Intelligence as Infrastructure: How AI Is Rewiring the Economy

这场对谈发生在一次投资年会的圆桌环节，主题是「智能即基础设施：AI 如何重塑经济」。台上两位嘉宾都从 1998 年入行，经历过互联网 1.0 至今的数轮科技周期：亚历克斯是聚焦全球科技股的对冲基金 Whale Rock Capital 创始人兼投资负责人，里昂则是长期深耕半导体与科技板块的对冲基金投资人。两人从通胀路径、就业时滞谈到算力缺口、半导体资本开支与软件估值，最后落到具体持仓，锋利处并不留情。本文依据现场录音编译整理，仅删去口语枝节与寒暄，论点、例证与数据一概保留。

为什么还没看到失业

主持人： 这场对谈会非常精彩，也非常应景。今天的题目是「智能即基础设施：AI 如何重塑经济」，最近关于这个话题的长文特别多，所以我很想听听你们的第一手观察，既包括 AI 生态圈内部的公司，也包括圈外的公司。里昂，我们之前聊的时候你提到，这件事现在还不成其为问题，但你正在盯着它未来对就业的冲击，盯着 AI 一层层渗进经济体系。你觉得这个过程会怎么演进？

里昂： 谈 AI 对经济的影响，这个题目实在太大，我在这儿讲三个小时都讲不完。所以我想换一个切口，从通胀入手，看清楚因果链条。长期看，这是一股极强的通缩力量，道理简单到一句话就能说完：我们将用少得多的钱，得到多得多的东西。就拿医疗行业举例，它大概占 GDP 的 18%，占一个人收入的 10%。这里面有很大一块，靠大语言模型（LLM）之类的东西就能拿到。它的破坏力是真实存在的。

主持人： 那开关在哪里？因为我们其实还没真正看到。是有一些公司，最近也确实有不少裁员公告，说是因为 AI，但这件事还没有在更广的经济数据里显形。

里昂： 中间有时滞。而且我觉得，短期内对通缩这个判断要小心一点，因为短期你完全可能先撞上一段通胀。你看现在的价格：CPU、存储，以及整个基础设施本身，价格在往天上走，这些都是投入成本。再看劳动力市场，其实相当强劲。你会以为软件工程师是最该被冲击的一群人，直接一批批裁掉就是了，但现实不是这样。上个月软件工程师的招聘量增长了大概 18%。

里昂： 这件事我越想越有意思，为什么会这样？我认为增量不在科技行业这一侧，科技公司确实在裁员，或者在用人上谨慎得多。增量在旧经济那一侧。所有人都想把大模型装进自己的公司，都要学怎么用、怎么落地，他们必须找人帮忙，这就带出了一部分软件工程师的招聘需求。产品开发人员现在也极其抢手。所以眼下的劳动力市场，尤其是旧经济那一块，是「动手裁人比较慢，破坏来得比较迟」的状态。所以我的判断是：先来的是通胀，劳动力市场还很强。

里昂： 再往后看，这些模型每三个月就会有一次巨大的跃进。从软件工程师这个角度说，随着提示工程（prompt engineering）越来越成熟，你只要把想做的任务准确地交代给模型，那么对这批人的需求可能就没那么大了。所以顺序是：先是一段黏性通胀，长期则是极强极强的通缩。如果再把机器人叠加上来，几年后的劳动力市场可能是另一副模样。

主持人： 这会让美联储的工作变得相当棘手。

里昂： 未来几年我一点也不羡慕坐在那几把椅子上的人。

主持人： 是啊，他们手里能用的工具可能相当有限。亚历克斯，这个时间表你同意吗？

我们还在第一个击球位

亚历克斯： 我得说，里昂基本上已经把答案说出来了。这个问题的两边都站着极聪明的人，一边说 AI 会摧毁就业市场，另一边说会带来巨大的繁荣。但我觉得他讲得很准。举个我们自己的例子：Whale Rock 有史以来第一次，我们是想招人的。我们在找「Claude 忍者」，我们知道要做出那些厉害的东西，必须有人帮忙。所以在替代发生之前，你得先招一批人。写代码确实是字面意义上替代劳动的领域，但它同时让人们能去做以前根本不会去做的软件。所以 AI 对就业到底意味着什么，仍然是个很难的问题。它会带来极其强大的生产力，但需要时间。

亚历克斯： 说到底，我们还站在 AI 的第一个击球位上。我们所有人都在用 AI，可那只是 AI 1.0，本质上是打了激素的搜索引擎。现在我们才刚看清商业形态的 AI 长什么样：是 Claude Code 这类东西，接进你所有的数据源，在上面搭技能（skills），再往上搭真正能出去干活的智能体（agents）。而用这种高级方式使用 AI 的白领，占比小得可怜。全球大概有 10 亿白领，这批人可能只有 10 个基点，也就是万分之十。

亚历克斯： 所以我们当然还看不到什么显著的生产率提升。但如果你仔细看这批人到底在干什么，那是令人瞠目结舌的。再把镜头拉远一点看整个 AI 故事的位置：这万分之十里，Claude Code 有 1400 万日活，只有 1400 万。这些才是每天真正拿它做业务的人，但他们还不等于那万分之十。那万分之十烧掉的算力和 token，是其余人的一千倍。

亚历克斯： 接下来你会看到 1400 万日活变成 5 亿日活，同时那些真正在深度使用、手里同时跑着十几个智能体的人的比例也会上升。这两件事都在直线往上走。我们在 Whale Rock 内部常讲 S 型渗透曲线，可这一次不是 S 曲线，是 L 曲线，笔直向上，而且才刚开始。所有这些已经投下去的资本开支，芯片股上涨的理由，都在这儿：从算力角度看，我们现在手上只有所需量的一半，而这一切还没真正开始。这就是我理解的演进路径。

L 曲线怎么投

主持人： 那么，面对一条 L 曲线，你怎么做投资？

亚历克斯： 我们整个职业生涯里，没有人见过这样的东西。互联网 1.0 我们都在场。我在富达买的第一只股票是亚马逊。我记得那是 1998 年，全球只有 1 亿互联网用户，其中只有 200 万电商用户。当时我的判断是：这只股票哪怕完全不增长，也值得买。而这一次，速度比那时快得多。

亚历克斯： 看 Anthropic 的收入曲线：从 1 亿到 10 亿，到 90 亿，现在已经到 450 亿，接下来可能是 1000 亿。

主持人： 这是年化运行率吗？

亚历克斯： 是运行率，用最近一个月年化算的。它不是全年实际收入，但增长这么快的时候，这是一个很好的度量。在如此巨大的体量上还在十倍十倍地翻，没人见过这种事。所以我们的结论是这样：AI 是一个技术栈，最底下是芯片，中间是云，再往上是基础模型公司，最上层是应用。我认为捕获价值最多的是两层，一是基础模型层，我们在这一层持有谷歌、OpenAI 和 Anthropic；二是仍然在芯片层。因为像我刚才说的，芯片处在极度供不应求的状态，前面还有巨大的增长空间，而且这是硬件的黄金时代，创新密度前所未有。

模型层的收入与利润

里昂： 我觉得这里最有力量的一点是：到年底，Anthropic 和 OpenAI 加起来的收入大概会看到 2000 亿美元这个量级。你可以按自己的方式去拆、去猜。但更有意思的其实是这些公司的利润率结构。因为它们锁定了算力，而且是最早一批锁定的，未来几年的量基本已经签死了，所以增量利润率会大得惊人。在固定成本的基础上，每 token 的定价还在涨，一切都在涨。

里昂： 你想想，一年前、两年前，甚至半年前，市场上还在激烈争论：这些资本开支到底往哪儿去了？投资回报率在哪里？最后会是什么样子？他们是不是在烧钱？可你即将看到的，是 Anthropic 一个令人咋舌的盈利水平。到那时你面对的可能是一个 18 倍市盈率的东西。那么那场争论就可以盖棺了。再加上这条 L 型渗透曲线的斜率之陡，我从 1998 年入行，交易过好几轮科技繁荣，没有一次像这一次。

从一个买家到多个买家

主持人： 那你怎么看那些更「传统」的科技板块？很多人在用「抛物线」这个词形容半导体的这轮走势。今天这个板块跌得比大盘还多。你觉得在公开市场里，这会不会仍然是最好的下注方式？在芯片内部又该怎么区分？

里昂： 它当然涨了很多。我前几天跟你说过，这笔生意一个月前好做得多。有些股票是在限速 60 英里的路上开到了 100 英里，所以一定会有事故，也一定会有人被交警拦下。但大部分的轨迹依然惊人。你看 AI 的需求，它拉动的算力需求太大了。最先是 GPU，然后是存储，现在轮到 CPU 和网络芯片。这一整套下来，形成了大规模的供给约束。

里昂： 再看半导体行业本身，就说过去十年吧，它们经历了太多次的暴涨暴跌，以至于大多数公司在资本开支上变得非常克制，说白了就是不花钱。自从上一轮代工和存储的下行周期以来，没人扩产，真正的大手笔只有一家，台积电。而且就算是台积电，把它的支出拆开来看，你完全可以论证它投得明显不足。用一些指标去衡量，比如盈利与资本开支之比、收入增速的加速度与资本开支之比，都很贫血。这一点现在开始显形了：从英特尔、三星以及一些中低端代工竞争者的公告里，你能看出台积电也许犯了个错误，而它必须把这个错误纠正过来。

里昂： 现在再看整个格局，花钱的不只是台积电了。你有一批存储公司，海力士、美光、闪迪。我们上一次讨论 NAND 周期是什么时候？我猜得有十年了吧。

主持人： 是啊。

里昂： 对吧？而这是一轮很有力的周期。这些生意的盈利水平大得惊人。而从历史规律看，客户的盈利能力是前瞻资本开支的领先指标。英特尔现在也回来了，这家公司死了好几年，如今代工业务开始拿到客户。所以你看这幅图景应该这么看：过去只有一个花钱的买家，顺便说，在那种环境里它对半导体设备公司拥有全部的议价权；而现在变成了多个买家，且每一个此前都投得不足，前瞻指标又都指向他们必须大投特投。

里昂： 现在市场认为晶圆厂设备（WFE）市场大概是 1200 亿到 1300 亿美元。我认为未来三到四年会摸到 3000 亿这个刻度。再看价格：如今所有客户的毛利率都在 70% 到 80%，存储厂商 80%，台积电逼近 70%，而半导体设备公司只有 50%。也就是说，设备公司在量之上还握有定价权。所以这些股票现在看起来也许不算是世界上最便宜的东西，但我认为盈利预测低了 50% 到 70%。

里昂： 而且这些生意会显得没那么周期化，因为很多客户现在可以签长期协议，存储厂商到处在签 LTA。于是你对未来三四年能投出多少资本开支有了清晰得多的能见度，波动性对他们来说没那么大了，所以他们会投。这一点最终或许也会反映在设备公司的估值倍数上。它们的资产负债表干净得很，可以做并购，可以回购股票。我不知道接下来的 10% 往哪边走，尤其是在这样一波大涨之后，但我猜接下来的 50% 到 100% 是往上的。

硬件的黄金时代

主持人： 亚历克斯，你的表情看起来不太买账。

亚历克斯： 不不，我完全同意，他讲的很多点都很到位。我想补充的是：除了 AI 是我们见过的最吃算力的东西、除了目力所及全是短缺之外，我们正处在硬件的黄金时代。过去四十年，硬件几乎没变过，就是一台两千美元的 X86 服务器，二三十家公司都能造。那台服务器里的每一个小零件都被商品化了：网络、印制电路板、散热系统、冷却系统，全部如此。算力需求每年增长 30%，而摩尔定律也给你 30%。这挺好，但实际上没有增长，一切都是商品。

亚历克斯： 然后 AI 来了。马斯克把它叫作「超音速海啸」，确实如此，因为它每年十倍，而且看不到尽头。老的算力体系根本做不了这些事，所以你必须在每一层上创新，重新造出这些售价 30 万美元、极度复杂的服务器机柜。就说印制电路板，过去它是彻头彻尾的大路货，现在全世界只有两三家公司能把高复杂度的板子做好，而且每年都必须升级。

亚历克斯： 再看网络速率。以前是 1G，过七年升到 10G。现在已经是 400G，明年 800G，再一年 1.6T，再一年 3.2T。能供进这条链条的公司只有寥寥数家，他们和谷歌、英伟达手挽手一起做创新。于是竞争更少、毛利更高、平均售价每年往上走，而且能见度极好。所有这些过去没人正眼看的公司，现在都成了金子一般的好生意。

亚历克斯： 它们的盈利算式是这样的：出货量增长 50%，这是终端机柜的量；平均售价增长 20% 到 100%；毛利率提升 300、400 甚至 500 个基点；能见度是三到四年。也就是说，未来四年每年盈利翻倍，更别提你做的每一样东西在未来三四年都处于供不应求的状态。我从没见过这种局面。所以我们看到的这些涨幅是合理的。过程会颠簸，但 AI 首先是一个算力问题，当然它也是一个模型问题，我认为这是抓住这轮行情非常好的方式，而且估值倍数还没跟上，涨的几乎全是盈利。有些标的确实出现了估值扩张，但如果你按未来三四年的盈利去做一遍测算，那个力量是相当惊人的。

效率追得上需求吗

主持人： 你不担心 AI 变得更高效，算力问题就自己消失了吗？

亚历克斯： 创新肯定会一直有。但总体上看，token 在增长，token 是 AI 的算力计量单位，它每年 14 倍；而芯片每年大概好 100%，最多 200%。你在此之上还在增加资本开支，把新的产能叠到存量上，所以你的算力资产也许能因为这些创新变得高效两到三倍，可你的 token 需求是 12 倍地翻。也许效率还能再往上挤一点，但依然追不上。

软件的麻烦在横向层

主持人： 那这一切对软件意味着什么？软件在今年头几个月被抛售，之后反弹了大概 20%，我说的是 IGV 这只 ETF。最近一个月感觉像是一个拐点，大家在琢磨这到底是不是一场零和游戏，AI 对软件。你们怎么看？

里昂： 笼统地说「软件」太宽了，软件内部有很多不同的细分。如果你是横向的应用层，那是有麻烦的，而且麻烦不小。但如果你是数据驱动型的生意，或者是基础设施软件，你是能成的，而且可以非常成功。我们当然可以争论市场给赢家和输家的倍数是不是合理，但比如 DataDog 这样的公司，那是一项独特资产。三十倍还是四十倍，市场自己会给出答案，可它确确实实处在这一切变化的核心受益位置。

里昂： 所以把整个软件板块一锅端，那是一月、二月发生过的事，凡是名字里带「软件」两个字的都被砸。而最近一个半月，我们已经看到明显的分化，大家开始在瓦砾堆里翻拣，把好的和坏的分出来。

亚历克斯： 我认为那波下跌在很大程度上是合理的。旧的写代码方式是纸笔，是马车。新的方式不是汽车，也不是喷气发动机，而是《星际迷航》里的传送器。软件的销售方式正在发生这么剧烈的改变。对软件公司的持有者来说，好消息是软件的黏性通常很强，所以这个过程大概率会拖很久，没人愿意把现有系统连根拔掉。但你心里总在盘算：一年、两年、三年、四年之后，这件事会不会真的变了？也许真的会。

亚历克斯： 而短期他们还有个麻烦。过去软件排在 CIO 支出清单的第一位，现在第一位是 AI。所有人都在把钱花在 token 上，那笔钱就是从软件预算里挪出去的。至于软件公司自己，我们原本以为它们能做出很棒的 AI 应用卖出去、收到钱，可到目前为止基本是失败的。也许只是时间问题，也许是文化问题，他们手里没有对的人。这件事很难，销售流程完全不同，因为你卖的是服务，不是软件，商业模式也不一样。所以我不认为软件短期内会好起来，但我们盯得很紧，因为可能真的会有几家软件公司做出东西并从 AI 里获益。里昂刚才提到 DataDog，很多大模型公司比如 Anthropic 就在用 DataDog 的工具，这本身就是一个不错的信号。

TTMI 与谷歌

主持人： 剩下的时间我们聊具体的股票。你们觉得参与这场，你们刚才管它叫什么来着，超音速海啸，最好的方式是什么？

亚历克斯： 这个词是里昂的。我先说两个，一个是你们大概没听过的小公司，一个是好买、也好理解的大公司。第一个是 TTMI，它做印制电路板，这曾经是史上最标准的大路货。但随着这些 AI 芯片和服务器越做越大，功耗越来越高，对信号完整性的要求越来越苛刻，跑得越来越快也越来越烫，它们需要的印制电路板越来越多。所以这里有一个非常可观的出货量增长故事，而板子本身也在变复杂：过去只有 10 层，现在要做到 20 层、30 层、40 层，甚至 120 层。这推动平均售价上升，而能做这种高复杂度板子的公司极少，TTMI 是其中之一。它给谷歌、英伟达供货，刚刚拿下了英伟达，也给其他 AI 公司做。此外它还有 40% 的业务在国防领域，而国防正处在一轮大的上行周期，它拿到了铁穹项目的订单，而且你也知道国防装备的电子化程度在飞速提高。

亚历克斯： 第二个很简单，就是谷歌。它赢下了 AI。它是唯一一家拥有基础模型的上市公司。它的 TPU 芯片非常出色，现在正在为 Anthropic 提供算力，除了谷歌自己以外也有别人在用。搜索业务实际上在加速，而它还握着 YouTube、Gmail、Google 表格这么多资产，都会把 AI 灌进去。股价很便宜，而我们将会看到谷歌的收入加速。所以它轻轻松松就能再涨 50%，我看不到多少下行空间。

设备与模拟芯片

里昂： 我其实喜欢模拟芯片，也喜欢半导体设备，前面已经讲过了。设备里我最偏爱的是拉姆研究（Lam Research），因为它对存储的敞口非常高，而存储恰恰是市场仍然半信半疑的地方，前些年那里的资本开支又严重缺位。我认为这更像是一个 2027 年中到 2028 年的故事，到那时支出会出现一轮繁荣，而市场对这些公司的预测可能低了 50% 到 70%。我认为它们能做到 550 亿美元的收入，利润率还会显著上行。这是我在这个方向上最喜欢的标的之一。

里昂： 另外我觉得模拟半导体这个板块相当有意思。从价格角度看，它有相当的概率演成存储那样的局面，供给紧到那个程度。会上早些时候有位很聪明的人推荐过英飞凌（Infineon），我喜欢那个标的。德州仪器（Texas Instruments）我认为很好。亚洲的瑞萨（Renesas）也很有意思。我判断这个板块会紧张相当长一段时间，如果你能找到同时挂着 AI 电源这条线索的公司，上行空间会非常可观。

给妈妈买的 ETF

亚历克斯： 我母亲今天就在台下，我想里昂的母亲也在。我之前给我妈买过 SMH，就是那只半导体指数 ETF。听完里昂这番话，她会继续拿着的。

主持人： 你看，这才是好儿子该干的事，给妈妈买 ETF。顺便说一句，母亲节快乐。好了，非常感谢两位，真的受益匪浅。谢谢。