• AI投资正在迅速加速，但投资者日益质疑预期与现实成果之间的差距。
  • 算力容量、能源基础设施和组织准备度可能成为AI应用与变现的关键制约因素。
  • AI机遇具有全球性，但美国与中国生态系统之间的差异可能带来不同的风险和回报特征。
  • 对投资者而言，纪律严明的资本配置方法可能比追逐市场动能更有价值。

AI显然正在经历炒作周期。然而，投资者对预期与现实成果之间的差距日益警惕。

AI支出正在迅速加速，领先科技企业2026.1的资本开支预计将达到约800十亿美元。更广泛的市场估计显示，未来五年累计投资额将在4万亿美元至8万亿美元之间。2

这一投资加速，加之高企的股票估值，建立在广泛生产力提升和可规模化AI驱动收入的预期之上。然而，即便投资当下正在发生，此类收益的切实证据可能只有在更长时间维度内才会显现。

AI建设也存在风险。物理约束，包括电力供应、电网容量和排放框架，正成为规模化扩张的潜在瓶颈。

尽管股市目前似乎正在看穿这些约束，但当前估值提出了一个更根本的问题：资本市场是否将成熟度定价纳入了仍在演进的系统，实际上在已证实变现之前就赋予了价值？

这些是我们在今年新加坡全球市场大会上向专家小组提出的问题。

讨论的一个关键主题是，尽管AI仍是一股变革性力量，但对投资者而言最有用的框架或许是将视为一个资本配置问题，并聚焦于价值明确正在创造的领域。

近期市场表现——科技板块目前普遍呈现创纪录估值——假设生产力提升将足够广泛，足以证明当前正在进行的基础设施建设合理。这一假设值得审视。

如今，价值最明显地体现在相对狭窄的领域，如编程、采购、内容生成、个性化营销和行政任务。

将其扩展至各行业和用例需要克服三大关键约束：

1．算力。计算能力的大规模扩张正在考验半导体制造商、硬件提供商和数据中心运营商的极限。监管审批也可能影响基础设施项目的推进速度。

2．能源。数据中心用电量在2025激增17%，预计到2030.3将大致翻倍至950 TWh。尽管这占全球发电量不到5%，但数据中心全天候运行的性质给电网基础设施带来了不成比例的压力。发电、输电和配电方面的投资未能跟上步伐。

3．组织准备度。先进AI模型理论上能够实现的目标与企业客户实际能够使用的范围之间仍存在显著差距。2025的一项调查发现，尽管88%的组织现在使用AI，但只有少数报告了实质性的企业级盈利影响，其中6%达到了对盈利至少贡献5%的门槛。4内部治理框架、合规系统和教育框架的演进速度显然不足以弥合运营准备度差距。

这些约束增加了变现挑战和未来风险调整后回报令人失望的风险。更广泛地说，市场可能未充分反映AI经济成熟所需的条件的先后顺序。

因此，价值创造将因行业、产业和地区的采用速度不同而存在显著差异。这就引出了资本配置的问题。投资者应将注意力聚焦于何处？

AI是一种全球现象，但驱动它的生态系统在重要方面存在差异，正如我们在新加坡讨论中所强调的。算力、能源和准备度方面的约束因地区而异，而这些生态系统之间的竞争将继续塑造投资者的估值和回报。

在美国，领先的AI实验室目前正在专为AI原生环境打造的芯片上训练下一代模型。

在中国，企业正在追求高效、低成本的开源模型，这反映了相对于美国同行在资本、算力和人才获取方面的差异。

然而，如果中国模型未能随时间保持竞争力，较低的收入可能使估值承压。

专家组强调了成功采用AI的企业的共同特征：对AI是用于降低成本、创造新收入还是实现运营现代化的战略清晰度；真正的领导层支持；以及具备适当的基础条件，包括数据、人才和技术。

短期内，当AI用于为特定行业开发定制模型，或构建在明确定义的工作流程内解决问题的智能体时，变现最有可能实现。

这一动态已经扰乱了SaaS板块的估值，并正迫使投资者重新思考多个行业的盈利预期和现金流模型。

从更长期来看，基础设施和某些其他行业可能对颠覆更具韧性。需要人类判断和情境专业知识的更高价值认知工作，仍超出当今AI工具的能力范围。在这些情况下，AI的价值可能集中在狭窄、定义明确的工作流程内的结构化、可验证任务中。

AI已从一项小众技术转变为全球投资者对话中的主导性主题。其影响触及每一类资产；这已不再局限于成长型股票和半导体股票的故事。

投资者需要审慎地为各类机会定价，并抵御市场动能的牵引。经证实的变现路径必须与执行风险相权衡。

正如讨论中所强调的，资本配置方法提供了一个有用的锚点。通过聚焦风险调整后回报，以及AI价值实际得以实现的特定条件，投资者可以构建出以契合自身授权的方式参与全球AI叙事的投资组合，同时认识到，在广泛的生产率提升全面兑现之前，有纪律的配置就已至关重要。

1. 北美AI数据中心扩张推动前九大CSP的2026资本开支达到US$830十亿

2. 追踪数万亿：塑造AI建设规模的各种假设

3. IEA：2025数据中心用电量激增