AI 基本面与市场定价的背离：GPU 租赁、现金流与算力供给的证据链

摘要

2026 年年中 AI 板块经历显著回调，但硅谷投资人 Gavin Baker（Atreides Management 创始人）在近期公开访谈中提出：经过对供应链、算力现货价格、Token 调用量等量化指标的系统梳理，未发现任何一项正在恶化的基本面指标，估值与基本面之间存在明显背离。
存量 GPU 租赁价格逆势上行是其论证的核心证据。据访谈援引的市场数据，B200 集群租赁价格七个月内由每小时约 2 美元升至约 4 美元；Baker 在公开渠道亦指出，GPU 算力现货价格已达到长期合约价格的两倍以上。
Baker 主张以经营现金流（operating cash flow）而非自由现金流（free cash flow）评估超大规模云厂商的财务健康度，并认为开源模型的兴起转移的是模型层利润分配，而非算力总需求。
该访谈同时提示了两项非共识风险：其一，投资者普遍借助大语言模型解读新闻，导致市场观点同质化、交易周期被大幅压缩；其二，行业最大的外部风险来自监管与社会接受度，而非技术本身。
Baker 给出了三条明确的证伪条件：云厂商经营现金流停止加速、GPU 价格持续下行、主要模型公司 Token 总量停滞且开源未能扩大总盘。截至访谈发布时点，上述条件均未出现。

一、背景与信源说明

2026 年 7 月前后，AI 相关标的出现幅度较大的回调，部分龙头公司前瞻市盈率降至近十年低位，市场围绕“AI 资本开支是否过度”的争论再度升温。在此背景下，Gavin Baker 于 2026 年 8 月初通过播客访谈系统阐述了其对 AI 基本面的判断。

Baker 现任 Atreides Management 首席投资官，此前在富达（Fidelity）长期管理科技主题基金；据访谈自述，其在富达时期管理规模约 170 亿美元，当前管理规模约 70 亿美元。在本轮 AI 行情中，其对英伟达、AMD 及存储板块的配置判断多次早于市场共识，其观点在机构投资者群体中具有一定影响力。

本报告整理自该访谈的公开内容。对其中可独立验证的事实（企业融资事件、监管申报、公开言论），本报告已通过第三方公开报道进行交叉核验，并在文末列明信息来源；对仅见于访谈的数据与测算，正文均标注“据访谈”或“据其测算”口径，读者应注意区分。

二、核心论点整理

2.1 存量 GPU 租赁价格逆势上行

针对市场回调，Baker 的调研方法是直接寻找反面证据：在硅谷范围内征询各方，要求对方指出哪怕一项正在恶化的量化指标。据其陈述，该调研未获得有效反例——供应链、现货价格、Token 调用量等指标不仅未恶化，多数仍在加速改善。

其中最具张力的数据来自 GPU 租赁市场。行业此前的主流预期是，随着新一代芯片投放，存量 GPU 租金将逐步回落乃至崩塌；但据访谈援引的报价，已投入使用两至三年的存量卡价格在 2026 年仍在上行，B200 集群租赁价格七个月内由每小时约 2 美元升至约 4 美元，且有机构预计下一代 Blackwell 产品的租赁价格可能接近翻倍。Baker 在其公开渠道进一步指出，GPU 算力现货价格已实质性高于长期合约价格，幅度在两倍以上。

该现象的财务含义在于合约重定价周期。算力租赁公司在融资约束下普遍以长期合约锁定收入，当前大量算力仍按显著低于现货价的旧约执行；随着合同陆续到期重签，相关公司的收入存在阶梯式上调空间。据此，Baker 提出其核心反问：若核心产品仍在涨价，则“利润是虚增的”这一市场定价假设难以成立。

2.2 财务指标的选择：经营现金流优于自由现金流

市场看空观点的常用证据是超大规模云厂商自由现金流持续下行。Baker 认为该指标在当前阶段存在系统性误导：自由现金流等于经营现金流减去资本开支，在数据中心建设高峰期，该指标恶化是资本开支前置的会计结果，而非经营质量恶化的信号。

其主张的替代指标是经营现金流。据访谈援引的数据，微软、Meta、亚马逊三家合计经营现金流增速已由 28% 提升至 32%；考虑到新一代 GPU 尚未大规模投产、存量合约尚未重定价，该加速趋势具备延续基础。

2.3 两起被市场误读的事件

访谈列举了两个市场解读与产业事实相反的案例。

其一是 Meta 宣布对外出租算力。市场将其解读为产能过剩、资本开支即将收缩的信号，但随后的财报未显示开支削减。Baker 给出的解释是：Meta 观察到 SpaceX 以显著高于长期合约价的水平对外出售大型训练集群算力，意识到自有算力存在同类变现空间，故选择出租。换言之，这是稀缺资源的高价变现行为，而非过剩库存的出清行为。

其二是第三方 Token 指数走平。市场将其解读为需求减速，但该指数仅统计特定几家闭源供应商；同期开源模型份额上升，调用量向统计口径之外转移。据此，指数走平反映的是份额结构变化，而非总量停滞。

2.4 开源模型的价值转移效应

针对“开源模型兴起将侵蚀 AI 投资逻辑”的观点，Baker 的判断是：开源拿走的是闭源模型公司的利用率与毛利，而非算力需求本身。无论 Token 由闭源还是开源模型生成，其背后消耗的算力、内存与电力相当，变化仅在于价值链内部的利润分配——模型层毛利被压缩，相应价值向基础设施层转移。该访谈认为，这一机制亦可解释英伟达管理层对开源生态的公开支持态度。

2.5 企业级应用架构与算力总量的关系

据访谈描述，企业实际部署 AI 的主流架构正在收敛为“微调开源模型 + 路由分发”模式：以自有数据微调开源模型处理常规请求，仅将高难度请求路由至前沿闭源模型，部分场景采用开源模型先行生成、前沿模型复核的流水线。据其援引的数据，Cursor 一类产品仅有约 30% 至 60% 的请求调用最高价模型。

该架构的经济后果是单位预算可购买的智能总量上升，进而刺激总调用量与算力时长增长。此判断与 2.4 节结论一致：模型层毛利率下降与基础设施层收入扩张并行不悖。

2.6 AI 支出的资金来源：增长而非裁员

关于企业 AI 支出的可持续性，Baker 的观察是：AI 原生公司的支出扩张主要由业务增长而非人力替代驱动。据访谈援引的数据，部分公司 Token 支出已相当于工资支出的 20% 至 30%，个别公司达到 50%；以全球知识工作年价值约 25 万亿美元计，AI 若承接其中 20%，对应约 5 万亿美元的市场空间。访谈同时提及一项相关性观察——AI 支出越高的公司往往增长越快——但 Baker 本人亦承认该统计可能未充分控制行业差异，其证据强度应作保留理解。

2.7 需求渗透率与供给缺口

Baker 判断 AI 需求的爆发期尚未开始。据其测算，当前全球能够实际使用代理式 AI（agentic AI）完成工作的用户约为 25 万至 50 万人，不足全球人口的 0.01%。在用户规模向亿级迈进的过程中，算力系统更可能维持供给短缺状态，而非转入过剩。

2.8 内存供应链的长约博弈

针对内存厂商与客户签订附预付款长期协议的现象，访谈提供了一个博弈论视角：此类协议锁定的不仅是价格，更是未来景气周期中的分配额度。客户在行业下行期单方面违约的成本极高——供应商将在下一轮短缺周期中把最稀缺的产能优先分配给其竞争对手，而对头部科技公司而言，关键内存供应的缺失可能直接损害其 AI 业务主线。重复博弈结构使该类合约具备超出法律条款本身的稳定性。

2.9 英伟达商业模式的延伸

据访谈描述，英伟达的业务边界正在超出芯片销售：该公司参与协助客户获取土地与电力资源、对接数据中心开发商与资本方。其可行性基础在于英伟达 GPU 是当前融资适格性最高的 AI 资产——市场对其估值、流动性与需求的判断最为充分。交易结构上，英伟达并不直接出借资金，而是由第三方出资、英伟达提供某种形式的信用增强，并在项目收入超过约定门槛后参与超额收益分成。访谈认为，该模式可能演化为规模可观的分成型业务，具备类金融属性。

2.10 市场微观结构风险：AI 驱动的观点同质化

在多项利多论述之外，访谈提出了一项 Baker 认为最值得警惕的市场结构变化：从机构到个人投资者，普遍将新闻直接输入大语言模型（如 Anthropic Claude）以生成产业链影响判断，并据此交易。当大量参与者使用相似模型、相似提示词处理同一信息时，市场解释的多样性显著收敛，交易行为趋于同步。据其观察，一条投资逻辑从被发现到被证伪的完整周期，已由过去的数个季度压缩至约六周。该现象提示：AI 能力的增强并不必然提升市场定价效率，亦可能加速同一种错误的传播与拥挤。

2.11 外部风险：监管与社会接受度

Baker 认为当前 AI 行业的最大风险并非技术路线，而是监管环境。纽约州等地已出现暂停审批数据中心的政策讨论；与此同时，行业对公众的沟通严重不足，舆论叙事集中于数据中心推高电价、消耗水资源、挤占就业等负面维度。访谈援引的反方事实包括：设计得当的数据中心项目可摊薄电网固定成本、从而降低当地居民电价，配套投资常包含医院、学校、警局、消防站等公共设施，建成后对水暖电等技术工种形成持续需求。其结论为：若行业不主动完成事实层面的公共沟通，错误的数字将先行占据公共叙事。

2.12 前瞻判断：SpaceX 与轨道算力

访谈包含两项确定性较低但方向明确的前瞻判断。

其一，SpaceX 有可能成为第四大 AI 云厂商。除火箭发射与星链业务外，该公司已在建设大规模算力集群，有研究估算其未来算力规模可达 8 吉瓦；Baker 认为其真实壁垒在于建设速度——全球有能力在一年内部署超过 500 兆瓦算力的组织屈指可数。独立公开信息可部分佐证该方向：SpaceX 已于 2026 年 1 月向美国联邦通信委员会（FCC）申请部署最多 100 万颗太阳能轨道数据中心卫星，并公布了以“每年 1 吉瓦太空算力”为目标的 Gigasat 工厂计划。

其二，轨道数据中心已从概念进入工程验证阶段。初创公司 Starcloud 于 2025 年 11 月将英伟达 H100 GPU 送入近地轨道并完成在轨训练与推理验证，其 1.7 亿美元 A 轮融资由 Benchmark 与 EQT Ventures 领投，投后估值约 11 亿美元。访谈对此的评述是：头部风险投资机构的参与，至少表明该方向并非缺乏工程依据的空想。

三、证伪框架

区别于多数看多论述，Baker 明确给出了推翻自身判断的三项条件：

超大规模云厂商经营现金流增速停止加速，乃至转为恶化；
GPU 价格持续崩塌，算力供给普遍过剩；
所有主要模型公司的 Token 总量停滞或下降，且开源生态未能扩大调用总盘。

据其陈述，截至访谈发布时点，三项条件无一出现。其方法论立场可概括为访谈中的原句：“未来永远是一个概率分布，不是一个确定性的答案。”在其框架下，投资研究的任务不是无条件看多，而是持续寻找能够推翻自身判断的事实；当存量 GPU 租金上行、模型调用加速、经营现金流改善时，不应因股价下跌而假定基本面已经转坏。

四、评述与局限

本报告在整理访谈观点的同时，提示以下局限，供读者校准证据权重。

第一，信源单一且立场非中性。Baker 为 AI 基础设施方向的重要多头持仓人，其论述结构服务于自身投资框架；本报告核验的是其陈述的事实层面，不构成对其结论的背书。

第二，部分关键数据未经独立核实。B200 租赁价格变动、三家云厂商经营现金流合计增速、代理式 AI 用户规模、Token 支出占工资比重等数据均仅见于访谈口径，正文已逐一标注；其中“AI 支出与增长速度的相关性”一项，Baker 本人已声明未充分控制行业变量。

第三，前瞻判断的实现路径依赖多重前提。SpaceX 的轨道算力规划需以发射成本持续下降、在轨散热与组网技术成熟为前提；FCC 申报与工厂规划表明的是投入意愿，而非产能兑现。

第四，该访谈的两项风险提示——观点同质化与监管环境——本身即构成对其看多结论的潜在约束：前者可能放大市场对同一利空的一致性反应，后者可能直接制约数据中心供给侧的扩张速度。