风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。

作者：陆家嘴幽灵

来源：雪球

昨晚，美股科技承压，英伟达跌近3%，美光、闪迪均跌近5%，海力士跌4.35%。消息面上，一则关于OAI收入的报道打压了AI情绪，其向投资者提供材料显示，截至9月底，公司年化收入接近500亿美元，低于此前广泛流传的约700亿美元。
尽管两个数字的差异主要来自云合作伙伴收入计入方式统计口径，但市场仍然调整了整个产业链预期。背后涉及的问题还是：上游采购和基础设施投入快速增长以后，下游能留下多少收入，又能拿出多少现金支持下一轮扩张？
简单谈谈看法。本文仅为学习思考记录，不构成任何投资建议。
01
200亿美元的差距在哪里
首先，要分清年化收入与实际营收。此次披露的是某个时点的收入运行率，将当时的业务规模折算为全年水平。它不等于OAI今年已经确认了500亿美元收入，也不代表未来十二个月已经锁定同样金额的客户付款。
这类指标能够较快反映业务扩张，尤其适合观察高速增长的公司。但运行率会受到客户调用、产品更新和价格变化影响，实际还要考虑季度收入、客户留存、合同期限等等。把年化运行率当作全年营收，再与全年支出比较，会出现时间范围错配的现象。
本次差异的另一层来自云渠道。A家是将通过AWS、谷歌云等渠道销售的相关收入按总额计入；OAI在部分合作伙伴安排中，只确认自己按协议获得的分成。此前接近700亿美元的数字，主要包含为了横向比较两家而作出的总额调整。
换句话说，渠道销售中归属于公司的收入，与终端客户支付的金额，是两个数字。不能说是哪家公司想展示更高增长，就任意选择一种口径。
举个简单例子：假设客户支付1000元，渠道取得300元，提供模型服务另需400元成本。如果符合总额确认条件，报表会呈现1000元收入、700元相关成本，留下300元；如果符合净额确认条件，则呈现700元收入、400元相关成本，同样留下300元。
收入规模与利润率看起来不同，但交易本身的经济结果可以相同。所以这件事本身也不能理解成业务突然收缩。OAI三季度期间整体收入运行率增长77%，企业业务运行率增长107%。
我觉得需要补充说明的是两个数字之间的具体对应关系，例如哪些渠道被计入，金额如何计算，增长率采用什么基数，终端客户支出中多少归模型厂商、多少归合作伙伴。
在这套关系清楚以前，用700亿美元和500亿美元推导需求骤降近三成，证据不足；说这个差异无关紧要，也忽略了此前市场可能采用了怎样的假设。
02
为什么口径问题仍会影响市场定价
OAI经营数据对市场的影响不言而喻。市场用头部模型厂商的收入增长，判断算力服务是否有足够付费需求，再据此理解云厂商扩建数据中心、芯片公司获得订单，以及网络、存储和电力设备需求。
模型厂商确实是重要采购方，不过当很多公司的远期增长都依赖同一批下游客户时，一个收入数字就会承载远超自身的信息量。它既被用于评价模型公司，也被用于解释供应商的采购持续性。
此前接近700亿美元的报道，曾被市场当作商业化加快的证据。如今较小的披露数字出现，即使两个口径没有完全一致，投资者也会回头检查之前是否高估了OAI自身能够确认的收入、哪些供应商的增长假设依赖这一估计等等。
这里面至少有三种不同的调整。
第一是估值分母的调整：如果此前用较大的收入数字计算收入倍数，换成公司实际披露口径后，同样估值对应的倍数会提高。但比较的时候，总额收入较高未必有更多利润，统一收入定义只是比较的起点。
第二是对未来采购承受能力的调整：模型厂商取得收入后，还要承担提供服务的计算成本、人员研发、销售与运营等支出。运行率能够显示业务扩张，但不能直接推导公司每年采购算力的支出。
基础设施合同往往跨越多年，付款、交付和使用又分布在不同时间。公司可以通过融资承担前期投入，再等待收入释放，但这种安排需要后续增长与资金持续配合。一次融资可以延长经营时间，并不能独立证明新增集群的投资回报。研究时要把收入、毛利、经营现金消耗和采购义务分开，再看它们能否衔接。
第三是信息可靠性的调整：过去市场愿意接受一些简化，比如用户增加，调用增加，收入随之增长，采购也会持续。如今一个被广泛引用的数字需要重新解释，投资者可能要求更多原始披露，减少对单个运行率指标的依赖。
即使经营预期最终变化不大，较低的信息确定性也可能让市场降低愿意支付的估值。特别是股价已经包含较长增长期限的公司，仅仅证明需求仍然存在，未必足以继续支撑重估。新增证据需要提高盈利水平、延长增长时间，或者降低原先的风险。
这一点也能解释，为什么500亿美元本身已经是很大的收入运行规模，市场反应仍然偏谨慎。股价交易的是结果相对于原先假设的变化。
一个绝对数值很高，如果投资者此前相信更高的规模、更多可支配现金和更快的投入回收，仍可能带来重新定价。
03
对产业链的影响
OAI的收入信息会影响产业链判断，传导强度取决于供应商处在哪个位置，主要几层：
1. 云与算力服务商，更直接面对客户付款和资产回收。
对于甲骨文、CoreWeave等相关算力供给方，客户需求能够带来长期合同，也会推动服务器、机房与配套设施投入。供应商先承担部分资本开支，再通过后续服务收入回收资金，采购方的履约能力因此很重要。
长期协议可以提高需求可见度，但还是有对手方风险。如果采购方未来的收入、成本或融资条件变化，压力可能先表现为新增项目放缓，也可能进入交付节奏、合同重谈和资金安排。注意要分别判断已经提供的服务能否正常回款、以及尚未开工的远期项目是否继续。
此外还要看资产能否转给其他客户。标准化程度较高、位置和成本有竞争力的算力资源，可能更容易重新安排；如果一个项目高度依赖特定客户、特定集群配置和长期资金安排，迁移就需要时间与成本。
因此，相关公司的风险，更适合通过客户集中度、建设承诺、融资结构、投产进度和现金回收来衡量。市值大小只能提供有限信息，大公司也可能拥有集中的风险，小公司也可能具备较强的合同和资产条件。
2. 芯片、存储和互联供应商，要区分总需求与客户变化。
英伟达等硬件厂商面对的需求并不只来自一家模型公司。云平台、其他模型厂商与企业应用都会增加计算任务。如果OAI的部分需求转向其他模型或服务平台，行业计算量可以继续增长，只是采购主体、产品组合和交付时间发生变化。
不过，这种转移也不会完全没有摩擦。不同客户采用的硬件和架构不同，某家模型公司增长更快，不代表另一家公司已经锁定的机房与设备都能原样使用。总需求有支撑，与个别供应商订单需要调整，可以同时发生。
对光通信和存储而言，还需要进一步拆分。光连接需求受到集群规模、拓扑和带宽要求影响；存储需求要看服务器数量、单机配置、数据规模与访问方式。模型收入采用什么确认口径，不会改变这些物理需求，但采购方的资金与回报要求，会影响它们扩张的速度。
所以，相比硬件订单是否减少，更值得关注的是客户是否调整资本开支，交付有没有延期，以及后续订单与实际回款能否保持。
3. 模型与应用竞争，看降价之后谁能留下收入。
模型报价下降可以扩大使用范围，但调用增长与收入增长之间仍要经过价格。客户可能用更少的钱完成原有工作，也可能因为更便宜而增加任务。最终效果取决于新增使用能否弥补单位收入下降，以及厂商能否同步降低服务成本。
这会带来两种看起来相反、却可能同时发生的结果：用户获得更多AI能力，模型服务商的竞争却更激烈；计算任务持续增加，某一家公司的市场份额或盈利能力却受到压力。
企业客户最终还是会比较任务效果与完整成本。如果调用很多，却需要持续人工复核和返工，预算未必长期增加；如果Agent能够稳定完成工作，节省的时间或增加的收入可以被验收，采购就更容易延续。这一层真实付费，才是基础设施扩张更长期的依据。
沿着产业链看，上游可以先因设备交付取得收入，云与模型厂商需要更长时间回收投入。各层报表都在增长，但不保证最终出资方已经获得合理回报。
市场现在关注的，正是这些时间差与风险分配。
04
总结
总的来说，对于OAI收入预期事件需要思考几个问题：统计口径发生了什么变化、公司真实经营发生了什么变化、以及市场此前相信了什么。
统计上的解释不会自动修复所有市场预期。如果市场之前把较大的数字视作收入，进一步假设它能支持更多算力支出，那这些判断就需要重做。数字的差异不代表经营恶化，暴露的是市场对重要需求方了解并不充分。
后续关注重点还是三个，收入增长能够留下多少现金、采购义务与客户回款是否匹配、市场为这些增长预留了多长时间。
未来可能出现几种情形：
第一，口径逐步澄清，客户付费和成本改善继续推进，市场重新获得更充分的依据；
第二，模型使用量继续增长，但价格竞争让收入和现金流释放较慢；
第三，需求仍然旺盛，部分公司却因资金、建设和履约安排调整扩张。
这三点对于产业链的影响不同，有各自需要验证的证据。所以在回调后，不能仅仅因为长期看好AI就判断已经出现足够空间，也不必因为收入数字差异否定什么。看的还是客户是谁，支出由谁承担，合同保护什么，哪些风险没有被价格充分反映。
当然这件事也提醒我们，平时自己需要保留清楚的证据层次。公司正式披露、媒体转述、投资者调整与远期推算，不能在传播中逐渐变成同一件事。一个数字在市场里被引用得越广，越有必要回头检查定义。
AI产业的需求增长、利润分配和股票回报，会以不同速度展开。技术与使用量可以较快进步，收入兑现需要客户持续付款，资本回收需要更长的经营周期。
市场愿意支付多少估值，取决于它对这些环节的判断，以及已经计入了多少未来。
-END-



文章原文