创始人主导且控股的公司（最可能快速采用 AI 提高效率）目前没有大规模裁员。这说明他们预期 AI 释放的产能将用于增长而非缩减。
• 蓝领受益：所有行业的蓝领工人都在因 AI 而受益——数据中心建设需要持续的物理基础设施维护。
• adoption 的不均衡：西海岸 AI 采用领先、东海岸尚处起步、欧洲仍在犹豫监管。从全球 80 亿人到仅 50 万人使用 agentic AI，差距意味着算力需求还有指数级增长空间。

🛰️ 远期展望：轨道计算与 SpaceX 的隐含期权

SpaceX 作为"数据中心公司"的身份正被市场逐步认识，轨道计算（Star Cloud）从 Benchmark 的投资判断来看正在变得愈发真实。

• SpaceX 被误读为单一业务公司：市场仍以航天公司定价 SpaceX，但其 AI 基础设施能力——快速部署、低成本、大规模电力接入——正在重新定义其价值中枢。
• 轨道计算：Benchmark（独立于 Elon 生态的智识来源）投资了 Star Cloud 这一轨道计算公司，并与 SpaceX 合作利用 Starlink 激光技术。这为"SpaceX = 数据中心公司"的论点提供了外部验证。
• 隐含期权价值：当前 SpaceX 股价中几乎未包含其算力部署能力的定价。即使仅部署 8GW 计划的极小部分，也对估值有重大意义。

📊 投资启示——AI 基础设施的结构性机遇

AI 投资的核心叙事已从"需求有多强"转向"钱从哪来"——答案是由经营现金流自给自足的结构性繁荣，而非债务驱动的不可持续周期。

• 做多算力基础设施层：GPU 现货重定价 + 经营现金流加速 + LTA 锁定效应 + Nvidia 信用包装模式，四条主线共同强化了基础设施层的定价权和护城河。
• 推理云是被低估的现金奶牛：Together AI、Fireworks 等推理云以极低现金消耗实现高速增长，Rule of 40 指标优异，是 AI 产业链中确定性的受益者。
• 开源加速 = 基础设施层的胜利：无论 token 来自顶层模型还是开源模型，底层算力消耗相同。开源市场份额扩大意味着更多 token 被处理 = 更多 GPU 小时消耗。
• 信用市场是最大误判风险：如果市场因信用利差走阔而做空 AI 基础设施，而实际经营现金流足以覆盖 CapEx，则存在巨大的预期差。
• 监管风险是尾部风险：数据中心 moratorium、水资源争议、就业替代叙事若叠加，可能在短期内对板块造成超调式打击——但这恰是买入机会。
• SpaceX 是最高赔率的隐含期权：市场以航天公司定价，但其数据中心能力正在快速兑现。Benchmark 对 Star Cloud 的投资提供了独立验证。

投研跟踪表

核心假设：超大规模云经营现金流将持续加速（28%→32%+），足以覆盖 AI CapEx 的绝大多数；GPU 现货价格维持高位且合同到期后将系统性重定价上行；算力短缺至少在未来 2-3 年持续。

若核心假设错误：经营现金流不加速 + GPU 现货价格持续下跌 + 开源高效学习大幅降低训练/推理需求 → AI 基建投资回报下降 → 信用利差走阔引发债务危机 → 类互联网泡沫式崩溃。

关键验证信号：
1. 超大规模云（MSFT/META/AMZN）季度经营现金流增速
2. GPU 现货价格与签约合同价的价差趋势
3. AI 原生公司 token/薪酬比的变化（跟踪 A16Z/Icahn 数据）
4. 监管动态（数据中心 moratorium 扩展范围）
5. HBM 供应商 LTA 履约情况（任何违约都是重大信号）
6. Nvidia 远期 PE 与 AI 实验室盈利能力的相对位置

投资映射：Nvidia / 超大规模云 / 推理云（Together AI、Fireworks）/ HBM 供应链 / SpaceX / AI 原生头部公司

阶段判断：AI 基建投资周期的"自我强化阶段"——实验室军备竞赛 + 现金流自给 + 定价权上修，形成正向循环。

市场定价偏差：市场过度关注信用利差和宏观利率，严重低估经营现金流覆盖 CapEx 的能力；对 GPU 重定价的结构性影响定价不足；对 SpaceX 的 AI 能力几乎零定价。

催化事件：下一季度超大规模云财报（经营现金流验证）/ 更多州出台数据中心 moratorium / Nvidia 新融资模式扩展 / SpaceX 8GW 计划进展 / 开源模型capability 突破（RSI）

负责研究员：[填写]

日期：2026-09-30

下次复查：2026-12-30

最终结论

Gavin Baker 的实地调研得出了一个与二级市场定价显著偏离的判断：AI 基础设施正处于从"故事驱动"向"现金流驱动"转折的历史性窗口——超大规模云的经营现金流已在加速，GPU 现货价格在过去半年上涨 50-60%，开源模型加速不减少总算力需求而是将利润从模型层转移到基建层，Nvidia 的信用包装模式正在构建类收租平台。最大的风险不是基本面，而是监管和舆论。

从投资角度看，当前市场定价隐含了两个关键误判：一是认为 AI 建设需要大量债务融资，而实际上经营现金流已接近自给自足；二是将 GPU 合同到期视为旧产能淘汰，而实际上合同重定价将系统性上修行业收入。Gavin Baker 的核心框架可以概括为：在算力短缺持续、经营现金流加速、定价权上修三重驱动力叠加下，AI 基础设施是未来 2-3 年确定性最高的结构性投资主线。SpaceX 作为被误读的隐含期权和推理云作为被低估的现金奶牛，提供了额外的非对称收益机会。唯一的黑色天鹅是监管风暴——但如果行业讲好数据中心和 AI 公共利益的故事，这一风险可控。