俗话说得好，投资人的尽头是网红，“质疑王岑、理解王岑、成为王岑”。
没想到，大空头Michael Burry竟然也走上了这条路，搞起了知识付费。
一个段子：学习大空头 MichaelBurry如何通过”做空“英伟达，在3个月内实现1.5倍回报：
1）拿出800万购买英伟达的看跌期权；
2）提前公布13F并在互联网上大肆宣传自己的做空仓位，引发市场热议；
3）在市场高波之际，开始写文章付费订阅，定价379美金/年；
4）瞬间8万人订阅，笑纳每月320万美元/每年3000万美元订阅收入。
为了对得起3000万美元的订阅费，Burry最近连发了两篇文章，他的核心观点就是一句话：这次没什么不一样，就是泡沫。
他想证明即便是2000年，推动泡沫的也一样是在当年创造了巨额利润的“当红炸子鸡”公司们。
面对Burry的做空（他一直强调“英伟达像思科”），英伟达也给予反击。
在上个周末，英伟达IR团队，给华尔街的分析师们，发了一份七页的内部备忘录，直接回应了十几项质疑（包括GPU折旧与循环债务融资）。
英伟达回应称：针对“当前情况类似于历史上，涉及供应商融资和特殊目的实体（SPV）的会计欺诈案（安然、世通、朗讯）”的说法，英伟达的情况与历史上的会计欺诈案截然不同，因为英伟达的根本业务在经济上是稳健的，我们的报告完整透明，而且我们非常重视自身的诚信声誉。与安然不同，英伟达不会利用特殊目的实体来隐藏债务和虚增收入。
而针对GPU折旧问题，也即一些公司对GPU采用六年折旧法，但Burry认为芯片的实际使用寿命短于六年，英伟达的客户们，通过将折旧成本分摊到较长的时间周期，来虚增利润。
英伟达在备忘录中表示：“根据实际使用寿命和使用模式，英伟达的客户会将GPU折旧周期设定为4-6年。像A100（2020年发布）这样的老款GPU仍然保持着很高的利用率，并能产生可观的利润，其经济价值远超一些评论员所声称的2-3年。”
你对Burry的做空观点怎么看？接下来，我来翻译他11月24日发的首篇文章：《泡沫的首要特征：供给侧贪婪 (The Cardinal Sign of a Bubble: Supply-Side Gluttony)，AI群星的异端指南（第一部分）》：
01、泡沫的首要特征：供给侧贪婪
愚行 (Folly)
愚行能带来财富。创造性破坏和疯狂的愚行，正是美国之所以能成为全球创新中心的原因。在这里，公司被允许通过创新走向灭亡。
而更多的公司会如雨后春笋般涌现，重蹈覆辙。有时，新公司只是老公司的转型；有时，当下的行业霸主其实在早年有一个几乎完全相同的“分身”，只是那个分身的产品出现得太早了。
我们的破产法、合同法以及财产法和判例法都经受住了考验，在保护这种创新冲动的同时，让其他国家望尘莫及。
这是光荣的。它无关乎以一种矜持、成熟的方式深思熟虑。如果硅谷的孩子们都那样做，愚行就永远不会发生，那才是一场悲剧。
所以，愚行不可避免地会走得太远。结果就是——公司成批地倒闭。投资者永久性地损失资本，员工失去工作。
今天，我们还没到那一步。但要理解今天这种“光荣的愚行”以及应对之策，需要将其拆解成不同的部分进行分析调查。这就不是一篇文章或一个帖子能讲完的了。
我们将从简要回顾上一场这种规模的愚行开始——即20世纪90年代所谓的“无利润互联网泡沫（dot.com）”。许多人误记了，或者根本不知道那到底是什么。
我们的美联储主席就是其中之一，他成了当今最普遍的虚假叙事的受害者。
“这些公司（今天）……实际上有商业模式和利润，所以这真的不是一回事。”
—— 杰罗姆·鲍威尔（Jerome Powell），2025年10月29日
我不敢苟同。
那场狂热时期的口号是“互联网流量每100天翻一番”。
那始终是一个数据传输基建泡沫，而不是一个关于互联网内容的“.com”泡沫。
当然，那个袜子木偶（Pets.com的吉祥物）确实很有趣。
Pets.com 是硅谷历史上最令人瞠目结舌的失败案例之一。但在它轰然倒塌之前，他们凭借一系列魅力十足的袜子木偶广告,惊艳亮相。这些广告位列我们评选的史上最佳超级碗广告榜单。
所以，也许在大泡沫中确实包含着小泡沫。在1920年代也有很多类似的情况。
但是，与其说是由无利润的互联网公司驱动，不如说1999年一路高歌猛进并冲入新世纪的强大的纳斯达克（NASDAQ），是由高利润的大盘股驱动的。其中包括那个时代的“四骑士”：微软（Microsoft）、英特尔（Intel）、戴尔（Dell）和思科（Cisco）。
纳斯达克是一个市值加权指数，因此最大的市值贡献了绝大部分的表现，就像今天一样。一家盈利丰厚的公司——高通（Qualcomm）在1999年上涨了2619%，年底市值达到560亿美元。
它并非个例。应用材料（Applied Materials）上涨了198%。安进（Amgen）上涨了147%。思科上涨了125%。微软上涨了68%。甲骨文（Oracle）上涨了309%。
Sun Microsystems在1999年底市值达到1350亿美元，涨幅244%，但这仅基于约10亿美元的净利润。Lam Research的股票在1999年上涨了超过500%，它绝非那种昙花一现的公司。康卡斯特（Comcast）上涨了66%。Qwest Communication也同样一飞冲天。
所有这些都是可信的、真实的大公司。
那些今天的多头们可能会想到的无利润公司——如VA Linux、Webvan、Ask Jeeves——直到1999年第四季度才上市。而其他备受青睐的亏损大户——Pets.com和webMethods——甚至错过了90年代，直到2000年第一季度才上市。它们都不是纳斯达克历史性上涨的主要因素。
因此，关于互联网泡沫是“无利润公司泡沫”的流行历史，就纳斯达克的见顶和崩盘而言，不幸地大多是假新闻。绝大多数资金都是在大盘盈利蓝筹股的带领，先下一路向上，然后再一路向下的。
甚至Gemini和其他大语言模型都搞错了这一点。事实上，我曾试图教育它们，它们最终会承认自己错了，但在随后的提问中又会再次出错。这触及了LLM和生成式AI（GenAI）的一个问题，我会另写文章详述。
说某些公司没有利润并不是重点。最重要的是，就像今天一样，资本市场曾经热情地支持了那些狂热的数据传输建设的拥护者。
AT&T每年花费200亿美元建设数据托管、长途运输和其他资产。
MCI花费了150亿美元。
Sprint在PCS无线业务上烧掉了数百亿美元，而这项业务其实需要一种尚未被发明的智能手机。
贝尔南方（BellSouth）和SBC（现在合并为Verizon）也花费了数百亿美元升级其服务区域以提供高速互联网。
Global Crossing花费了200亿美元铺设海底电缆。
Level 3花费了200亿美元。
竞争性本地交换运营商（CLECS，如Adelphia, Covad, XO Communications等）花费了300亿美元。
威廉姆斯公司（Williams，是的，那家天然气公司）为了让其数据传输部门与其天然气管道相匹配，花费了数十亿美元。
360 Networks以及像Flag和TAT-14财团这样的海底电缆组合，每一家都花费了数百亿美元。
更多的光纤需要更多的路由器，更多的路由器意味着更多的光纤，这是一个正向的无限反馈循环。所有这一切都是为了那个看似不可能完成的任务：以越来越快的速度将数据传输到全球每一个家庭，这些任务似乎是无止境的。
“任务似乎是无止境的。”这听起来是不是很熟悉？
我详细列举这些是为了确保读者理解——这不仅仅是一个“互联网泡沫（dot.com）”现象，也不是资本市场支持不足或现金流不足的问题。
不，这是一个灾难性的供给过剩和需求严重不足的问题。特别是在美国，宽带连接的普及速度非常缓慢。
这并不是什么“这次不一样”，尽管很多人试图让它看起来不一样。
首先，我们应该注意自2000年以来其他重要的狂热繁荣。值得注意的是2000年代的房地产泡沫和2010年代的页岩油革命。关于房地产繁荣，我有很多话要说，但那是另一次的话题，因为在这里不太相关。
在下面，我制作了一张图表，将标准普尔500指数的总净资本投资（资本支出减去折旧）除以名义国内生产总值（GDP），并叠加了相关的股市峰值。
我建议你放大图表仔细研究一下，然后再继续阅读。
净投资 (标普500资本支出减去折旧) / 名义GDP，1991-2025
图中标记了：2000年3月纳斯达克峰值；2007年11月标普500峰值；2014年7月标普能源指数峰值；2025年第四季度纳斯达克100创新高。
这张图表包含了很多信息。
净资本投资是总资本支出减去折旧，我将净投资除以名义GDP以便在不同历史时期进行等效比较。数据以直方图形式绘制；蓝色条形代表该季度的净资本投资水平。数据范围从1991年到2025年。
从上到下的彩色垂直线标记了通常与投资热潮相关的股票的投机性顶部。右侧橙色的那条线是最近的纳斯达克100指数新高。
关键在于，你看到的模式是：股市峰值大约发生在投资热潮的中途，在某些情况下，如2000年，甚至发生在资本支出达到峰值之前。
这正是狂热顶峰的视觉呈现——投资者和投机者疯狂地为CEO们庞大的多年支出计划欢呼，对每一美元的支出都给予2美元、3美元甚至更高的市值奖励。令人震惊的股权激励（Stock-based compensation）确保了这种激励措施深入人心，即使是在市场见顶很久之后。希望永远存在，尤其是在泡沫期间。
今天，股权激励比25年前更加令人震惊。改天再详谈。
在过去的一年里，Meta、Google、Oracle和其他超大规模企业（hyperscalers）发现，庞大的支出计划是推高股价的必胜法宝。甚至阿里巴巴也加入了这场游戏，宣布了大规模的AI数据中心支出计划，终于将其股价从近4年的低迷中推升起来。
由Edward Chancellor编辑的《资本账户：一位基金经理关于动荡十年的报告，1993-2002》（Capital Account: A Fund Manager Reports on a Turbulent Decade, 1993-2002）一书详细记录了Marathon Asset Management在90年代泡沫期间的内部和其他通讯。
Marathon将我上述描述的这种资本过度投资问题，称为“资本周期理论（Capital Cycle Theory）”的产物。
我直到最近才发现这本书，但我发现CCT是分析狂热驱动的资本投资热潮的一个坚实框架。此外，这本书也是了解90年代繁荣与萧条真实历史的极佳第一手资料。
这本书零售价超过1000美元，但你可能在网上找到免费的PDF版本。这是我那本书中的一页。
此处引用了书中关于电信行业供应过剩、价格暴跌的内容，提到直到2002年，光纤利用率不足5%
我所强调的是一个惊人的事实：到2002年，在泡沫期间如此狂热建设的数据基础设施中，实际被点亮（投入使用）的不到5%。这代表了管理层和投资者是如何残酷地误判了眼前的未来。CEO们太过于相信股市了。
我从未处于那种位置，但这在历史上似乎是人性中特别无法逃避的一部分。
我可以亲身告诉你，2000年3月10日的市场顶峰是怎样出现的。也就是说，它的发生没有任何明显的原因。
主要的光纤资本支出仍在计划和执行中。网络设备的需求仍然很高。思科在2000年的收入将增长55%。光纤需要路由器。路由器赋能光纤。但股票却在下跌。
纳斯达克指数在此后的16年多里都没有再回到那个高点之上。
然而，那个顶部真的很不起眼。
随着2000年的推进，零部件短缺和产能限制成为常态。需求似乎很强劲，但这只是科技公司卖给科技公司，一切都以数据传输扩张的名义。
“我们没有看到任何迹象表明激进的互联网业务转型……正在放缓——事实上，我们认为它在全球范围内正在加速。”
—— 思科CEO：2000年8月第四季度财报发布
“……由于全行业的产能限制和对我们通信产品前所未有的需求，我们经历了零部件短缺。”
—— 安捷伦（Agilent）CEO：2000年11月
“基于我们在前九个月经历的势头和强劲的订单积压，我们继续预计2000年比1999年的增长率将在40%左右。”
—— 北电网络（Nortel）：2000年10月新闻稿
“思科很幸运能够处于一场不仅重塑经济，而且重塑社会各个层面的经济革命的中心。”
—— 思科CEO：2000年9月24日新闻稿
“我们没有看到任何放缓的迹象。我们向华尔街提供了准确的指引，我们可以按计划执行。”
—— 思科首席战略官：2000年11月3日
后来，安然公司（Enron）在2001年夏天的倒闭震惊了许多人。思科在2001年收入增长了17%，但开始亏损。
纳斯达克在2001结束时比其峰值下跌了惊人的62%——而思科下跌了78%。那些等待放缓信号才卖出的投资者损失惨重。
AI股市多头们几乎异口同声地宣称，大规模支出在今天以及可预见的未来仍将继续，并将导致股市在未来数月甚至数年内持续上涨。我听说，我们现在正处于1997年。
但历史记录讲述了一个不同的故事。房地产泡沫和页岩油革命有着类似的动力，也并非例外。
今天的AI热潮中的五大上市科技巨头“骑士”——微软、谷歌、Meta、亚马逊和甲骨文，加上几家处于青春期的初创公司，承诺在未来3年内投入近3万亿美元用于AI基础设施。投资者对此绝对也是喜闻乐见。
OpenAI，被广泛使用的生成式AI平台ChatGPT的私有拥有者，仅在未来8年内就承诺了梦幻般的1.4万亿美元支出。它的收入不到这个数字的2%，而亏损超过这个数字的2%。其CEO Sam Altman曾被问及此事：
“上市之所以有吸引力，极少数情况下就是当那些人写出荒谬的‘OpenAl即将倒闭’之类的帖子时，我很想告诉他们，他们完全可以做空股票，我很想看到他们因此遭受损失。”
一位亏损初创公司的CEO已经在练习他对做空者的咆哮了。这说明了一切，真的。它得到了资本市场的支持，估值达到5000亿美元，甚至还没有上市。
5000亿美元超过了90年代，所有上市的无利润互联网和电信公司的市值总和。事实上，5000亿美元，正是思科在2000年3月达到的市值。
无论如何，今天的五大上市科技巨头“骑士”在很多方面都很有趣。
事实证明，这些挥金如土的大公司在增加相同芯片/服务器的支出计划的同时，一直在延长这些资产的有效折旧年限。90年代老派的供应商融资（vendor-financing）又回来了，只是换了个新花样。
再一次，有一家“思科”处于这一切的中心，为所有人提供“铲子”，并配以宏大的愿景。它的名字叫英伟达（Nvidia）。
“关于AI泡沫有很多讨论。从我们的角度来看，我们看到了完全不同的东西。提醒一下，英伟达不同于任何其他加速器。我们在AI的每个阶段都表现出色，从预训练、后训练到推理。凭借我们20年来在CUDA-X加速库方面的投资，我们在科学和工程模拟、计算机图形学、结构化数据处理到经典机器学习方面也表现出色。选择英伟达是因为我们单一的架构实现了所有这3种转变。因此，对于跨所有行业的任何形式和模态的AI，跨AI的每个阶段，跨云中所有多样化的计算需求，以及从云到企业再到机器人，都是一种架构。”
——英伟达CEO 黄仁勋（Jen-Hsun Huang），2025年11月19日
在这篇文章中，我澄清了一些相关的历史，为接下来的内容奠定了基础。我希望这对你有帮助。
我介绍了资本周期理论（Capital Cycle Theory），并通过图表证明了股市顶部往往出现在狂热投资热潮正中间这一清晰模式。
调查将在第二部分继续，我们将仔细研究涉及这里最大玩家的会计问题——这是任何“光荣的愚行”所共有的。
我以一位著名人物的一句冷门名言作为结束。这一直是我的最爱之一。
“如果你到处去刺破气球，你就不会是房间里最受欢迎的人。”
查理·芒格（Charlie Munger），R.I.P.
02、评论区的一篇深度帖子
当然，花了379刀的观众们，也藏龙卧虎，不是一般人。有一篇评论贴我感觉写的也有挺启发，顺路一并翻译过来：
AI基础设施的经济学：折旧（包含Excel折旧模型）
每一次重大的经济繁荣都离不开实体基础设施。伯里近期的观察促使我更深入地研究人工智能基础设施的折旧与以往大规模资本建设时代的折旧有何异同。本文将从折旧的角度比较铁路时代、互联网泡沫时代和人工智能时代。
铁路时代
19世纪和20世纪初的铁路繁荣时期，其特点是巨额的前期土木工程投入，以及极长的经济寿命。通过股权和长期债务融资建设的轨道、桥梁和隧道，其使用寿命可长达数十年（类似于当今可再生能源产能的建设）。这些资产的经济寿命在25至100年之间，换言之，其有效折旧率约为每年1%至4%。铁路具有垄断性公用事业的特征：前期资本支出高，年折旧低，且需求可预测，从而带来长期的现金流。现在投入巨资，就能受益数十年。
互联网泡沫时代
与铁路时代相比，电信时代的资产更复杂，因为某些资产的经济寿命比其他资产更长（例如，光纤和管道的寿命为30-40年，而网络设备的寿命为3-5年）。在整个电信网络中，这相当于每年约5-10%的折旧率。即使在2000年的经济衰退之后，光纤和管道在之后的许多年里仍然有用，有些至今仍在运行。在这种情况下，资本支出过时问题确实存在，但尚在可控范围内。
人工智能时代
人工智能资本支出的构成与以往的基础设施周期截然不同。如今，很大一部分投资流向了经济寿命较短的资产，尤其是GPU集群和带宽密集型网络。随附的Excel模型允许您调整这些假设，但基本情况已清晰地展现了这种动态变化。
假设前沿GPU的经济寿命为三年，那么人工智能数据中心约78%的经济产能会在前三年内耗尽（注意是经济寿命，而非使用寿命）。实际上，在前沿人工智能计算方面投资100美元，到第三年仅剩下22美元具有经济竞争力的产能。剩余的价值损失并非源于物理性能的退化，而是源于技术的过时。
这造成了一种与以往任何基础设施繁荣时期都不同的再投资义务（如下），每一代硬件所产生的价值必须足够大，才能抵消快速且反复出现的折旧周期。
折旧政策
过去五年，GPU服务器的折旧政策一直不统一。微软在2023财年之前将服务器和网络设备的折旧年限定为4年，但现在假设其经济寿命为6年。Alphabet也采取了同样的做法。Meta在2025年1月将其服务器的使用寿命延长至5.5年，预计这将减少29亿美元的折旧费用。
AWS一直在提前淘汰部分资产，并将使用寿命从6年缩短至5年。如果一项资产的经济寿命为2-3年，而其会计寿命为5-6年，则会导致：a) 由于折旧较低，早期收益被高估；b) 后期折旧加速，资本支出压力增大，从而拖累现金流。延长折旧政策的效果在于降低年度折旧费用，增加短期收益，并平缓大规模人工智能支出带来的影响。
这些资产真的能长期发挥作用吗？
是的——但并不适用于前沿人工智能开发。老款GPU在推理小型模型和应对需求高峰方面仍然有用。但当其单价相对于其功耗和基础设施成本而言失去竞争力时，其经济价值就会大幅下降。实际上，人工智能基础设施正在演变为两个经济层面：训练资本支出（需要最新的芯片和架构）和推理资本支出（可以使用老款芯片，但寿命更长，不过对模型优化更为敏感）。这种双重结构意味着，硬件的快速更新换代和模型需求的不断变化都会带来折旧风险。
这对投资者有何意义？
A) 因为超大规模数据中心运营商可能会陷入一场激烈的竞争，需要不断增加资本支出才能保持竞争力。这会导致持续的资本支出负担结构性地增加，因此需要在超大规模数据中心运营商的建模和估值假设中明确反映这一点。
B) 会计利润短期内暴跌，要求投资者判断已投入的资本支出能否产生足够的经济回报。这需要深入了解人工智能将如何融入现有产品或新产品中。
C) 行业经济可能已经发生了根本性的变化（即资本支出持续较高水平）。
结论
投资者在预测自由现金流时，应注意隐含的再投资率以及人工智能资本支出回报假设的合理性。
核心问题不再仅仅是“人工智能的机遇有多大？”，而是“这项业务能否持续进行必要的再投资，从而保持领先地位？”
那些拥有雄厚的资产负债表、产品整合选择权和定价能力，能够将三年资产周期转化为持久经济价值的企业，将成为最终的赢家。而失败者则会为时已晚地发现，在人工智能领域，折旧并非会计上的脚注，而是商业模式的本质特征。
