从最响亮的多头到悄然减仓
曾在AI硬件交易中最早、最激进押注的网红芯片研究机构Citrini Research,如今已大幅削减半导体仓位,甚至建立了部分空头头寸。这一转向并非一时兴起,而是源于创始人James van Geelen对AI基础设施融资结构根本性变化的深层判断——当增量资金从超大规模云厂商的自有现金流,切换为股权与债务市场的融资,市场情绪本身便构成了基本面的一部分。
10月21日,James在Monetary Matters播客中详述了这一逻辑。彼时半导体股票刚经历九连跌,创下2006年以来最长连跌纪录。他的结论是:这尚不足以动摇AI建设的支出,但风险的性质已经彻底改变。
"如果市场情绪急转直下,那些增量资金就会枯竭——因为这不再是一家公司花自己的钱,而是由市场决定的。"
反身性风险:情绪如何杀死基本面
要理解Citrini的减仓逻辑,首先需要把握他所说的"反身性"(reflexivity)机制。
在AI交易的前三到四年,超大规模云厂商用自有经营现金流为AI基础设施买单。 这意味着无论市场情绪如何波动——关税冲击、日元套利交易平仓,抑或其他恐慌——只要Meta、微软这些巨头继续花钱,半导体公司的基本面就有一个"地板"托底。情绪可以压低股价,但压不垮收入。
如今这个机制已经失效。 科技巨头的现金流正在快速枯竭甚至转为负数。James的判断是,当前每一笔AI基础设施的增量投资,几乎都来自股权融资(风险投资或公开市场)或债务融资。AI可以变得更有用,使用量可以继续扩张,但只要市场情绪急转直下,增量资金就会枯竭——因为这不再是一家公司花自己的钱,而是由市场决定的。
这就是"反身性"的核心:情绪下行可以直接切断资金链,进而影响实际建设支出,而不仅仅是压低估值。
他进一步量化了这个压力点。支撑当前基础设施估值,需要AI实验室的年度经常性收入(ARR)在2028年底达到约1万亿美元。以当前约136亿美元的ARR基数计算,每个月需要新增约500亿美元的净新增ARR。
"如果你是靠(AI)实验室合计ARR达到5000亿美元,来支撑你对回流基建资金的假设,那么最后如果是3000亿,那就是灾难。"
James列出了几处拖累ARR的因素:
- 消费端够用了。 他自己使用前沿模型的感受是,日常需求被现有模型"覆盖了99%",更强的能力很难再换来新的付费。
- 降价没有换来等比例的用量。 他引用Anthropic经济指数的推算:"任务成本降低10%,只对应使用量增加3%。" 这说明Jevons悖论(效率提升反而推高总消耗)在短期内未必适用于token。企业用AI搭好一套够用的流程之后,调用量还可能下降——"也许你在它不好用的时候,token需求反而更多,因为你得一直修改。"
- 开源份额在涨。 他估计开源模型在新增ARR中的份额已从一年前的约1%升至约18%。买家按任务付费,只要最低能力够用:"他们不会开着战斗机去上班,他们开的是车。"
他认为中美模型之间的能力差距依然存在,所以价格冲击不是他最担心的。他最看重的判断标准是:这不是AI有没有用、AI会不会变得更好的问题,而是前沿支出到底是否经济。短期内,"白领工作"必须成为那个杀手级应用,承担未来几年的绝大部分token需求。
"最便宜"恰恰是周期顶部的样子
主持人指出,按盈利算,这些科技公司因为盈利大幅飙升,现在看上去比2023年更便宜,为何反而减仓?James套用了周期股的规律:
"这就是周期,周期性行业总是在按明年预期看起来最便宜的时候见顶。"
便宜是盈利暂时被推高造成的错觉。 周期股的盈利跟着景气涨跌。景气最好的时候,公司利润冲到高点,分母变大,按"明年预期盈利"算出的市盈率就变得很低,看上去很便宜。但这个利润是景气顶点的利润,景气一回落,盈利下滑,股价随之下跌。所以"看起来最便宜"的时刻,常常正是盈利最高、周期接近顶部的时刻。
主持人补了一个类比:没人会在石油公司盈利最丰厚、市盈率只有14倍时去买。
这一逻辑解释了他的调仓。他说,如果4、5月仍保持重仓基础设施的组合,整体"大概要跌50%"。而在2023年9、10月半导体经历两三个月回撤时,他并不着急找替代品,因为当时估值低,下行有限。现在不同了:
"下行空间,在真正出现负面结果或负面情绪的时候,是很大的。"
他把自己的操作定位为组合调整,而非看空整个AI:他仍看好英伟达,认为更具不对称性的机会在"agentic utilities"(真正使用AI、受益于AI落地的行业)中。他同时表示,目前需求仍然超过供给,问题在于未来。
做多Meta,做空谷歌,等待重返芯片的信号
在具体持仓上,James的逻辑同样清晰。
做多Meta的核心论点是Muse(Meta的AI助手产品)的潜在变现空间。 他的计算框架是:Meta目前每用户平均收入(ARPU)约20美元出头,数据资产覆盖Instagram、WhatsApp、Facebook。"如果Muse获得任何有意义的采用率,你可以从这些数据直接画一条线,到2030年ARPU增长4倍。"他表示,今年夏天已转为强烈看多,Muse的发布印证了这一判断。
做空谷歌的逻辑则来自他对DeepMind人才流失的担忧。 他认为市场低估了这波人才出走的负面影响,而这恰恰发生在搜索业务仍面临结构性威胁的时间窗口。"我自己现在用Google搜索少多了。搜索会不会被彻底干掉?我不知道,也许不会。但风险还在,同时他们还在经历人才流失。"他表示持有止损,但目前维持"做多Meta、做空谷歌"的配对交易。
关于何时重返半导体,他给出了明确的触发条件: 看到付费使用量的持续增长,以及ARR增速的二阶导数重新加速,能够真正支撑通过客户现金流来为建设融资。如果眼下的需求其实仍被供给卡住,当前只是模型能力跃升与新产品发布之间的空档,等产品上线后用户更容易为新能力付费,那么他的担忧就不成立,基建股的这次回调反而是买入机会。
他对CoreWeave的判断相对温和——他认为违约概率约60%,但并不预期真的会违约。他对AI周期下行路径的判断是"以呜咽而非爆炸收场":不是某家公司违约引发崩盘,而是实验室ARR预期从4000亿下修到3600亿,这个增量差异因为已被充分定价而向外扩散,把整个板块拖低。
对于DeepSeek,他援引DeepInfer(DeepSeek内部推理框架)的数据:每天服务155万亿token,每GPU小时收入约38美元,而市场上GPU小时的租用成本约为5到8美元,隐含推理毛利率约80%,GPU投资回收期约81天。"这意味着token定价可能还有进一步下行空间,尤其是在非前沿模型领域。"
用Claude设计蝎毒抗体:AI压缩了什么,压缩不了什么
James同时披露了一项罕见的实验:他的团队与Anthropic合作,用Claude在64小时内设计出211个蝎毒抗体候选分子,其中17个在实验室中成功结合靶点。这个结果既令人震惊,也让他得出了一个对AI多头并不友好的结论:AI正在将药物设计"商品化",但真正的瓶颈在实验室里,在猴子身上,而不在算力上。
为了搞清楚AI在药物发现领域究竟能做什么、不能做什么,James的团队联系了Anthropic生命科学团队(Nathan Frey、Amir Chennisa和Steven Molina),在Anthropic办公室内,用其内部研究模型,花64小时设计蝎毒抗体。
整个过程中,Claude调用了约300个子智能体,生成了180个设计方案,最终送检211个候选分子。实验室结果显示,17个分子成功与靶点结合,其中7个针对墨西哥特定蝎毒CN2,最优候选分子CN2B1还与一个已知中和抗体在预期区域形成竞争性结合。
"AI生成了这些分子,其中17个在实验室里结合了——这相当令人震惊。"
但James随即给出了他认为更重要的另一面。AI压缩的,是从想法到实验方案的时间——这个过程原本需要数月,现在只需数天。但合成、测试、获取对照数据,依然花了39天。"如果数据以生命的速度运转,AI的到来并不能让培养皿里的细胞长得更快。这就是瓶颈所在。"
他估算,在整个从药物设计到临床试验的流程中,AI大约能压缩20%的时间,另外80%是不可压缩的。这个判断直接指向了他的投资结论:做多实验,做多能让实验更快的公司,而不是做多AI药物发现概念股。
他明确点名了Charles River Laboratories(CRL)作为最高确信度的多头标的。CRL约60%的收入来自早期发现与安全评估,正处于周期性复苏的低谷,且有充足产能承接新订单,每笔新合同都能直接流入利润。
他同时指出了一个市场尚未充分定价的瓶颈:猴子短缺。 非人灵长类动物是临床前测试中最接近人类的不可替代资源,繁殖周期约四年,供给扩张极为困难。"这可能是临床前测试中最重要的供给约束。"
市场资讯部点评
Citrini的转向揭示了一个被市场忽视的深层逻辑:AI硬件的估值锚已从"技术叙事"切换为"融资结构"。当超大规模云厂商的自有现金流不再是无限弹药,市场情绪便通过反身性机制直接传导至建设支出,这使得半导体板块的下行风险被显著放大。James对"周期股最便宜时见顶"的套用值得警惕,而他关于AI药物发现瓶颈在实验室而非算力的判断,则为投资者提供了一个跳出概念炒作、回归产业现实的观察视角。真正的机会,或许不在算力本身,而在那些让实验跑得更快的环节。