我对AI产业未来最大的担心，不是AI没有价值，而是AI基础设施的增长速度，已经开始跑在真实应用之前。
过去几年，AI经历了非常清晰的三个阶段。
第一阶段是AI算力：GPU、HBM、服务器、光模块快速扩张。
第二阶段是AI电力：数据中心开始争夺燃机、变压器、储能、电网资源。
第三阶段是AI资源：铜、铝、银、天然气、铀等上游资源开始被重新定价。
问题在于，边际需求突然爆发，不等于永续增长。
AI与2000年互联网最大的不同，是技术能力更强、融资能力更强、资本开支规模也更大。但也正因为如此，一旦产业从高速建设进入回报验证阶段，去杠杆过程可能更加猛烈。
现在最关键的矛盾，是AI基础设施建设速度，与AI应用创造现金流的速度并不匹配。
GPU当然有价值，模型也会越来越强，但到目前为止，大部分AI应用仍然是对人类知识和工作流程的效率提升，而不是创造一个完全不存在的新产业。
如果AGI需要5年、10年甚至更久，那么中间就会出现一个巨大的“空舱期”：
基础设施已经建好了，真正能够产生足够现金流的应用却没有跟上。
这就是第一个风险：AI过剩。
GPU、服务器、光模块、PCB、液冷、数据中心、电力设备都不会突然没有需求，但投资回报率可能下降。就像2000年互联网最终改变了世界，但大量光纤、IDC和通信基础设施投资者仍然破产。
第二个风险，是我所谓的AI次贷化，本质上就是AI资产负债表去杠杆。
现在大量数据中心依赖长期租赁、设备融资、资产残值和未来现金流进行扩张。一旦算力价格下降、设备残值下降，抵押能力就会下降。
于是形成一个负反馈：
资产价格下降
→ 抵押能力下降
→ 融资成本上升
→ 新数据中心减少
→ GPU需求下降
→ Nvidia等产业链收入增速下降
→ AI资产估值继续下降。
这与房地产周期非常像。真正危险的从来不是房子突然没有用途，而是资产价格跌到不足以支撑原来的杠杆。
内存也是一样。
今天HBM、DRAM赚钱，三星、SK Hynix、Micron、长鑫等自然都会扩产。但半导体永远逃不过供给周期。如果未来需求增长30%，供给增长40%，今天的高利润就可能变成明天的价格战。
所以真正需要警惕的，不是AI技术，而是建立在AI高增长假设上的资产价格、产能和杠杆。
经济过热以后会去杠杆，AI同样会去杠杆。
但去AI杠杆并不意味着AI结束。恰恰相反，真正的大机会可能出现在算力价格暴跌以后。
就像2000年以后，光纤公司倒下了，但廉价光纤成就了互联网。
未来GPU租赁下降、Token价格下降、模型调用成本下降，真正受益的反而可能是AI应用和Agent。
因为当“铲子”便宜以后，使用AI的成本趋近于零，企业会发现：凡是AI能够完成的工作，就没有必要继续配置大量人工。
这可能催生大量一人公司、自动化公司和AI原生企业。
云计算也是一样。前期大量玩家烧钱建设，最终可能经历破产、并购和出清，最后留下少数拥有最低成本和最大规模优势的巨头，行业才真正进入稳定盈利阶段。
所以未来真正值得寻找的，不应该还是下一只光模块、服务器或者算力大牛股。
真正的大机会，很可能是在AI基础设施泡沫出清以后，谁能够利用极其廉价的算力、Token和模型能力，创造真正的现金流。
至于资源端，我更看好与AI单一资本开支相关性较低的品种。
第一，中重稀土，特别是镝、铽。需求来自新能源汽车、机器人、工业电机、军工、风电，中国又拥有极强的供应链控制能力。
第二，铀。它真正的逻辑是全球核电复兴，AI只是额外增加需求。
第三，铜。即使完全剔除AI，新能源汽车、电网、可再生能源和全球电气化仍然需要大量铜，而铜矿最大的长期矛盾仍然是新矿建设慢、矿石品位下降。
所以我的核心判断只有一句话：
下一阶段最大的投资机会，未必来自继续押注AI扩张，而可能来自AI去杠杆以后，谁能够利用廉价算力真正赚钱。
当然，这个判断有一个非常重要的前提：AGI到来的速度没有市场今天想象得那么快。
如果AI突然出现真正革命性的产品，整个逻辑就需要重新评估。
但如果没有，那么今天最重要的事情，就不是继续追逐AI基础设施泡沫，而是开始寻找泡沫出清之后真正的赢家。
我对AI产业未来最大的担心，不是AI没有价值，而是AI基础设施的增长速度，已经开始跑在真实应用之前。
过去几年，AI经历了非常清晰的三个阶段。
第一阶段是AI算力：GPU、HBM、服务器、光模块快速扩张。
第二阶段是AI电力：数据中心开始争夺燃机、变压器、储能、电网资源。
第三阶段是AI资源：铜、铝、银、天然气、铀等上游资源开始被重新定价。
问题在于，边际需求突然爆发，不等于永续增长。
AI与2000年互联网最大的不同，是技术能力更强、融资能力更强、资本开支规模也更大。但也正因为如此，一旦产业从高速建设进入回报验证阶段，去杠杆过程可能更加猛烈。
现在最关键的矛盾，是AI基础设施建设速度，与AI应用创造现金流的速度并不匹配。
GPU当然有价值，模型也会越来越强，但到目前为止，大部分AI应用仍然是对人类知识和工作流程的效率提升，而不是创造一个完全不存在的新产业。
如果AGI需要5年、10年甚至更久，那么中间就会出现一个巨大的“空舱期”：
基础设施已经建好了，真正能够产生足够现金流的应用却没有跟上。
这就是第一个风险：AI过剩。
GPU、服务器、光模块、PCB、液冷、
