#人工智能[超话]##存储芯片# WSJ最近有篇文章挺有意思，标题大意是：AI芯片狂热，正在埋下自我毁灭的种子。我觉得这篇文章不是简单唱空AI，而是提醒大家：再大的产业趋势，也逃不过周期规律。结合这篇文章，跟大家分享一点我的理解。

现在市场最典型的案例就是存储芯片。三年前，美光还在录得历史级亏损；现在，市场已经开始预期它未来一年利润接近千亿美元，甚至可能超过Meta、伯克希尔这类巨头。三星、SK海力士也一样，HBM需求爆发、价格上涨、利润飙升，股价一路狂奔。

这看起来像是AI时代的新故事，但底层逻辑其实很老：周期行业最容易在利润最好的时候，埋下下一轮下行的种子。

存储芯片的商业模式天然如此。建厂投入巨大，供给扩张周期很长。当需求突然起来，短期供给跟不上，价格就会暴涨，利润就会爆发。然后所有公司看到高利润，都开始扩产、建厂、加资本开支。等几年后产能集中释放，如果需求稍微弱一点，价格就会掉下去，利润也会迅速坍塌。

这就是存储行业过去几十年反复上演的剧本。

所以这篇文章真正提醒的是：不要因为估值看起来便宜，就以为周期风险不存在。美光现在不到10倍预期市盈率，看着不贵，但历史上它很多次见顶时估值也不贵。上一轮2022年见顶时，预期市盈率也只有9倍，随后股价直接腰斩。2018年那轮更夸张，见顶时只有5倍多市盈率，后面照样跌得很惨。

便宜，不一定是机会。周期股在景气高点的“便宜”，很多时候只是市场已经知道利润不可持续。

当然，眼下最大风险还不是供给，因为今年和明年的新增产能暂时还不足以直接压垮利润。真正的变量在需求侧。

第一，AI模型可能变得更省内存。如果算法和工程优化大幅提升内存使用效率，那么数据中心对HBM的需求强度就会下降。AI技术还很早期，效率提升是大概率事件，只是不知道什么时候发生、幅度有多大。

第二，数据中心资本开支可能被放缓。AI需求现在很猛，但如果云厂发现投入产出比不够理想，或者AI应用商业化低于预期，扩建计划就可能调整。

第三，政治、能源、电网、土地、监管，都可能成为数据中心扩张的约束。AI不是只要买芯片就能跑起来，它背后需要电力、散热、网络、机房、审批，任何一个环节卡住，都会影响上游需求。

更长期的风险则是竞争者越来越多。英伟达高利润刺激了Google做TPU，Amazon做自研芯片，Cerebras这类新玩家也在融资上市。只要AI需求足够大、利润足够厚，就一定会吸引更多资本、更多产能、更多替代方案进入。

这不是说AI产业链马上见顶，也不是说芯片股不能涨了。恰恰相反，AI需求现在仍然强，很多环节短期仍然供不应求。但投资上要分清楚两件事：

产业趋势很强，不等于每个环节的利润永远强。

需求真实存在，不等于供给不会过剩。

AI芯片最像过去的大宗周期品：一旦利润暴涨，资本开支就会跟上；一旦资本开支跟上，未来的供给压力就会越来越大。区别只是这一次披着AI的外衣，叙事更性感，估值更宏大，资金更亢奋。

我的理解是，AI会改变世界，但不一定改变周期规律。

真正值得警惕的，不是没人相信AI，而是所有人都太相信AI。当一个行业的盈利好到让大家觉得“这次不一样”时，往往也正是下一轮周期风险开始发芽的时候。

所以接下来判断AI产业链，不能只看需求有多猛，还要看三个问题：

一是这个环节有没有持续稀缺性；

二是利润会不会吸引大量供给进入；

三是技术进步会不会降低原来的用量假设。

如果答案不够清楚，就不能简单用“AI大周期”四个字，把所有风险都抹掉。

AI当然是大方向，但投资不是喊口号。真正的难点在于：在狂热中承认趋势，在趋势中识别周期，在周期中找到真正穿越波动的公司。