科技行业资本支出激增：是好是坏，还是糟糕透顶？

三个令人震惊的事实

你知道吗？

• 这七大“神奇七星”股票的市值与标普 500 指数中市值最低的 433 只股票的市值相当，后者包括我们每天都会接触到的公司，例如 Visa、埃克森美孚、花旗集团、沃尔玛和辉瑞？
• Mag Seven 的市值比德国、日本、印度和英国名义 GDP 的总和还要大？
• 到 2025 年，科技公司的资本支出（capex）在经济中所占的比重，将与曼哈顿计划、农村电气化、阿波罗登月计划和州际公路系统建设高峰期支出的总和相当吗？ ^{[1] [2]}

图1和图2以视觉方式表达了这些概念。 ^[3]

图表 1：Mag 7 市值与标普 500 指数中市值最低的 433 只股票的市值比较

图表 2：2025 年科技行业的资本支出与其他历史资本支出繁荣时期的比较

即便所有这些投资最终都取得了成效（但实际上不会），在成果显现之前，我们若不对如此铺张的资本支出表示担忧，那就太愚蠢了。本文将从学术研究的内容以及我们在昆特大学开展的研究入手，探讨这种担忧。

一些资本支出背景

资本支出似乎天真地被认为是一种纯粹的商品——它是公司对其未来的投资。

然而，无数的学术研究和实践研究却指向不同的结论。正如我最近在 《华尔街日报》一篇关于资本支出和轻资产公司的文章中提到的，我们从 100 年的数据中得知，资本支出平均而言是有害的。 ^[4] 它究竟有害在哪里？如果这一观点成立，投资者又能从中获益什么呢？

收益递减原理

让我们回到经济学入门课程（101），它教给我们收益递减规律；以及公司金融入门课程（101），它要求我们将投资的预期收益与其资本成本进行比较。

边际效益递减意味着，在商业项目中投入的第一美元将带来丰厚的回报。想象一下，一个想成为奶农的人，却一无所有。第一头奶牛的到来，让这片荒地变成了一个运转良好的小型奶牛场。这是迈向真正事业的第一步。

现在，让我们快进几年，假设这位农场主不断增加奶牛数量，直到土地无法再承载更多，牛奶供不应求，挤奶工人也不够。（ 挤奶机器人还处于起步阶段——敬请期待。）显然，再增加一头奶牛是个愚蠢的决定，只会得不偿失。

然而，科技行业的某些公司似乎正在这样做，它们正进行一场史无前例的资本支出狂潮。世界上最大的数据中心占地 0.36 平方英里，是世界上最大的工厂——波音埃弗雷特飞机制造厂（占地 0.15 平方英里）——的两倍多。预计到 2026 年，全球前九大云服务提供商（CSP）的资本支出——仅仅一年——将超过 8300 亿美元，年增长率高达 79%。

如果历史上任何行业能够持续保持79%的年增长率，那对我来说简直是闻所未闻。如果2026年数据中心资本支出从现在开始以79%的速度增长，到2035年其规模将超过世界经济总量。所以，这种情况不可能发生。

但这并非专门针对数据中心过度支出的抨击，而是引出一个更普遍的概念：资本支出是市场中的一个“定价因素”。（为此，我们用过去五年的增长率来衡量资本支出。）“定价因素”是金融术语，指的是在其他条件相同的情况下，通过根据股票近期资本支出增长率对其进行排名，并买入排名最低的五分之一或两分之一的股票，长期来看，平均而言，你可以从中获利。如果你是多空策略投资者，只要像所有多空策略投资者一样密切关注风险控制，你还可以通过做空排名最高的五分之一或两分之一的股票来赚取更多利润。

目前资本支出增长率高的公司并非仅限于七大巨头。它们还包括（按市值降序排列）：礼来公司、超微半导体公司、甲骨文公司、应用材料公司、通用电气 Vernova 公司、安费诺公司、波音公司、H&R Block 公司、Welltower 公司和 Vertiv 公司。这些公司大多耳熟能详，且均位列资本支出增长率排名前 20%的股票之列。

商业项目必须不仅能收回资本成本，还要有所盈余。

这时，企业财务基础知识就派上用场了，即比较投资回报率和资本成本。是否开展某个“项目”（例如建设数据中心）的标准是该项目的预期净现值（NPV），其中已将项目的资本成本与其他所有成本同等考虑。我们可以按净现值对所有拟建项目进行排序，从高到低，理性的商业经理会选择净现值大于零的项目，而放弃其余项目。

从这项分析中不难看出，排名最高的项目在扣除资本成本前的预期利润将远高于其资本成本，而那些接近临界点的项目则勉强能够盈利。低于临界点的项目将会亏损。无论某个商业计划看起来多么诱人，其中总会有一些项目勉强盈利到值得去做，而更多的项目则应该被拒绝。竞争必然如此——即使是极具吸引力的“超高速增长”业务，其潜在的亏损项目也远多于盈利项目。

在这种情况下，能够去伪存真正是高管们高薪物有所值的原因之一。

理论就到此为止，让我们来看数据吧。

2003 年，我的朋友、顾问兼合作伙伴谢里丹·蒂特曼（Sheridan Titman）与两位合著者研究了不同资产增长率公司的收益情况。 ^[6] （此处“资产”指的是资产负债表上列示的公司资产，反映了过去累计资本支出减去折旧。）在这项开创性且影响深远的研究中，他们发现了一个显著的“资本支出效应”：

大幅增加资本投资的公司随后获得了负的基准调整收益……这些观察结果与以下假设相符：投资者往往对增加投资支出所带来的扩张效应反应不足。

如图表 3 所示，作者根据资本支出增长率 ^[7] 将股票分为五个等级，并追踪其随后五年的表现。为了避免报告仅仅是规模效应、价值效应或其他因素掩盖的结果，五分位收益率已根据市场因素和三个风格因素进行了调整。然后，作者构建了一个市场中性的“价差投资组合”，该投资组合在每年都包含以下成分：对资本支出增长率最低的两个五分位股票建立多头头寸，对最高的两个五分位股票建立空头头寸。

图表 3：按资本支出增长排名的美国股票投资组合的市场和风格调整后年收益率，1973 年 7 月至 1996 年 6 月 ^[8]

即使在事后诸葛亮式的因素研究中，低资本支出增长公司和高资本支出增长公司之间16.8%的年均“净化”利差也相当大。这样的结果不容忽视。

诚然，由于研究时间段为1973年7月至1996年6月，这项研究年代久远。市场会随着时间推移发生巨大变化，30至50年前“有效”的策略可能已经消失或发生逆转，因此，在根据该研究进行投资之前，我们需要来自近期的数据来佐证。

此外，1973年至1996年间观察到的资本支出效应存在一段较长的低迷期（1980年至1986年），几乎占研究期间的三分之一。这种震荡效应是股票价格因素的典型特征，包括众所周知的小市值效应和价值效应。

因此，我们需要更新的证据。图表 4 展示了我们一项研究的结果，该研究涵盖与图表 3 类似的领域，但数据范围从 2006 年 6 月到 2026 年 4 月。对于这个更新的样本，我们使用了 Barra 投资质量因子，这是一个基于资产增长、发行增长和资本支出增长的综合指标。该因子旨在体现与我们之前仅关注资本支出的分析相同的基本理念：积极扩张资产基础或发行大量新股的公司，平均而言，其后续股票回报率往往较低。

这一结果与之前的研究方向一致——高资本支出增长型股票表现不佳——但程度较轻。从最低五分位到最高五分位的投资组合年化复合收益率为2.65%，而分散化程度更高的从最低两个五分位到最高两个五分位的投资组合年化收益率为1.73%。

图表 4 ^[11]

对资本支出的担忧如何适用于当今市场？

我们正处于美国股市高度集中的时期。图表 1 对此有所体现，但我们可以使用更正式的指标——赫芬达尔-赫希曼指数（HHI）——来确定市场的头部集中程度。该指数目前约为 200（预计到 2025 年中期），接近现代历史最高水平，是 1980 年至 2019 年平均水平的两倍多。要找到与之相当的集中度，必须追溯到 20 世纪 50 年代至 70 年代的“烟囱林立的美国”时期，而且当时的龙头企业大多并非像今天这样集中在同一行业！

1970 年，电影《陆军野战医院》 （M*A*S*H） 上映，格雷格·费舍尔（Gregg Fisher）出生，同年，七大巨头（Mag 7）分别是 IBM、AT&T、通用汽车、伊士曼柯达、埃克森美孚、西尔斯·罗巴克和德士古，它们制造业实力雄厚，但在电话、石油和零售业也占据着举足轻重的地位。

图表 5：20 世纪 70 年代的“Mag 7”

我们认为，市场格局的形成不仅日益受到基本面和市场情绪等传统因素的影响，也越来越受到资本结构性配置的影响。微软、亚马逊和 Alphabet（谷歌）等市值巨大的公司正集体投入数千亿美元用于数据中心、GPU 和技术基础设施建设。

这种支出并非完全出于前文所述的净现值（NPV，即对利润的增加）计算——它更是一种防御性策略。人们普遍认为，人工智能投资不足的风险高于投资过度的风险，这种情况导致了一种单方面的倾向，即激进的资本支出。“我们必须进行这些投资，”这种想法是，“因为如果我们不投资，而我们的竞争对手投资了，我们将面临可能无法挽回的风险。”

那样做只会导致过度投资和低盈利甚至亏损。过去各行各业的每一次崩盘都始于过度投资——互联网泡沫就是一个典型的例子，但其他例子可以追溯到1720年的南海泡沫。人性，包括贪婪和恐惧，即使经过时间的洗礼，也鲜有改变。

行为因素及其后果

所有资产“定价错误”（如果资本支出泡沫也算在内）在某种意义上都是行为性的，既然我们已经将贪婪和恐惧纳入讨论范围，那就让我们从这些方面补充一些细节。通过考察 Titman 等人研究的时期以及涵盖过去 20 年的最新研究，我们可以找出一些高资本支出增长率不利于后续股票回报的原因：

• 股价大幅上涨后，领导者的资本配置选择并不理想——领导者往往会重复最近行之有效的做法，并期望重复这种做法能够产生与第一次相同的利润。
• 建立帝国——高管们因管理大量人员和资产而获得奖励，而不是因管理未来可能获得的利润而获得奖励。
• 行业整体高资本支出导致产量增加、供应量增加、价格下跌，从而导致所有人的利润下降——这只是经济学入门知识。
• 高资本支出意味着公司分配给投资者的现金减少，这可能会压低估值——投资者可能会有比公司更有利可图的现金用途——包括购买其他公司的股票。
• 如果人工智能资本支出周期像中国电动汽车公司那样发展，那就很成问题了——企业在周期初期前景良好时大手笔投入，然后陷入激烈的竞争，导致所有人的利润都下降了。

总而言之，风险不在于人工智能本身作为概念或产品是否会失败，而在于在构建阶段投资回报是否会低于预期。我们无法直接投资于与创新相关的社会和经济效益——我们购买的是公司的“股票”，因此我们需要关注销售额、收益、资本支出、劳动力成本、市场情绪、竞争的影响以及股票价格，而不仅仅是人工智能企业家和工程师的卓越成就。

平均而言，过度支出最终会导致收益下降。

如今的企业领导者——无论是在七大巨头还是其他领域——都是在专利、版权和劳动合同等无形资产占据主导地位的漫长时期中崛起的。现在，他们像昔日的工业巨头一样，斥资数万亿美元兴建办公楼。他们真的懂得如何操作吗？他们知道何时应该止损吗？负责预测利润和估算资本成本的团队，是否已经掌握了这种新型（又似曾相识的）投资模式？

我们担心，在足够多的案例中，事实并非如此，而且这种担忧可能会产生重大影响。历史也印证了这种担忧。从19世纪的驳船运河和铁路，到如今的互联网和人工智能，每一次商业繁荣都导致了过度投资，最终市场回报惨淡。将过去的收益无限期地投射到未来，这符合人性，或者至少符合那些在商业上取得成功的人的本性；而理解增长的局限性并提前应对这些局限性，则并非如此。

因此，运用构成所有经济学核心的边际思维，我们可以预期，在科技行业，最后一美元（或数千亿美元？）的资本支出，其在实体经济中的回报将低于资本成本。这是否意味着股市会出现负回报或低于市场平均水平的回报，则需要分析师根据市场情绪和其他诸多因素来判断，但通常来说，股价最终会遵循经济规律，这才是明智之举。

现代资本支出：企业是否为人才支付了过高的价格？

科技相关资本支出泡沫的潜在影响最终可能会被人才泡沫所掩盖。我们指的是，那些被认为拥有独特才能的员工会获得极高的薪酬和奖金。（大谷翔平就是这样拿到了一份价值7亿美元的棒球合同——他当然很厉害……但这笔钱也太多了吧。）

资本支出作为资产列入资产负债表，而人力资本则不然；员工的工资会在支付当年全部计入费用。这使得在实体资本支出和人力资本投资之间进行分配变得更加困难。如果高管们在寻找资本支出收益递​​减点时都感到力不从心，那么在寻找高薪人才的收益递减点时，他们可能就更加困难了。毕竟，数据中心看起来都差不多（都很丑），但优秀的员工不仅是公司的形象大使，而且在公司内部也极具生产力。而且，他们通常都很优秀。

在未来的工作中，我们将进一步探讨这样一个观点：一些公司由于过去的成功而倾向于过度投资，这种过度投资不仅体现在公司建设上，也体现在招聘上。目前，我们只需表达这种担忧，并将详细的分析留待以后进行。

投资组合管理的一些想法

作为投资者，我们应该如何应对这些现实？

一种可能的启示是，要评估对承担最高资本支出风险的公司的投资敞口，包括那些集中在市值加权指数（例如标普500指数）中的公司。小型公司、以合理价格增长的股票、国际投资都是需要考虑的因素。但这些只是基础性的简单概念。投资组合管理则更为复杂。仔细审视每家公司，我们需要意识到，许多公司都在进行过度资本支出——但并非所有公司都如此。

由于当今市场的高度集中，您的投资组合很可能集中在市值排名前 10、15 甚至 20 的公司中。这种情况几乎每个人都经历过。回顾一百多年的历史，对于那些引领巨额资本支出热潮的公司而言，这种情况的结局往往并不好。因此，我们或许应该更多地持有那些在支出（包括实物资本和人力资本）方面更为谨慎，且不会被竞争压力所诱惑，从而卷入激烈竞购战的公司。我们都知道竞购战的结局：出价最高的竞标者最终会赢得拍卖品。这就是所谓的“赢家的诅咒”。

结论

人工智能革命是真实存在的。你无法把精灵重新装回瓶子里。

但这并不意味着你应该大量买入人工智能相关股票并长期持有。从历史经验来看，投资热情高涨时期，过多的资金涌入同一投资机会，往往会导致后续回报不佳。

作为投资者，我们面临的问题并非人工智能是好是坏，或者它将如何改变世界，而是随着每单位资本支出的回报不可避免地下降，哪些公司能够获得高于其资本成本的回报。我们作为投资组合经理的职责就是回答这个问题，并据此分散投资，减少资本支出过高的公司，增加那些前景更好的公司。

脚注和来源：

^[1] 以各项目高峰年份的 GDP 百分比表示。

^[2] 来源：《科贝西信函》；基础来源包括曼哈顿地区历史、美国经济分析局、行星协会、伊诺交通中心、旧金山联邦储备银行、胡佛档案馆、巴鲁克学院、GoldenGate.org、《纽约时报》和摩根大通资产管理公司，2025 年。

^[3] 资料来源：Quent Capital Research；彭博社

^[4] Spencer Jakab，“领先股票正在失去其低资产优势”， 《华尔街日报》 ，2026 年 5 月 11 日。

^[5] TrendForce，“北美人工智能数据中心扩张推动 2026 年资本支出”， 雅虎财经 ，2026 年 5 月 6 日。

^[6] Titman, Sheridan, KC John Wei 和 Feixue Xie. 2003. “资本投资与股票收益。” NBER 工作论文 9951， http://www.nber.org/papers/w9951 。

^[7] 在这种情况下，不是 5 年增长率，而是更复杂的资本支出增长衡量标准，它将投资组合形成年份前一年的资本支出与前三年的资本支出进行比较，其中每年的资本支出都按公司当年的销售额进行了调整。

^[8] 来源：Titman、Wei 和 Xie (2003)，表 1，面板 A。

^[9] MSCI Barra 投资质量因子使用资产增长、发行增长和资本支出增长来衡量公司的投资活动。在此，这些输入值组合为 0.4 × 总资产增长 + 0.4 × 发行增长 + 0.2 × 资本支出增长，并用作投资增长的代理指标。

^[10] 其他研究也证实了这些发现。例如， Cooper、Gulen 和 Schill (2008) 的研究表明，资产增长率超过行业平均水平往往会导致股票收益低于正常水平。

^[11] 这三个指标合并为一个综合因素：总资产增长率 40%，发行增长率 40%，资本支出增长率 20%。

^[12] 赫芬达尔-赫希曼指数由奥里斯·赫芬达尔 (1950) 和阿尔伯特·赫希曼 (1945) 独立开发，通过将市场中所有公司的市场份额平方相加来衡量行业集中度。

该指数的直观理解是，如果标普 500 指数中所有 500 只股票的市值都相同，则赫芬达尔-赫希曼指数（HHI）为（10,000/500）=20；如果整个市场都集中在一只股票上，则 HHI 为（10,000/1）=10,000。在这样的尺度下，200 听起来似乎并不算非常集中，但应该将其与自身的历史数据进行比较，而不是与假设的最大值和最小值进行比较。

© Quent Capital