GQG 的投資組合經理與分析師（管理 1 600 億美元）表示，近幾個季度半導體、記憶體硬體，以及相關數據中心支出的鉅額訂單，源於對未來 AI 業務需求與定價的尚未被驗證的期待。他們指出有過度支出的跡象，例如近期圍繞潛在價格戰的動態——在尋找更便宜的方式來運行 AI 模型時，企業用戶正在收緊預算——以及新一代大型語言模型在成效上的成長放緩。此外，他們認為持續進行循環式投資，且採用不透明的會計方法，會提高風險。
即使是那些推動晶片股出現巨大漲幅的半導體鉅額訂單，在 GQG 投資組合經理 Brian Kersmanc 看來也是「特性，不是漏洞」。他說：「泡沫往往以近期的真實需求、鉅額資本投入、投資人相信需求實質上是無限的，以及對長期報酬的能見度偏弱為特徵。強勁的晶片訂單並不能推翻泡沫；它可能反而是其中最強的跡象。」
但從 2024 年下半年開始、一路到 2025 年初，GQG 將其投資組合轉向遠離 AI 科技與基礎建設類股票；那些股票在期間大幅上漲，並推動整體股市走高。這個押注讓其策略表現受挫，例如獲 Gold 評等的 GQG Partners US Select Quality Equity Fund GQEIX，但公司仍堅持其立場。
推動這些股票走高的關鍵因素（也是多頭的核心論點）之一，是像 Nvidia、Broadcom AVGO，且最近的 Micron 等半導體晶片公司的 AI 驅動訂單大幅飆升；或是針對其他電腦記憶體硬體的訂單，像是 SanDisk SNDK 與 Western Digital WDC 等股票。
Micron 財報：短期繁榮仍在延續，但長期供給擔憂正在累積
記憶體股令人驚嘆的急漲，是由短期思維所驅動嗎？
然而 Kersmanc 表示，這正是投資人應該保持懷疑的地方，從「採購如何入帳」的落差開始說起。他解釋：「你現在看到的是訂單與銷售在今天被入帳，但成本（對買方而言）會在三年、五年、六年，甚至十年之間攤開。」他指出，問題並不在於這種會計方法本身——它是標準作法——而在於它所帶來的影響，因為對 AI 使用的經濟性存在高度不確定性。「關鍵問題不是今天的需求是否強勁，而是當投資報酬率、使用率以及定價權被驗證後，那種需求在經濟上是否站得住、是否能持續。」
GQG 的看空論點正是建立在這些層面上。他們主張，資本支出（capex）正在遠在已證實的經濟價值之前就展開。Kersmanc 從大多數 AI 實驗室與其他公司的假設談起：「『我花下這筆金額，並得到這筆金額的改善。』但在 ChatGPT-4 之後，這種（效益）平坦化了。」
即使投資仍持續投入在最先進的模型（也就是所謂的「前沿」模型），Kersmanc 表示，越來越多的證據顯示，許多 AI 開發者與企業正在往相反方向走。與其使用像 Claude 這樣的大型語言模型，他們正轉向小型語言模型。這些模型通常會在針對特定文本的有限資料集上進行訓練，因此所需的運算（compute）能力更少。舉例來說：「如果你想要即時翻譯，你可以用 SLM 在手機上直接翻譯，不需要進行 token 生成，也不必去 ping 數據中心。」
Kersmanc 說：「如果企業偏好在其解決方案中使用 SLM，那更廣泛的含意就是，市場或許不需要像投資人目前所假設的那麼多、達到前沿規模的運算能力。若 AI 開發正朝這個方向前進，那麼大規模數據中心與 GPU 的支出論點就會變弱。」
同時，開發者也越來越多地使用開源的中國模型；這些模型更便宜、訓練成本更低，且配套的基礎建設資本支出也顯著更低。Kersmanc 說：「中國計畫建 500 座數據中心，而美國有 5,500 座。」這發生在一個背景下：各公司正試圖抑制不斷膨脹的 AI 使用成本。
Kersmanc 也解釋說，拼圖中的另一塊關鍵在於，超大型雲端服務商（hyperscalers）如何為其數據中心建置做會計入帳。他點出去年宣布的 Meta Platforms META 與 Blue Owl Capital OBDC 的合資案；該案讓這家公司得以把一個位於路易斯安那州、價值 300 億美元的數據中心專案從資產負債表上移除。Meta 也把部分相當可觀的基礎建設資產歸類為「施工中（construction in progress）」；這項目在 2024 到 2025 年之間翻了一倍。
GQG：為什麼我們仍處在 AI 股票市場泡沫中
對許多投資人來說，在人工智慧（AI）基礎建設上的鉅額支出激增，證明股市並沒有泡沫。但在 GQG Partners 看來，這更像是在強化他們的信念：這波繁榮終將讓位給崩盤，就像 1990 年代的電信業，以及十多年前的頁岩油。
GQG 的投資組合經理與分析師（管理 1 600 億美元）表示，近幾個季度半導體、記憶體硬體，以及相關數據中心支出的鉅額訂單，源於對未來 AI 業務需求與定價的尚未被驗證的期待。他們指出有過度支出的跡象，例如近期圍繞潛在價格戰的動態——在尋找更便宜的方式來運行 AI 模型時，企業用戶正在收緊預算——以及新一代大型語言模型在成效上的成長放緩。此外，他們認為持續進行循環式投資，且採用不透明的會計方法，會提高風險。
即使是那些推動晶片股出現巨大漲幅的半導體鉅額訂單，在 GQG 投資組合經理 Brian Kersmanc 看來也是「特性，不是漏洞」。他說：「泡沫往往以近期的真實需求、鉅額資本投入、投資人相信需求實質上是無限的，以及對長期報酬的能見度偏弱為特徵。強勁的晶片訂單並不能推翻泡沫；它可能反而是其中最強的跡象。」
GQG 的基金經理與分析師並不是在科技，或整體股市上永遠看空。截至 2024 年，旗下投資組合中逾 70% 投在科技或與科技相近的股票，例如 Uber。2017 年，該公司押注當時不受待見的半導體晶片，包括 Nvidia NVDA。
但從 2024 年下半年開始、一路到 2025 年初，GQG 將其投資組合轉向遠離 AI 科技與基礎建設類股票；那些股票在期間大幅上漲，並推動整體股市走高。這個押注讓其策略表現受挫，例如獲 Gold 評等的 GQG Partners US Select Quality Equity Fund GQEIX，但公司仍堅持其立場。
推動這些股票走高的關鍵因素（也是多頭的核心論點）之一，是像 Nvidia、Broadcom AVGO，且最近的 Micron 等半導體晶片公司的 AI 驅動訂單大幅飆升；或是針對其他電腦記憶體硬體的訂單，像是 SanDisk SNDK 與 Western Digital WDC 等股票。
Micron 財報：短期繁榮仍在延續，但長期供給擔憂正在累積
記憶體股令人驚嘆的急漲，是由短期思維所驅動嗎？
然而 Kersmanc 表示，這正是投資人應該保持懷疑的地方，從「採購如何入帳」的落差開始說起。他解釋：「你現在看到的是訂單與銷售在今天被入帳，但成本（對買方而言）會在三年、五年、六年，甚至十年之間攤開。」他指出，問題並不在於這種會計方法本身——它是標準作法——而在於它所帶來的影響，因為對 AI 使用的經濟性存在高度不確定性。「關鍵問題不是今天的需求是否強勁，而是當投資報酬率、使用率以及定價權被驗證後，那種需求在經濟上是否站得住、是否能持續。」
GQG 的看空論點正是建立在這些層面上。他們主張，資本支出（capex）正在遠在已證實的經濟價值之前就展開。Kersmanc 從大多數 AI 實驗室與其他公司的假設談起：「『我花下這筆金額，並得到這筆金額的改善。』但在 ChatGPT-4 之後，這種（效益）平坦化了。」
即使投資仍持續投入在最先進的模型（也就是所謂的「前沿」模型），Kersmanc 表示，越來越多的證據顯示，許多 AI 開發者與企業正在往相反方向走。與其使用像 Claude 這樣的大型語言模型，他們正轉向小型語言模型。這些模型通常會在針對特定文本的有限資料集上進行訓練，因此所需的運算（compute）能力更少。舉例來說：「如果你想要即時翻譯，你可以用 SLM 在手機上直接翻譯，不需要進行 token 生成，也不必去 ping 數據中心。」
Kersmanc 說：「如果企業偏好在其解決方案中使用 SLM，那更廣泛的含意就是，市場或許不需要像投資人目前所假設的那麼多、達到前沿規模的運算能力。若 AI 開發正朝這個方向前進，那麼大規模數據中心與 GPU 的支出論點就會變弱。」
同時，開發者也越來越多地使用開源的中國模型；這些模型更便宜、訓練成本更低，且配套的基礎建設資本支出也顯著更低。Kersmanc 說：「中國計畫建 500 座數據中心，而美國有 5,500 座。」這發生在一個背景下：各公司正試圖抑制不斷膨脹的 AI 使用成本。
Kersmanc 也解釋說，拼圖中的另一塊關鍵在於，超大型雲端服務商（hyperscalers）如何為其數據中心建置做會計入帳。他點出去年宣布的 Meta Platforms META 與 Blue Owl Capital OBDC 的合資案；該案讓這家公司得以把一個位於路易斯安那州、價值 300 億美元的數據中心專案從資產負債表上移除。Meta 也把部分相當可觀的基礎建設資產歸類為「施工中（construction in progress）」；這項目在 2024 到 2025 年之間翻了一倍。
這些會計問題又回扣到半導體與其他硬體支出之間的落差上。Kersmanc 說：「如果大量硬體暫時被放在施工中或類似的資產負債表類別裡，投資人可能就無法判斷其中有多少支出實際已被部署並賺取回報。這會很重要，因為公司可以在前期先花掉巨額現金，但其損益表只會逐步反映成本。因此，疑慮不只是會計呈現方式；更在於會計可能正在掩蓋過度建置、使用率偏低，或報酬走弱。」
此外，還有針對正在被下單的數據中心能否建得出來的能力所帶來的不確定性。由於這些建築大量耗用電力與水，以及其對社區的其他影響，針對數據中心基礎建設的反彈正日益升高。Kersmanc 說：「大約一半原本應在交付期內完成的，甚至還沒開始，或是已被取消。」
把一切整合起來，Kersmanc 說：「AI 基礎建設展開顯示出許多經典泡沫徵兆。投資人仍在把需求往更遠的方向外推，但底層的經濟面似乎無法支撐這樣的推論。」