由 GQG 负责管理投资组合的组合经理和分析师（管理规模达 1,600 亿美元）表示，近期几个季度里半导体、存储硬件以及相关数据中心支出的巨大订单，是基于对未来 AI 业务需求与定价的未经证实的期望。他们指出存在超支迹象，例如围绕潜在价格战的近期进展——企业用户在寻求更便宜的方式运行 AI 模型时收紧预算——以及新的大型语言模型效用增长放缓。此外，他们认为持续使用循环投资以及隐蔽的会计方法，会带来风险。
即便是那些推动芯片股出现巨大涨幅的半导体海量订单，在 GQG 组合经理 Brian Kersmanc 看来也是“特点，而非缺陷”。“泡沫往往表现为短期内真实需求、巨额资本投放、投资者相信需求实际上无限，以及对长期回报的可视性较弱。强劲的芯片订单并不能否定泡沫；它们甚至可能是最强的迹象，”他说。
但从 2024 年下半年开始，延续到 2025 年初，GQG 将其投资组合从推动市场出现巨大反弹、并带动整体股市上行的 AI 技术与基础设施股票中转向。这一押注损害了其策略的表现，例如获得金奖评级的 GQG Partners US Select Quality Equity Fund（GQEIX），但该公司仍坚持其立场。
推动这些股票走高的关键因素（也是多头的核心论点）之一，是像 Nvidia、Broadcom AVGO，以及最近的 Micron 这样的半导体芯片公司出现了由 AI 驱动的订单激增；或者在其他计算机存储硬件领域也类似，例如 SanDisk SNDK 与 Western Digital WDC 等股票。
Micron 财报：短期繁荣仍在延续，但长期供给担忧正在累积
内存股那令人惊叹的暴涨，是由短期思维驱动的吗？
不过，Kersmanc 表示，投资者应当在这里保持怀疑，首先是对采购如何入账的口径不匹配。“你现在看到的是订单和销售入账，而成本（对买方而言）则被摊到三年、五年、六年，甚至十年之久，”他解释。问题不在于这种会计方法本身——它是标准做法——而在于考虑到对 AI 使用的经济性存在高度不确定性，这种口径所带来的影响。“关键问题并不是今天需求是否强劲，而是当对投资回报、利用率和定价权进行检验后，这种需求在经济上是否有充分依据且可持续。”
GQG 的看空论点正是建立在这些方面。他们认为，资本开支（capex）发生在经证实的经济价值大幅落后之前。Kersmanc 从大型 AI 实验室和其他公司的一个假设说起：“就是‘我投入这么多，就能得到这么多的改进。’然而，在 ChatGPT-4 之后，它已经趋于平坦。”
即便对最先进的模型仍持续投资（所谓的“前沿”模型），Kersmanc 说也有越来越多的证据表明，许多 AI 开发者与企业正在反其道而行。它们不再像使用 Claude 这类大型语言模型，而是转向小型语言模型。这些模型通常在有限的数据集上训练，用于特定文本，因此需要更少的算力。比如，“如果你想要实时翻译，你可以用 SLM 来做，并在手机上翻译，不需要进行 token 生成，也不必去 ping 数据中心。”
如果企业更倾向于用 SLM 来实现他们的解决方案，那么“更广泛的含义是，市场也许并不需要投资者当前所假设的那样接近前沿规模的算力，”Kersmanc 说。“如果 AI 开发正在朝这个方向走，那么对大规模数据中心与 GPU 支出的论据就会变弱。”
与此同时，开发者越来越多地使用开源的中文模型，这些模型更便宜、训练成本更低，并且配套的基础设施资本开支更低。“有 500 个数据中心在中国计划中，而美国有 5,500 个，”Kersmanc 说。与此同时，企业也在努力抑制不断膨胀的 AI 使用成本。
Kersmanc 解释说，拼图中的另一个环节在于：超大规模云服务商（hyperscalers）是如何为他们的数据中心建设进行会计处理的。他提到去年宣布的 Meta Platforms（META）与 Blue Owl Capital（OBDC）之间的合资项目，该项目使公司能够将其在路易斯安那州的一项 300 亿美元数据中心项目从资产负债表中转移。Meta 还将一些相当可观的基础设施资产归类为“在建工程”。这一科目在 2024 年到 2025 年间翻了一倍。
GQG：为何我们仍处在 AI 股票市场泡沫中
对许多投资者而言，人工智能建设开支的大幅增加，证明股市中不存在泡沫。但对 GQG Partners 来说，这反而是更多证据，用来支撑他们认为这轮繁荣最终将让位于萧条——就像 1990 年代的电信业，以及十年前的页岩油一样。
由 GQG 负责管理投资组合的组合经理和分析师（管理规模达 1,600 亿美元）表示，近期几个季度里半导体、存储硬件以及相关数据中心支出的巨大订单，是基于对未来 AI 业务需求与定价的未经证实的期望。他们指出存在超支迹象，例如围绕潜在价格战的近期进展——企业用户在寻求更便宜的方式运行 AI 模型时收紧预算——以及新的大型语言模型效用增长放缓。此外，他们认为持续使用循环投资以及隐蔽的会计方法，会带来风险。
即便是那些推动芯片股出现巨大涨幅的半导体海量订单，在 GQG 组合经理 Brian Kersmanc 看来也是“特点，而非缺陷”。“泡沫往往表现为短期内真实需求、巨额资本投放、投资者相信需求实际上无限，以及对长期回报的可视性较弱。强劲的芯片订单并不能否定泡沫；它们甚至可能是最强的迹象，”他说。
GQG 的基金经理和分析师并不是对科技或整体股市“永久看空”。截至 2024 年，其投资组合中逾 70% 配置在科技或与科技相关的股票上，比如 Uber。2017 年，该公司押注当时不受待见的半导体芯片，包括 Nvidia NVDA。
但从 2024 年下半年开始，延续到 2025 年初，GQG 将其投资组合从推动市场出现巨大反弹、并带动整体股市上行的 AI 技术与基础设施股票中转向。这一押注损害了其策略的表现，例如获得金奖评级的 GQG Partners US Select Quality Equity Fund（GQEIX），但该公司仍坚持其立场。
推动这些股票走高的关键因素（也是多头的核心论点）之一，是像 Nvidia、Broadcom AVGO，以及最近的 Micron 这样的半导体芯片公司出现了由 AI 驱动的订单激增；或者在其他计算机存储硬件领域也类似，例如 SanDisk SNDK 与 Western Digital WDC 等股票。
Micron 财报：短期繁荣仍在延续，但长期供给担忧正在累积
内存股那令人惊叹的暴涨，是由短期思维驱动的吗？
不过，Kersmanc 表示，投资者应当在这里保持怀疑，首先是对采购如何入账的口径不匹配。“你现在看到的是订单和销售入账，而成本（对买方而言）则被摊到三年、五年、六年，甚至十年之久，”他解释。问题不在于这种会计方法本身——它是标准做法——而在于考虑到对 AI 使用的经济性存在高度不确定性，这种口径所带来的影响。“关键问题并不是今天需求是否强劲，而是当对投资回报、利用率和定价权进行检验后，这种需求在经济上是否有充分依据且可持续。”
GQG 的看空论点正是建立在这些方面。他们认为，资本开支（capex）发生在经证实的经济价值大幅落后之前。Kersmanc 从大型 AI 实验室和其他公司的一个假设说起：“就是‘我投入这么多，就能得到这么多的改进。’然而，在 ChatGPT-4 之后，它已经趋于平坦。”
即便对最先进的模型仍持续投资（所谓的“前沿”模型），Kersmanc 说也有越来越多的证据表明，许多 AI 开发者与企业正在反其道而行。它们不再像使用 Claude 这类大型语言模型，而是转向小型语言模型。这些模型通常在有限的数据集上训练，用于特定文本，因此需要更少的算力。比如，“如果你想要实时翻译，你可以用 SLM 来做，并在手机上翻译，不需要进行 token 生成，也不必去 ping 数据中心。”
如果企业更倾向于用 SLM 来实现他们的解决方案，那么“更广泛的含义是，市场也许并不需要投资者当前所假设的那样接近前沿规模的算力，”Kersmanc 说。“如果 AI 开发正在朝这个方向走，那么对大规模数据中心与 GPU 支出的论据就会变弱。”
与此同时，开发者越来越多地使用开源的中文模型，这些模型更便宜、训练成本更低，并且配套的基础设施资本开支更低。“有 500 个数据中心在中国计划中，而美国有 5,500 个，”Kersmanc 说。与此同时，企业也在努力抑制不断膨胀的 AI 使用成本。
Kersmanc 解释说，拼图中的另一个环节在于：超大规模云服务商（hyperscalers）是如何为他们的数据中心建设进行会计处理的。他提到去年宣布的 Meta Platforms（META）与 Blue Owl Capital（OBDC）之间的合资项目，该项目使公司能够将其在路易斯安那州的一项 300 亿美元数据中心项目从资产负债表中转移。Meta 还将一些相当可观的基础设施资产归类为“在建工程”。这一科目在 2024 年到 2025 年间翻了一倍。
这些会计问题又回到了这样一种错配：芯片与其他硬件的支出之间存在偏差。Kersmanc 说：“如果大量硬件被置于在建工程或类似的资产负债表类别中，投资者可能无法分辨其中究竟有多少支出已经真正部署并产生回报。这一点很重要，因为公司可以在前期就花出巨额现金，但损益表中的成本却只能逐步反映。因此，担忧的不只是会计展示；更在于这种会计可能掩盖了过度建设、利用率不足，或回报更弱。”
此外，还有关于这些正在被订购的数据中心能否如期建成的种种不确定性。由于这些建筑大量消耗电力和水资源，并对社区带来其他影响，对数据中心基础设施的反对正在加剧。“大约一半原本计划完成的项目甚至还没开始，或者已经被取消，”Kersmanc 说。
把这些因素放在一起，Kersmanc 说：“AI 建设展示出许多泡沫的经典迹象。”他补充道：“投资者仍在把需求向远处外推得比基础的经济学所能支撑的程度更远。”