北京
来源：新浪财经
9月16日，由新浪财经主办的AI投资峰会在北京举行，主题为“AI基建时代的确定性机会”，重阳投资董事长王庆就AI算力产业链发表观点，从资本市场一线参与者角度，剖析了超节点技术对AI推理与训练格局的潜在影响，以及当前全球资本开支扩张背后的资金约束与市场风险。
超节点：推理与训练的新变量
王庆坦言，科技层面自己是外行，但作为资本市场参与者，他认为超节点对整个AI产业意味着新的想象空间。
在推理端，国内代表性大模型参数规模持续攀升，Kimi3已达万亿级，年内有可能再上台阶。这要求算力与模型架构同步升级，混合专家模型架构（MOE）的使用对并行策略等提出更高要求。王庆判断，这类需求恐怕只能通过超节点这样的系统集成方式来满足，若打通，AI模型推理可能进入新周期。
训练端则是另一番景象。受物理芯片先进制程限制，国内在训练方面相对落后，但国产芯片在推理环节正扮演越来越重要的角色。王庆认为，训练方面的突破恐怕也要依赖工程优化，以突破单一芯片形成的限制。若超节点爆发，有望使国内AI训练进入新周期，意义颇为重大。
资本开支：需求不构成约束 资金成本才是关键
从需求端看，王庆认为目前不构成约束。资金端的基本格局是：美国几大厂商资本开支去年约4000亿美元，今年大数可能到8000亿美元，明年有望达1万亿美元，规模仍在增长。
资金来源正发生变化。去年主要消耗企业自有现金流，今年这些厂商自有现金流转负，开始对外融资，包括股权和债券方式。国内节奏稍慢半拍，去年5000亿元人民币，今年1万亿元人民币，明年有望增加。国内大厂经营现金流流入与流出今年已基本达到平衡，部分大厂也开始发股或发债。但王庆强调，对于国内资本开支，目前最紧的约束恐怕还是来自算力获得。
美国大厂借债能力充足。王庆测算，假设1倍净杠杆率，理论上还有1万亿美元融资空间；2倍净杠杆率则接近1.9万亿至2万亿美元。目前表内负债率约27%，计入表外和或有负债后不到40%，约36%至37%，空间仍在。关键是成本问题。
融资方式正从自有现金流、发债、融资租赁，延伸到独立建设数据中心、云厂商租数据中心，这些数据中心又通过私募股权、私募信贷融资。王庆指出，大云厂商加持或信用背书的融资项目利率约5.3%至6.6%，接近美国长期国债水平；无大厂商信用背书的项目利率更高，达8.5%至9%。成本约束离不开宏观与资本市场环境——美国通胀持续高于目标，财政状况意味着政府不断在市场融资，利率居高不下。资金成本可能是约束资本开支的因素，这也是市场高度关注美联储货币政策与利率变化的原因。
确定性方向与潜在风险
王庆认为，确定性方向首先是算力需求和新一轮资本开支。国内虽比美国慢半拍，但大厂资本开支明显加速，去年5000亿、今年1万亿，大厂都在加大部署力度，办公领域机会争取尤为明显。基础设施租赁与商业应用场景逐步打开，供应端存储算力设计生产通道也已打通，供需两端形成合力。另一个确定方向是云本身，云服务需要更高层次、更高级别的服务，需求端大模型不断迭代，两个方向都比较确定。
风险方面，王庆提示产业链上游零部件供应端的潜在压力。需求旺盛但短期供给跟不上，今年以来涨价对下游形成压力。不过该领域门槛不高、壁垒不深，中国制造能力跟进很快，从近期上市公司情况看都在融资，未来产能预计很快上来，涨价趋势恐怕难以维持。若难以维持，市场当前对相关公司的盈利前景和估值定价就需要调整，这是潜在风险。
最后一个风险来自市场行为。王庆指出，这些机会高度共识，尤其在中国市场参与结构下，容易形成很快的拥挤交易和抱团，进而带来资本市场层面的风险，不一定是产业层面的风险。考虑到7月份以来市场调整，这给投资者提了个醒：基本面变化与资本市场变化并不一定同步，既需要关注基本面演化节奏，也要关注资本市场本身估值、风险溢价水平，甚至投资者行为特征。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
