TMTB周报:AI甜蜜期落幕 周日好!过去一周行情起伏:QQQ指数小幅收跌,但盘面之下的下行压力十分突出。TMT动量指数明显下行,半导体板块走弱,软件板块大… · @2030FY_X · TwKit

@2030FY_X

TMTB周报:AI甜蜜期落幕 周日好!过去一周行情起伏:QQQ指数小幅收跌,但盘面之下的下行压力十分突出。TMT动量指数明显下行,半导体板块走弱,软件板块大幅上涨,前期被高做空比例的AI相关软件标的领涨市场。 AI细分板块 AI软件、AI落地应用相对占优;存储相关标的表现分化,机器人、全球存储、AI技术受益板块、谷歌AI基础设施、电网配套、广义AI指数、光模块、新型云服务商、核电、算力基础设施、AI电力配套、CPU板块普遍承压。 风格因子 成长型软件、资产负债表偏弱标的、科技质量、长期成长、未盈利科技股、比特币相关板块有所表现;盈利成长、散户偏好、高空头持仓、财务稳健标的、广义成长、海外收入占比较高板块、对冲基金重仓多头、大型消费科技、智能代理、TMT动量配对因子走弱。 很多多空对冲基金本周处境艰难,高盛对冲基金VIP组合年内跌幅显著,周四创下2011年以来最差单日表现。摩根士丹利与高盛主经纪商反馈,TMT主题基金本月普遍出现明显回撤。10月5‐16日,科技板块净卖出达到高盛2017年有统计以来的极值。科技资产依旧在对冲基金持仓中占比很高,处于近五年高位。机构半导体板块的整体持仓占比已经从前期高点回落。 这和近期一线调研反馈一致:虽然机构整体在收缩风险敞口,但AI半导体依旧保留大量持仓,只是市场陷入买方观望状态。短线资金已经降低半导体仓位,但不少长线投资者处于被动持仓的局面。机构长线组合调仓偏谨慎,自6月高点以来已经出现不小回撤;短线、中线仓位则在本轮回调中及时调整,规避更大损失。与此同时,大量科技全赛道投资者,无论长短线,都把更多研究精力投向软件板块。 七大科技巨头持仓接近历史高位 ZeroHedge相关信息显示,对冲基金对七大科技巨头的超配程度创下新高。高盛统计显示,主经纪商账户中七大科技巨头净敞口占美股总敞口的比例处于历史最高区间。 机构降杠杆主要压缩净敞口,整体名义持仓规模降幅有限。高盛数据表明,全球基本面多空基金净杠杆接近三年低位,但总名义敞口仍处在历史高位区间。美国多空策略总杠杆有所抬升,净杠杆进一步下行,多空比值回落至多年低位。 AI半导体持续遭到抛售,市场开始消化AI实验室营收放缓、融资风险抬升带来的连锁冲击,不少个股与细分板块已经跌至前期情绪低点下方。 盘面整体偏弱:部分硬件企业财报及指引向好,但股价依旧持续下行;部分半导体标的回吐前期财报利好带来的涨幅;半导体设备板块受头部企业业绩指引不及预期拖累。部分设备股完全回吐4月启动的这一轮AI行情全部涨幅。半导体指数在200日均线附近来回震荡,方向不明,整个半导体赛道市场情绪低迷。 反观软件板块,市场氛围明显回暖,等权软件指数向上突破。云业务、网络安全以及一批优质应用软件龙头领涨,板块走势和半导体完全相反。部分软件标的在财报落地后经历一轮下跌,随后迎来显著反弹。综合调研信息:科技机构整体对软件板块仍然低配,即将到来的财报季,市场对企业业绩预期门槛不高。除前期表现疲弱的AI软件标的之外,市场重点关注营收提速、业务逻辑迎来拐点的软件公司。 甜蜜期落幕:AI主线后续将如何演变 过去几周,布局AI半导体的投资者承受较大压力。本月初市场低估了头部AI实验室营收数据对整个AI主线的冲击,没有提前预判前置风险因素:蒸馏业务收入下滑、头部大模型企业抢占市场份额、互联网大厂缩减外部算力采购。这些信息此前均有公开报道,如果类比财报事件,本应在数据落地前降低风险暴露。事后复盘来看,当时本是收缩仓位的窗口。 虽然前期判断存在偏差,但市场重新审视AI实验室营收与融资风险,也促使投资者重新拆解AI产业链,理清各个环节之间的联动逻辑。 回顾行情:AI半导体行情的前三年,尤其五六月份行情火热的时候,市场处于“甜蜜期”,乐观情绪高涨,风险意识弱化,各类消息都被往积极方向解读。就像热恋阶段,容易忽视现实隐患,即便出现风险信号,也会主观美化现状,只接收乐观观点,相信AI将带来颠覆性变革。 市场被乐观情绪主导,即便经历过互联网泡沫、金融危机、SaaS周期、疫情科技行情的历史教训,很多投资者依旧淡化过往风险,认为GPU会走出一轮全新超级周期,不会重演光纤行业产能过剩的旧故事,对算力租赁价格持续乐观。 但狂热终将消退,市场开始直面赛道短板,提出现实问题:AI实验室的收入能否支撑行业高昂成本?市场是否把短期景气无限线性外推,默认融资成本会长期维持低位?到2028年,电力供给能否匹配行业扩张需求? 整条主线逻辑变得复杂,不少投资者怀念此前单边上涨的行情。但甜蜜期的结束,也意味着行业走向成熟。需要正视现实、下调预期,把研究重心放在真正具备基本面韧性的环节,而不是反复纠结现存短板。 下面具体分析AI实验室营收如何和融资挂钩,以及后续演化方向。本周已经撰文分析头部AI实验室财报带来的启示,后续其招股书披露还会释放更多信息。本周末进一步梳理清楚,为什么实验室营收放缓,会传导到算力建设的融资端。 在近期的一次访谈中,行业分析师Craig Moffett提出核心观点:真正决定行业命运的,是流入整个AI生态的终端真实收入。 关于泡沫的讨论 访谈对比了2000年互联网泡沫时期光纤建设,与当下GPU算力建设的异同。有一种观点认为,当年光纤建好闲置,而现在GPU实实在在投入使用,租赁价格还在走高。 Craig Moffett对此有不同理解:从1999年泡沫得到的教训,就是要忽略产业链中间环节的流转收入,中间交易产生的营收参考价值有限。电信泡沫年代,运营商之间互相采购网络容量,产生大量账面收入,但不等于终端真实需求。同理,芯片厂商向云厂商供货、新型云服务商拿到订单,都只是产业链中间流转。 真正关键的,是流入生态的终端收入,也就是大模型企业面向企业、政府拿到的真实付费收入。无论已经实现还是合理预期,要看这部分收入能不能覆盖整条产业链的建设成本。中间环节的营收只是噪音,终端收入才是行业生存根基。 AI产品本身技术实力突出,长期确实有变革世界的潜力,但市场核心疑问是:行业能不能实现足够的定价与盈利,以此托举整条产业链。这也是当下市场恐慌的根源,这个问题目前没有确定答案。 如果认同终端收入才是核心,那AI实验室的年度经常性收入就是最好观测指标,这部分收入占整个AI生态收入接近一半。多家机构拆分收入结构,测算头部实验室收入占行业整体的比重处在很高水平。 因此实验室营收,是判断生态新增资金能否匹配算力建设规模的风向标。按测算,实验室相关算力资本开支,在未来AI整体资本开支中占比很高。两大头部实验室也是算力建设的核心边际采购方,是新型云服务商项目最重要客户。一旦它们增长放缓,短期内很难看到其他主体承接未来规划的庞大算力产能,市场对远期芯片出货的一致预期存在下调压力。 行业用内部收益率模型测算行业回本逻辑:累计AI资本开支规模庞大,年度AI营收体量可观,但营收不等于现金流,要扣除电力、人力、网络、销售等各类成本。想要达到不错的回报水平,就需要很高比例的营收转化为现金流。芯片实际服役年限对回报影响巨大,芯片寿命缩短,会直接拉低项目收益率。 这也解释为何市场高度关注头部AI实验室营收。把模型推演到未来,若要维持合理回报,未来几年AI整体营收需要达到极高规模。即便项目回报仍为正数,营收增速放缓依旧会转化为融资风险。 风险传导链条如下:AI实验室签署大规模长期不可撤销算力采购合约。大型云厂商为保证自身投资级信用,不愿意将巨额债务记在表内,于是和新型云服务商签署多年照付不议租赁协议,把债务剥离出资产负债表。新型云服务商再依托这份租赁协议对外借款,背靠大厂合约可以拿到相对优惠利率。 但风险在于,租赁协议归属云厂商子公司,子公司有权终止合作,大厂主体并不为债务兜底。债权人真正拥有的只是算力租金收益权,面向实验室的算力项目,租金源头最终还是来自AI实验室。正如行业人士总结:整套算力资本开支建立在层层借贷之上,最源头的信用支点就是前沿AI实验室的股权与经营收入。 债权人无法分享业务上涨红利,收益上限就是债券利息,所以定价只评估下行风险:租金能不能持续到账,合约到期之后算力资产还能租出什么价格。 以1吉瓦算力项目做简化测算:建设投入高昂,芯片占大头,芯片有固定服役周期,剩下是机房电力配套。项目大部分资金来自外部借贷,债权人要求在芯片报废前完成还本。对比两类融资,背靠大型云厂商的低成本债务,以及依托AI实验室的高成本债务。同等租金收入下,扣除运营成本、还本付息之后,前者可以实现盈利,后者则会亏损。 这里两个核心变量是租金水平与融资利率。AI实验室营收放缓,会同时让两个变量恶化: 1. 融资利率上行:面向AI实验室的算力项目,债权人会要求很高利息。在高利率环境下,只有租金维持高位,项目才有微薄安全垫。 2. 预期租金下行:如果实验室收入不足以承担算力成本,算力租赁价格就会承压。仅仅市场预期未来租金下滑,就会直接推高当下债务成本,也就是资产残值风险。 最终结果就是新增算力项目融资变难,依赖实验室需求的算力建设节奏放缓。这部分资本开支占未来AI总投资比重不小,而新型云服务商建设规模接近整体算力的一半。 行业访谈也印证这一点:新型云服务商代表非大厂算力需求,占整体建设接近一半。拿不到大型科技企业采购协议就很难融资。只要客户是头部AI实验室,债务成本就会居高不下。没有头部订单兜底,算力项目几乎无法落地,只能由大型云厂商推进。部分机构尝试靠短期高价租给初创企业消化产能,但整体会抑制行业扩张。 市场出现一种看似矛盾的现象:在企业愿意承受的价格下,算力供给紧张;但要达到覆盖新建数据中心成本的租金,又会出现算力过剩。AI实验室的收入,就是弥合这个缺口的关键。 当前市场对远期芯片出货的乐观假设,已经超过现有机房和电力可以承载的上限。如果依赖实验室的算力融资遇冷,芯片出货预期就要下调。这也是AI板块股价很难计价远期乐观预期的原因。 反过来,如果实验室营收重新提速,融资利率下行,租金预期企稳,算力项目商业模型重新成立,远期芯片出货预期才具备可行性。但还有一个悬而未决的问题:除代码生成之外,下一个可以拉动实验室营收持续增长、证明增长可持续的杀手级应用在哪里。 以上就是当前困扰AI主线的核心矛盾。甜蜜期已经过去,但赛道还没有走向彻底崩塌。长线层面没有完全放弃赛道;中短线,半导体方向保持偏低的敞口,依靠盘面信号动态调整,优先配置生态中基本面更强的环节,同时保持调仓灵活性。今年市场反复出现超预期事件。 当下市场更多定价的是远期融资风险,而非终端需求彻底崩塌。相对占优两类主体:一类可以依靠自有资金承担算力建设;另一类受益于AI推理成本下降,不少软件、互联网企业属于此类。现阶段,依靠AI实验室需求、债务驱动的算力链条仍是整个体系最薄弱的地方。 矛盾不会短短一周消化完毕,但接下来会有大量关键信息释放:头部AI实验室招股书、多家科技巨头财报、企业分析师日披露融资计划、大模型企业新一轮融资落地。官方的实验室营收更新短期很难看到,市场只能通过第三方平台、订阅补贴间接观察需求与商业化情况。 电力供给是独立硬约束。市场还在寻找代码之外的下一代AI核心应用,网络安全被视作潜在候选。AI主线想要迎来改善有两条路径:一是营收或远期营收预期、融资环境同步好转;二是盈利预测与估值充分回调,匹配放缓的算力建设节奏。目前市场处于进退两难的中间地带。这种环境下,半导体企业即便财报尚可,股价依旧走弱,这也是本轮财报季已经出现的现象。 总而言之,风险被充分暴露和讨论,长期看是好事,即便会带来短期账户波动。把短板摆上台面的行业,才拥有更扎实的发展基础,只是这个过程需要时间。

曝光 438 · 评论 1 · 点赞 1 · 书签 0