币安交易所官网

有时候周期的相似性不是被证明出来的，而是被直接说出来的。Donald Trump在一次公开表述中，把当前AI投入规模与上世纪90年代末的互联网建设周期直接放在一起对比，这种类比并不严谨，但市场对“方向感”的捕捉往往比精确性更敏感。

他提到一个核心判断：AI资本投入比当年的互联网基础设施建设“更大”。这句话放在产业语境里，其实更接近一种宏观叙事，而不是严格统计意义上的比较。但问题在于，资本市场本身正在用类似的叙事方式定价AI周期。

高盛在2025年的估算提供了一个更量化的参照框架。到2026年，全球人工智能资本支出可能需要达到约7000亿美元，才会接近当年电信基础设施建设高峰的强度。而其进一步预测则更激进：2025年AI相关资本支出约7650亿美元，到2031年可能扩张至1.6万亿美元级别。

如果把这些数字拆开来看，它们对应的并不是单一行业，而是一整条链条的同步扩张——NVIDIA Corporation为代表的算力供应、云计算厂商的基础设施投资、数据中心扩建、以及围绕模型训练的电力与散热系统。AI资本开支并不是“一个行业在花钱”，而是多个基础设施层级同时被拉动。

这种结构有点像互联网泡沫时代的电信周期，但也不完全相同。当年的投资主要集中在光纤、交换机和基础网络节点，属于相对线性的扩张路径。而现在的AI投资更像是“算力密度+软件能力+能源系统”的三重叠加，复杂度明显更高。

市场真正感受到压力的地方，不在于投入规模，而在于节奏。资本支出前置明显，而收入侧的兑现周期仍然分散在不同应用场景里。云厂商可以通过API和订阅模型变现，但大量垂直应用还处在渗透初期。这种时间错配，使得AI周期更接近一个“长期资本密集型项目”，而不是快速消费型技术浪潮。

在同一场表述中，Trump还提到了一个更偏产业政策层面的判断：他预计在任期结束前，美国40%到60%的芯片制造将回流本土。这个数字无法简单核验，但它指向的方向与当前政策路径一致——半导体供应链正在被重新本土化。

芯片与AI之间的关系并不抽象。算力本质上依赖物理制造能力，而制造能力又受限于地缘结构与资本投入周期。当AI需求上行时，芯片产能就从“周期性行业”变成“战略性瓶颈”。这也是为什么AI资本支出会与半导体投资同时抬升，它们不是两个周期，而是同一个周期的上下游。

从市场角度看，真正的变化并不是AI是否“像互联网”，而是资本正在以互联网周期的逻辑重新定义基础设施。互联网时代的逻辑是“连接扩张”，AI时代的逻辑更像“算力扩张+模型集中化”。前者推动用户增长，后者推动资本密度提升。

这也解释了为什么高盛等机构不断上调AI资本支出预测。它们并不是在押注短期需求爆发，而是在试图刻画一个更长的结构：当模型能力成为基础设施时，资本开支就会从“周期性投资”变成“持续性输入”。

周期是否过热的问题仍然存在，但判断标准已经变了。过去看的是用户增长曲线，现在更多看的是算力、能源和芯片产能的约束。某种意义上，AI已经不再只是一个技术行业，而是一个被基础设施重新定义的资本密集系统。