AI交易的盈利驱动、实验室收入门槛与算力供给约束——Altimeter Capital创始人Brad Gerstner演讲要点梳理（All-In Podcast，2026-09-17）
——据All-In Podcast节目《Brad Gerstner: No AI Bubble, Semis Eat the Nasdaq & AI's Take Off Problem》（2026-09-17）整理
摘要：本文对Altimeter Capital创始人Brad Gerstner在All-In峰会市场专场演讲的主要观点进行了梳理汇总。演讲于美联储议息决议前一天进行。梳理了本轮美股上涨的盈利驱动特征与半导体主导的市场结构，介绍了其对前沿实验室收入门槛、资本开支承接收入与算力供给约束的测算，以及对需求空间与利润率扩张的判断，最后阐述了其对监管、利率等风险与自身仓位的看法。据其介绍，三大实验室7月合计年化收入约1000亿美元，年底至少须达到1800亿美元才能支撑AI交易；半导体贡献了纳斯达克指数（纳指）约七成回报；明年美国新增算力卖方预测为43吉瓦，其估计实际建成约25吉瓦。
关键词：AI资本开支；前沿实验室；token需求；企业采用；AI监管；Anthropic；英伟达；Brad Gerstner
一、AI交易的盈利驱动与市场集中度
Gerstner认为，本轮上涨由盈利驱动，估值倍数反而收缩，行情高度集中于半导体等AI基础设施供给侧。
（一）盈利驱动与估值收缩
据其介绍，纳指年内上涨约15%，自去年1月以来上涨39%，期间关税、地缘与AI监管等担忧并存。他指出，不少业内人士年初押注黄金大涨，结果黄金持平、比特币下跌10%；与此同时，英伟达（NVIDIA）收入翻倍，超大规模云厂商资本开支翻倍，OpenAI与Anthropic估值翻倍，SpaceX估值上涨2.5倍。
Gerstner强调这轮涨幅来自盈利，主要依据包括三点：一是纳指盈利增长26%，大部分由AI基础设施贡献；二是纳指与标普500指数的市盈率在今年均有所收缩；三是估值处于历史均值附近或以下，英伟达按明年完全计税的GAAP盈利计算约为14倍，纳指、标普500、费城半导体指数与英伟达均低于各自的历史均值，七巨头大致贴近均值。
（二）半导体主导的窄幅行情
Gerstner指出，这一市场的上涨面较窄，半导体贡献了纳指回报的七成，可选消费、软件、金融等主要板块涨幅有限。他认为，获益的是“造token的人”，买token的公司只是搭车，原因在于基础设施市场供给偏紧。其展示的一张图把超大规模云厂商的资本开支与半导体公司的自由现金流叠加对照，两条线几乎一美元对一美元，前者的支出直接转化为后者的现金流；戴尔（Dell）这类大型上市公司在18个月里取得5倍至9倍的涨幅，接近风险投资的回报水平。
二、前沿实验室收入与资本开支的承接
Gerstner认为，实验室收入是决定AI交易方向的关键变量，资本开支能否持续取决于承租方收入能否跟上。
（一）实验室收入与行情节奏
Gerstner回顾，去年10月他曾在与Sam Altman及微软（Microsoft）首席执行官Satya Nadella的播客中追问，OpenAI手握130亿美元GAAP收入，为何敢承诺一万亿美元资本开支，Altman的回答是让他卖出股票。此后行情的演变可分为三个阶段：一是12月初Opus 4.5与Claude Code上线后，Anthropic年化收入由1月的20亿美元升至2月的40亿美元、3月的110亿美元，市场在3月逐步认识到Anthropic的收入规模，“AI收入会不会出现”这一问题得到肯定回答；二是4月与5月的上涨由此从底部启动；三是6月至7月的盘整，原因在于Anthropic公布的年化收入为650亿美元，低于市场预期的750亿美元，预期随之下修，叠加对开源模型追赶的担忧，之后走势横盘。
（二）年底收入门槛
Gerstner按传闻口径估算，Anthropic、OpenAI与SpaceX（指并入xAI后的实验室主体）三大实验室7月的合计年化收入约为1000亿美元，年底至少须达到1800亿美元，即三家合计再增加800亿美元，AI交易才能维持。他认为当前市场的核心数据点在于Anthropic与OpenAI的月度收入是40亿美元还是80亿美元。他结合风险投资经验指出，软件公司用四五年做到10亿美元收入即已位居前5%，而市场当前定价的是远为陡峭的增长曲线。
（三）资本开支的承接收入
Gerstner以资本开支与承接收入的对照图说明收入的重要性。每年约1.5万亿美元量级的资本开支中，微软、谷歌（Google）、亚马逊（Amazon）等均是建成后出租，真正支付租金的是承租方，因此必须有相应的承接收入。据其推算，若今年以约2000亿美元年化收入收尾，此后须依次达到4500亿美元、8000亿美元直至1万亿美元，才能跟上五大科技公司的资本开支预期，否则相应的资本开支难以持续。
三、算力供给约束
Gerstner认为，明年卖方预测的新增算力难以全部建成，但实际可建成的规模足以支撑实验室的收入目标。
（一）新增算力预测
Gerstner表示，实验室正在激进扩充算力，行业正走向递归循环，产品需求强劲。据其介绍，今年全美新增约19吉瓦算力，其中约7吉瓦归属两家头部实验室；SemiAnalysis的Dylan Patel预测明年新增43吉瓦，其中约14吉瓦归属头部实验室。他指出，明年的新增量相当于美国今年的存量总算力，按各年增量累计，到2028年全美过半算力将由两家实验室控制。
（二）实际建成能力
Gerstner认为43吉瓦难以建成。据其介绍，美国现有总算力不到40吉瓦，一年内翻番面临四方面制约：一是许可审批与地方反对；二是电网并网延迟；三是熟练工人短缺；四是电力设备售罄。他估计明年实际建成接近25吉瓦，其中一半归属Anthropic与OpenAI。他同时指出，这一规模足以支撑收入目标：Anthropic今年传闻收入为1000亿至1100亿美元，是用约1.5吉瓦算力实现的，再增加四五吉瓦即足以新增1000亿美元收入，收入目标并不需要43吉瓦。
四、需求空间与利润率扩张
Gerstner认为，AI可触达的市场空间足以覆盖资本开支，代理时代的token用量正在快速放大，并可能推动企业利润率扩张提速。
（一）市场空间与token用量
市场空间方面，Gerstner将消费、广告、编码与数百万家企业的白领工作流合并计算，认为只需获取其中约4%、即1.2万亿美元，就能覆盖资本开支。用量方面，他援引英伟达首席执行官黄仁勋两年前“推理会增长十亿倍”的说法，认为代理时代正在兑现这一判断：一是今年将产出47千万亿个token；二是Codex用户八个月增长40倍；三是企业AI支出中位数18个月增长17倍，Altimeter自身也已离不开AI采购。
（二）利润率扩张
Gerstner以纳指的盈利分解说明生产率红利。据其介绍，2015年至2025年纳指每股收益（EPS）年均增长约10%，由6%的收入增长加每年约38个基点的利润率扩张构成，问题在于AI能否把38个基点提高到100个基点。他的判断是肯定的，并举例称，Uber表示增长20%不增加人员，Snowflake表示增长30%不增加人员；人员与工程师是这些公司的主要成本项，其逻辑在于不再按过去的速度招聘。消费端方面，他认为个人代理已随Muse与Instinct落地，与Bill Gurley关于“何时能用口袋里的代理订酒店”的打赌已见分晓，这可能成为又一个万亿美元级类别，且将消耗大量token。
五、主要风险与仓位判断
Gerstner认为，AI交易已被市场充分定价，后续须关注监管、利率与实验室收入的实际进展。
（一）监管与利率风险
监管方面，Gerstner认为答案不会落在任何一端，需要常识性的务实方案让普通选民安心，并认为马斯克前一天提出的同行评审是一个方向。他以核电为先例，指出在民众恐慌与活动人士推动下，美国关闭了67座裂变反应堆，清洁能源未能实现，排放反而增加，这一情况不应在AI领域重演。
利率方面，他判断美联储加息概率已超过九成，数据中心建设使用的是借入资金，资金门槛率正在上升。他援引巴菲特“利率之于股票如同引力之于物质”的说法，认为无风险收益率升至5.5%或6%时股票将承压，若十年期国债收益率升至5.5%，将对权益市场构成沉重负担。
（二）“飞行路径”与仓位
Gerstner在演讲收尾给出了AI交易的“飞行路径”，主要包括三个变量：一是实验室收入，若月度收入接近80亿美元，他认为即是起飞，年内将看到IPO；二是利率、选举与油价，利率在一定程度上跟随油价；三是监管与Anthropic的IPO，前一天的市场下跌源于对IPO被叫停或推迟的担忧，他认为这一情况不会发生。
在操作层面，他表示2023年至2025年只需做对一件事，即把筹码押在AI交易上；2026年情况不同，AI已被市场充分定价，接下来须依据事实与情势判断，保持心理弹性，不宜使用四倍杠杆。据其介绍，他目前持有中等仓位，未来几个月若收入上量且油价回落即加仓，否则保留缩减仓位的选择。
总的看，Gerstner认为本轮AI行情由盈利驱动、估值并未扩张，收益高度集中于半导体等基础设施供给侧；AI交易能否延续在很大程度上取决于前沿实验室收入能否在年底达到约1800亿美元的年化水平，算力供给虽受许可、电网、人工与设备约束，但约25吉瓦的新增规模足以支撑收入目标；在AI已被充分定价的情况下，其本人维持中等仓位，并视收入进展与油价走势调整。