股票策略：思绪中断：人工智能叙事会受挫吗？

丢失了我的思维链：人工智能叙事会卡壳吗？ 签名 我们仍然将人工智能视为一项投资主题，但会探讨数据中心资本支出的“万一”情况。对于标普500指数，面临风险的每股收益相对较小，但估值更为脆弱。宏观层面的影响不容低估。我们强调几个对冲机会。 美国股票策略 Venu Krishna, CFA+1 212 526 7328 venu.krishna@barclays.com BCI, US 雷克丰+ 1 212 526 6114 rex.feng@barclays.com BCI，美国 •人工智能作为一个投资主题，基础依然稳固。即使资本支出预测为13位数且每年增长30%，计算需求仍超过供应。高级推理模型和代理的普及只是提高了上限。AI服务提供商的收入增长迅速，在标普1500家公司中，有十分之一的公司在效率/生产力提升的背景下提到了AI。 Riddhiman Dass+1 212 526 0850 riddhiman.dass@barclays.com BCI, US 贾品德，CFA+1 929 694 1784 japinder.chawla@barclays.com BCI, 美国 •起泡，但还不是泡沫（目前）。超大规模企业的资本支出/销售额高达25%，但仍然远低于互联网泡沫时期主要电信运营商的40%。杠杆率也仅为当时的几分之一。随着人工智能人才战争的加剧，运营支出正在上升，但仍然跟不上超大规模企业核心业务的收入增长，随着人工智能的加速采用，未来还有更大的增长空间。 马杜雷什·拉伊，CFA+1 212 526 5752 maddy.rai@barclays.com BCI，美国 •放大忧虑之墙。用熊市来测试轮胎使我们集中精力于数据中心资本支出可能如何失误：如果电力限制使未来的建设变得不可行呢？如果模型停止进步并且计算效率导致资产利用率不足呢？如果资金需求超过现金生成呢？ 美国股票衍生品策略 斯特凡诺·帕斯凯莱+1 212 526 7983 stefano.pascale@barclays.com BCI，美国 •影响远超科技。\"AI经济\"正裹挟越来越多的行业。回顾DeepSeek-R1周边的市场动态，不仅揭示了科技，也揭示了能源、工业和公用事业对数据中心资本支出叙事中断的敏锐暴露。 支原·范 +1 212 526 5530 zhiyuan.fan@barclays.com BCI,美国 •eps影响可能较小，估值风险更严重。如果未来两年数据中心资本支出下降20%，而不是年增长30%，在所有其他条件相同的情况下，我们估计标普500指数对2026财年每股收益将有一个3-4%的逆风。同时，我们预计该指数将贬值10-13%，因为数据中心资本支出的受益者、超大规模计算器和其他人工智能股票的估值将压缩。 数据科学雷纳特·马尔奥尔(v)+1 212 526 2484 renate.marold@barclays.com BCI, US 巴克莱资本公司及其任何一家附属公司均与其研究报告涵盖的公司进行和寻求进行业务往来。因此，投资者应注意该机构可能存在利益冲突，这可能影响本报告的客观性。投资者应将此报告视为其投资决策中的唯一因素。 •让我们聊聊GDP。据估计，数据中心投资可能贡献了2025年上半年美国GDP增长中1.4pp中的1pp。如果美国经济衰退独立于人工智能投资逻辑而发生，数据中心投资的撤离可能会使本已糟糕的情况更加恶化。我们将这一情景视为对股票更大的威胁。 •规避极限风险。我们仍然对人工智能持建设性态度，但即使是向上的道路也可能充满障碍。我们转向巴克莱股票狂热指标（EEI），该指标量化了自人工智能成为投资主题以来日益普遍的投机行为激增，以帮助我们识别廉价看跌期权。 人工智能，真实成长 美国科技行业在近十年来常被提及的美国股票特殊主义中发挥了关键作用。大型股在广告、搜索、电子商务和基于云的业务中的日益主导地位，使它们在全球股票格局中占据了令人羡慕的增长位置。自2022年ChatGPT出现以来，人工智能已成为这一增长叙事的核心要素，一项新兴但快速发展的技术，它（且威胁）要颠覆世界创造、消费和商业化的现状，就像计算机、互联网、移动设备和云计算在过去几年中所颠覆的方式一样。正是这种历史性范式转变的承诺，以及错失它的恐惧，使得投资资金流向美国人工智能创新者。 毫不奇怪，AI讨论在S&P 1500季度财报会议上已变得非常普遍，并在几乎所有公司报告中出现（图3在盈利电话会议中，“数据中心”一词的使用增长同样迅速，尽管在最近的报告期内，电话覆盖率仍然较低，约为22%图4). 人工智能的发展依赖于庞大的物理数据中心基础设施，从执行训练大型语言模型和生成其输出的每秒数千万亿次计算（exaFLOPS）所需的芯片，到支持这些过程所需的连接器、存储、网络、电源和冷却，再到容纳它们的建筑物。超大规模企业每年都在增加数百亿美元的研发支出以满足这一需求并且预计在可预见的未来还将继续这样做。 即便在当前的投资规模和增长率下，计算需求持续超过供应。NVDA预测到2030年累计人工智能基础设施支出达3-4万亿美元似乎难以置信，除非考虑到一个兆瓦数据中心成本高达600亿美元，而且仍然存在短缺：今年早些时候，OpenAI不得不限制其图像生成模型的访问，因为其“GPU正在融化”。麦肯锡最近的一项研究估计，到2030年，人工智能与传统工作负载的结合将需要7万亿美元累计数据中心资本支出，其中超过40%的支出将被美国吸收。GPT-5和Cursor等高级推理模型以及AI代理的到来，仅仅增加了总潜在需求相对于之前的应用，它们具有更密集的计算需求。 然而，鉴于人工智能建设的速度和规模，激进的 demand 假设存在供应不匹配的风险。资本支出的时机不当或分配不当是大型科技公司的偶尔挑战（想想亚马逊在新冠疫情后履约能力的近翻倍，或Meta 对现实实验室的追求），这说明了为潜在的非常强劲的增长进行规划的内生性困难。但超大规模厂商的资本支出/销售额已上升到自互联网泡沫以来很少见到的水平这是过度预支基础设施开支的一个典型教科书案例，其原因是预期需求和实际需求之间存在不匹配。本质上，如果我们实际上并不需要所有这些计算能力，那该怎么办？ 这些关注最尖锐的例子是今年1月DeepSeek-R1发布时的市场反应，这是一个开源模型，声称以几分之一的开发成本达到了与当时领先模型相当的性能。持续的担忧，当时和现在，仍然是AI是否到了它的“黑暗光纤”时刻。其中指数效率导致基础设施资产关键性闲置。在点com的案例中，虽然ROI最终在当时的建造数据中心和光纤网络上实现，但它来得太晚，无法使建造它们的公司受益。 资本支出一直是大多数令人担忧的头版头条的关注焦点，但在人工智能经济中，运营支出（opex）也在上升。人才竞争导致薪酬包达到数百万美元，同时花费数十亿美元收购前沿实验室和人工智能初创公司，通常是为了获取关键专长。经过几年的“效率提升”后，大型科技公司的运营成本再次上升，并且与资本支出不同，这些成本直接阻碍了利润。 我们强调了从事AI相关职位招聘的公司份额的增加，以及那些已有十个或更多AI领域悬而未决的职位空缺的公司。在通信服务和科技公司中，从H123到H125，有十个或更多AI相关新职位空缺的公司份额跃升了十个百分点(图8除能源行业外，越来越多的公司创造了更多与人工智能相关的职位。根据美国劳工统计局（BLS）发布的职位 opening 动态（JOLTS）数据，总的职位 opening 数量从2022年年中达到峰值后呈下降趋势，这使得这些增加更为显著。 所有这些疑虑在某种程度上都是成立的，但我们看到了理由去支持辩论的另一方。其中最主要的是当前的技术基础设施建设比25年前有更坚实的财务基础。超大规模计算资本支出正在积极增加，但仍然占销售额的约25%，相对于互联网泡沫时期的过度投资而言，这相对谨慎，当时主要电信运营商的资本支出激增至销售额的40%以上。 重要的是，超大规模企业在此扩张过程中也维持了稳健的资本结构。债务水平一直保持良好控制，通常在EBITDA的0.25倍以内，相比之下，在 dotcom 时期领导基础设施建设的有线电信运营商中，许多企业杠杆率很高，债务往往超过EBITDA的多个倍数。这种差异突显了其根本不同的商业模式：电信运营商在一个商品化、类似公用事业的环境中运营，利润率较低且定价能力有限。相比之下，超大规模企业受益于高利润率运营、强劲的自由现金流产生和充足的现金储备——所有这些都为其资产负债表创造了能力，以资助资本支出。 尽管超大规模企业的运营支出不断上升，但收入增长得更快，这支持了利润率扩张和规模扩展。相比之下，互联网泡沫时期的电信运营商难以实现有意义的经营杠杆；1997年的前三个季度，运营支出急剧增长，而收入增长仍然温和。在随后的几个季度，这两个指标同步变动，导致经营杠杆保持平稳。到2000年，随着泡沫接近顶峰，尽管收入开始下降，运营支出仍在温和上升，进一步侵蚀了盈利能力。在点com泡沫期间，电信运营商从未享受过像超大规模企业当前人工智能周期所展示的那种利润率扩张和成本纪律。 最后，不同于点com泡沫中的“暗光纤”现象人工智能的应用已经正在进行中，并正在改变全球经济。即使不考虑“超级智能”或通用人工智能（AGI）这样的奇思妙想，大型语言模型（LLMs）正在发挥作用，并正在推动生产力的切实提升，这正在转化为服务提供商的真实且快速增长的收入： •微软的Azure云业务在第三季度增长了33%，其中包括来自人工智能服务的16个点。 •Anthropic估计其2025年8月退出时的运营收入超过50亿美元——比年初增长了五倍。 类似地，标普1500公司高管们普遍对人工智能（或“人工智能”）评价非常高。正如我们所展示的图13，关于人工智能的讨论越来越与诸如“效率”、“改进”和“收入”等积极上下文词语联系在一起，分别涵盖了最近报告期电话会议中12%、10%和6%的内容。 聚焦于人工智能的提及以及近期报告期的上下文词汇，我们统计了每个上下文词汇在不同行业中被提及的频率。在大多数行业中，上下文词汇如“效率”和“改进”在与人工智能相关的内容中被频繁提及（图14), 而 AI 在 IT 公司中更多地与 \"收入\" 联系在一起。相反，IT 公司很少提及与 AI相关的成本。在金融、医疗保健和消费品行业的情况下，收入与成本参考的平衡更有利于后者。 据传闻，一些标普500公司已经就AI在不同应用中的部署所带来的生产力提升提供了估算，包括软件开发时间和营销活动投资回报率的30%+改进，以及项目工作流程时长的指数级减少。这预示着未来采用的良好前景，特别是在AI代理的开发和实施方面。 我们认为这些是强有力的信号，表明采用正在以健康的速度进行，因此，我们相信人工智能作为一个投资主题，仍然有着坚实的基本面支撑。鉴于潜在的经济后果，我们认为在企业和主权层面都存在强烈的动机，要在人工智能军备竞赛中保持领先，这将使投资持续流入，随着投资回报率（ROI）从这里继续提高。话说回来，鉴于人工智能已经变得如此拥挤，审慎地质疑任何投资主题是明智的，因此我们探讨了基本情况可能出错的一些方式。 在资本支出中的收回是AI交易的关键风险因素 \"人工智能经济\"已经远远超出了科技巨头的范围。超大规模企业仍然是核心：其核心业务的盈利能力——无论是广告、搜索、云服务还是企业软件——加上强劲的现金流转换，正在资助数据中心资本支出，但是这笔资本支出使美国股票市场的受益面扩大随着基础设施需求涵盖越来越多的供应商，数据中心似乎已成为标普1500中增长和收入的一个更重要的来源，正如在同一句话中越来越频繁地提到“增长”和“收入”与“数据中心”一起时所暗示的那样（图16相比之下，“成本”一词近来几个季度在数据中心方面的提及频率有所降低，突显了那些承担费用的相对较少的群体。 聚焦于数据中心参考文献以及上述图中所示的环境词，从最近一个报告季度开始，我们统计每个环境词加上“数据中心”在各个行业中