AI 投资思考系列：8 篇文章总览

这是一个相互独立但彼此引用的系列。每一篇都从不同角度切入 AI 投资的一个核心问题，可以独立阅读，也可以按顺序读完形成完整框架。本系列共 8 篇内容文章。

系列结构

#	文章标题	核心问题	字数
1	AI 价值兑现的真相	AI 究竟创造了多少真实经济价值？哪些领域真，哪些领域假？	约 2.3 万字
2	识别炒作的 8 个指标	如何系统性区分真趋势与炒作？	约 2.5 万字
3	CPU:GPU 配比走向 1:1	Agentic AI 如何重塑算力基础设施？	约 2.1 万字
4	四大公司未来承诺深度	NVIDIA、OpenAI、Anthropic、Google 各自承诺了什么？谁能兑现？	约 2.3 万字
5	中美 AI 算力链的估值与压力测试	在 5 种情景假设下，配置应该如何调整？	约 2.4 万字
6	AI 电力瓶颈：电力是不是最稳定的那把铲子？	电力相比 GPU、代工、HBM，是不是真正最稳定的铲子？	约 2.2 万字
7	AI 资本开支的隐形杠杆：四大云厂商把债务藏在哪里	牛市说”还有发债空间”——真正的杠杆比报表显示的高多少？藏在哪里？	约 0.6 万字
8	同样的设备，两种盖法：读懂 AI 训练与推理的算力基建	同一批硬件，为什么训练焊成超算、推理摆成舰队？	约 0.5 万字

总计约 15.0 万字。

系列论证链

[第 1 篇] 价值兑现真相 —— 确定 β 假设
              ↓
[第 2 篇] 炒作识别框架 —— 给出方法论
              ↓
[第 3 篇] 算力革命     —— 用方法论评估"Agentic 红利"
              ↓
[第 4 篇] 四大公司承诺 —— 用方法论评估具体公司的兑现可能性
              ↓
[第 5 篇] 估值与配置   —— 综合前 4 篇得出条件性结论
              ↓
[第 6 篇] 电力瓶颈     —— 电力是不是比 GPU、代工、HBM 更稳定的铲子？
              ↓
[第 7 篇] 隐形杠杆     —— 撑起 AI capex 八成的四家，把多少债务藏在了表外？
              ↓
[第 8 篇] 算力基建     —— 同一批硬件，训练与推理为何盖成两种形态？

推荐阅读路径

路径 A：完整阅读（推荐严肃投资者）

按 1 → 2 → 3 → 4 → 5 → 6 → 7 → 8 顺序读完，预计 8-10 小时。

路径 B：方法论优先

读 第 2 篇（炒作识别框架）→ 第 1 篇（用方法论审视 AI 现状）→ 第 5 篇（应用到投资决策）→ 第 6 篇（电力链稳定性分析）→ 第 7 篇（资金侧的隐形约束）。

跳过具体公司分析（第 3、4 篇），适合关注方法论而非个股的读者。

路径 C：实战配置优先

直接读 第 5 篇 和 第 6 篇，再补 第 7 篇 理解资金端的隐形约束。遇到不理解的地方回头看其他文章。适合已经持有 AI 资产，想优化配置的投资者。

路径 D：单篇深入

每篇都可以独立阅读。如果你只对某个具体话题感兴趣：

• 关心 AI 是不是泡沫 → 第 1 篇
• 想要可复用的判断工具 → 第 2 篇
• 关注半导体 / 算力链 → 第 3 篇
• 关注具体公司基本面 → 第 4 篇
• 关注实战配置 → 第 5 篇
• 关注电力基础设施 → 第 6 篇
• 关注 AI capex 资金端 / 表外杠杆 → 第 7 篇
• 关注算力基建 / 训练与推理的硬件差异 → 第 8 篇

立场说明

本系列不给出绝对的”买/卖”建议，而是：

1. 展示判断的不确定性边界 — 任何结论都标注置信度（高/中/低/未知）
2. 给出条件性结论 — “如果 A 假设成立，则配置 X”，而非”应该配置 X”
3. 诚实承认数据局限 — 区分”已验证事实”、“行业共识”、“作者推断”
4. 保留压力测试 — 每个推荐都附带”反向情景”

数据时点统一

所有数据截至 2026 年 5 月 7 日。后续如需更新，会注明数据日期。

引用规范

• 所有数字标注来源
• 所有”业内人士”言论标注公司、职位、披露时间
• 凡涉及估值数据，标注是 TTM PE / Forward PE / PB / EV/EBITDA 哪一种

免责声明

本系列不构成投资建议。作者对任何标的不持有特定立场。文中所有”配置建议”均为基于公开数据的方法论演示，读者需根据自身风险偏好和资产状况自行判断。

---

开始阅读：第 1 篇：AI 价值兑现的真相