理解迈克尔·伯里做空AI的押注：这对投资者到底意味着什么
新闻要点
知名投资者迈克尔·伯里因押注英伟达等人工智能公司下跌而受到广泛关注。他认为，超大规模运营商对其人工智能硬件（如服务器、GPU）的折旧率估计过于乐观，假设了过长的使用寿命。他预计2026年至2028年间，行业折旧被低估了约1760亿美元，导致甲骨文和Meta Platforms等公司收益可能被高估达27%和21%。 文章指出，超大规模运营商普遍倾向于降低折旧率以延长资产使用寿命，从而短期内提高收益。然而，亚马逊在2025年将折旧率提高至五年，理由是“人工智能和机器学习领域技术发展步伐加快”，这在一定程度上支持了伯里的观点。如果伯里正确，则意味着超大规模运营商的盈利增长预期将被下调，资本支出将大幅增加，且对人工智能投资回报的评估将趋于悲观。 文章同时对伯里的论点提出了质疑：降低折旧虽增厚收益但会减少现金流，而大型科技公司通常现金流充裕，且债权人更关注现金流和EBITDA。此外，人工智能投资旨在创造长期收益，而非短期盈利。英伟达管理层也曾表示，六年前出货的GPU至今仍满负荷运行，支持了较长使用寿命的假设。 最终，文章认为虽然可能存在无效的人工智能投资，但难以预测其规模和时间点，折旧率并非有效指标。建议投资者关注基于现金流的估值，并避免财务稳健性较差的公司。
背景介绍
迈克尔·伯里是一位著名的对冲基金经理，因其在2008年金融危机前成功押注美国房地产市场泡沫破裂而闻名，这一事迹被改编成电影《大空头》。他以深入研究财务报表和逆向投资策略著称，经常挑战市场主流观点。 当前，人工智能（AI）技术正经历快速发展，由英伟达等公司提供支持的AI硬件和基础设施是推动这一浪潮的关键。超大规模云服务提供商（如Alphabet、Amazon、Microsoft、Meta和Oracle）正投入巨资建设AI数据中心，以满足日益增长的AI计算需求，并争夺市场份额。这些投资的会计处理，特别是资产折旧，对其财务报表和盈利能力具有重要影响。
深度 AI 洞察
伯里对折旧率的关注是否仅仅是其对AI市场更深层次担忧的表象？ 伯里对折旧率的分析，虽然基于会计技术细节，但其核心可能反映了对AI行业当前估值和投资热潮可持续性的深层怀疑。这不仅仅是关于一项资产应摊销多久，更是关于： - 资本配置效率： 伯里可能质疑在AI硬件上的巨额资本支出是否能产生与其预期寿命和当前估值相匹配的经济回报。如果技术迭代过快导致硬件迅速过时，那么资本的实际回报率将远低于账面预期。 - “郁金香泡沫”心理： 在任何新兴技术浪潮中，都可能出现市场狂热，导致非理性投资。伯里以其逆向思维著称，他可能将折旧问题视为一个早期信号，预示着市场对AI未来前景的集体乐观预期可能已脱离基本面。 - 短期与长期错配： 如果公司通过调整折旧率来“美化”短期盈利，这可能表明管理层在应对市场对增长的持续高压时，采取了牺牲长期稳健性的策略。 超大规模运营商调整折旧率的真正动机是什么，仅仅是为美化财报吗？ 超大规模运营商调整折旧率的动机可能比简单美化财报更为复杂，并且具有战略性考量： - 内部投资回报率（ROI）评估： 延长资产折旧年限可能基于内部对硬件技术寿命的信心，或旨在提高其内部投资回报率指标，以证明持续高额资本支出的合理性，从而吸引或维持投资者信心。 - 竞争与市场地位： 在AI军备竞赛中，保持高额投资和看似强劲的盈利能力对于维持市场领导地位和客户吸引力至关重要。财务报表的优化可能是一种战略工具，用于在竞争激烈的云服务和AI基础设施市场中保持叙事优势。 - 税收优化与现金流管理： 虽然降低折旧会增加税前利润从而可能增加税负，但企业可能会有更复杂的税收策略平衡，例如利用其他抵扣或税收优惠来管理净现金流影响。企业在不同国家和司法管辖区运营，其税务策略是高度定制化的。 - 技术演进的不确定性： 硬件的实际使用寿命往往受到软件优化、新兴技术标准和客户需求变化等多种因素影响。企业在设定折旧年限时，可能在技术乐观预期和实际应用之间寻求平衡，但这种平衡本身就带有高度不确定性。 投资者应如何评估AI硬件投资的真实风险，并规避潜在“泡沫”？ 在当前AI投资热潮中，投资者需要超越表面数据，采取更为审慎和批判性的评估方法来识别并规避潜在风险： - 关注“核心”与“边缘”： 区分AI基础设施的核心受益者（如高性能芯片供应商、关键数据中心技术）和那些可能仅仅是追逐热点的“边缘”应用层公司。核心技术提供商的护城河通常更深。 - 深入分析客户粘性和生态系统： 评估超大规模运营商的AI投资是否能转化为高客户转换成本和强大的生态系统效应。如果客户可以轻易切换平台，那么再大的前期投资也难以保证长期盈利。 - 非GAAP指标的重要性： 对于高增长科技公司，应更密切关注非GAAP（非通用会计准则）的衡量标准，如自由现金流（FCF）、EBITDA以及客户生命周期价值（CLTV）与客户获取成本（CAC）的比率，这些指标往往能更好地反映业务的真实经济效益，而非会计调整下的盈利。 - 情景分析与压力测试： 投资者应对不同技术迭代速度、市场竞争加剧以及宏观经济逆风下的公司表现进行情景分析。例如，如果AI普及速度放缓，或出现颠覆性新硬件，当前投资的价值会如何变化？对公司的现金流和债务偿还能力进行压力测试。 - 管理层沟通的审视： 批判性地审视管理层关于AI投资回报和技术寿命的公开声明。寻找具体、可量化的里程碑和绩效指标，而非宽泛的乐观预期。