阿波罗首席经济学家：AI牛市核心逻辑存在万亿美元级数学矛盾
nashnova research
阿波罗首席经济学家斯洛克指出，科技板块预计到2028年现金流翻倍至2.4万亿美元，但买单的客户群体现金流预测却远未跟上——这个万亿美元级缺口，意味着AI牛市的底层数学可能不成立。
这个"数学矛盾"到底是什么？
覆盖科技板块的分析师预计，到2028年该板块运营现金流将翻逾一倍，新增逾1.2万亿美元，达到约2.4万亿美元。
但覆盖标普500其他板块的分析师——也就是跟踪科技公司客户的那批人——对客户现金流增长的预测远为保守。
这意味着→ 卖方预期爆炸式增长，买方分析师却不认为买家出得起这笔钱。用大白话说＝ 一头预测"东西能卖天价"，另一头预测"买家兜里没那么多钱"，两者不可能同时成立。
斯洛克认为，根源在于华尔街分析师各自在行业板块内部工作，缺少全局对账视角——拼在一起，数字就对不上。
超大规模云厂商的钱从哪来？
超大规模云计算厂商(指亚马逊AWS、微软Azure、谷歌云等全球最大的几家云服务商)因大规模资本开支，近期已陷入负自由现金流。
分析师预计这批厂商将在2030年前实现逾1200亿美元自由现金流。但斯洛克指出，仅数据中心的维护性资本开支在未来数年就将达到9200亿美元——还没算其他成本。
这意味着→ 要实现预测，厂商的收入增长必须大幅超过已知的硬性支出，而这笔硬性支出本身已经是天文数字。用大白话说＝ 光是给已建好的数据中心"交物业费"，就要花9200亿美元，利润从哪挤出来？
AI推理服务的定价环境在恶化吗？
过去三个月，企业和个人用户大规模转向中国开源模型，前沿模型的算力定价已大幅下滑。
这反映出 供给端竞争加剧正在压缩超大规模厂商的变现空间——投了巨资建的基础设施，单位收费却在下降。
用大白话说＝ 花了大价钱盖"AI工厂"，产品售价却越来越便宜，回本周期被拉长。
企业都在谈AI，为什么不等于真实支出？
斯洛克指出，无处不在的AI讨论热度可能恰恰是泡沫信号，而非基本面佐证。
企业谈论AI有三种可能：真实采用、向投资者炒作、或计划用AI裁员降本——但这些讨论目前尚未转化为可量化的生产率提升。
用大白话说＝ "人人都在说AI"和"人人都在为AI花钱"是两回事，中间隔着一道从口号到订单的转化鸿沟。
这个缺口对市场意味着什么？
斯洛克的框架揭示了AI牛市叙事的核心脆弱性：需求端的支付能力与供给端的收入预期之间，存在一个万亿美元级缺口。
这意味着→ 这个缺口尚未被市场充分定价——当前AI估值体系的成立，取决于缺口能否被填补。
最终只有两种结局：要么科技公司的客户产生远超当前预期的现金流，要么科技板块的盈利预测需要大幅下修。
市场有风险，内容仅供研究参考，不构成投资建议。