有着“大空头”称号的迈克尔·伯里一直在他的Substack订阅平台上发布“末日将至”的悲观言论，并且在全球资金持续蜂拥至AI算力基建主题之际，大举做空热门AI科技股票。电影超大规模云计算公司2026年的人工智能支出可能达到7,250亿美元。费城半导体指数今年以来已上涨88%。英伟达市值约为5.45万亿美元，过去12个月市盈率为43倍。所有这些估值与支出，都建立在当前规模扩张路径能够长期奏效这一假设之上。
伯里认为，这条路径可能行不通。如果整个行业正以如此庞大的规模投入资金，只为改进一个并非真正目标的东西，那么整笔交易的经济逻辑就会完全不同。
这篇Substack并非凭空出现。数月以来，伯里一直在建立针对人工智能热门科技股交易的空头头寸。他披露的做空标的包括英伟达、特斯拉、美光科技、应用材料、卡特彼勒以及iShares半导体交易所交易基金。正如此前媒体披露，他于7月1日披露的美光空头仓位，是在该股已经上涨近700%之后建立的。
他对AI半导体板块高估值的分析观点指出，费城半导体指数在过去15年的预期市盈率区间内，已经接近峰值水平。他的论点在于，AI半导体类股票交易价格上涨，是因为超大规模云计算公司正在大举投入人工智能训练/推理算力集群;而超大规模云计算公司之所以继续大举投入，又是因为它们迫切需求这些AI半导体以及AI基建相关的核心基础设施硬件，因此推动全球芯片股不断上涨。这个反馈循环看起来像真实需求，但其中一部分实际上只是市场反身性。
2026年6月，美股“科技七巨头”的总市值蒸发超过2.2万亿美元。伯里在这一轮下跌期间一直维持空头仓位，而且非但没有缓和做空立场，反而进一步强化了他的做空立场。
为什么伯里的AI技术路线批评比估值论更难被忽视?大多数看空人工智能的人提出的都是估值论点：股票太贵、AI算力相关支出过于庞大、回报尚未兑现。这些论点确实存在现实依据，但也早已为市场所熟悉，而且市场过去多次听到这些观点，却没有受到太大影响。
伯里7月10日的则有所不同，因为他攻击的不是价格标签，而是AI技术架构。他认为，当前这一代人工智能或许正在越来越擅长完成一件并非真正通用AI目标的事情。
一个能够生成更具说服力语言输出的系统，并不一定正在更加接近真正的人工智能推理能力。如果这一判断成立，那么AI算力规模扩张理论所面临的崩塌，将比估值批评者所描述的更加根本。
他预测，人工智能叙事“可能在千刀万剐中走向[*][*]”。这一措辞是经过刻意选择的。他并不是在预测某个单一的崩盘时刻，而是在描述一种信心逐渐遭到侵蚀的过程：随着人工智能实际能力与投资者此前假设之间的差距，越来越难以依靠更大参数、更加昂贵AI算力集群打造的模型和更好的基准测试加以掩饰，市场信念将一点点瓦解。
伯里的警告对长期追踪人工智能相关热门股票的投资者们而言意味着什么?伯里过去也曾过早作出判断。他在2023年8月呼吁卖出股票，但此后美国股票市场上涨了66%。他做空英伟达股票可能已经超过一年，而该股仍持续上涨。即便一个结构性判断最终正确，也并不意味着市场会在任何特定时间点认同这一观点。
7月10日这篇的不同之处，在于其论点非常具体。他并不只是说人工智能太贵，而是指出当前这轮人工智能浪潮最初作出的一项具体技术决策，并认为这项决策让整个行业似乎走上了错误道路。这并不是多头能够凭借一次超预期财报轻易搪塞过去的问题。
对于持有人工智能算力基础设施相关半导体或者AI算力集群产业链股票，或者任何估值建立在“当前一代大型语言模型正通往真正通用人工智能”这一假设之上的科技公司的投资者而言，伯里的论点值得深思。
他的立场最终可能被证明是错的。他过去也曾判断错误。但是上一次他对一个主要市场提出如此具体的结构性批判论断时，事实最终证明他是正确的。
韩国巨额扩产是伯里做空AI的重要“晚周期象征”，他的完整AI空头逻辑还依赖AI大模型技术路线的规模化彻底宣告失效、AI商业回报不及资本开支、极端估值与杠杆仓位极端化以及未来供给集中释放同时发生。投资者真正应跟踪的不是远期投资公告本身，而是晶圆厂投产时间、存储位元供给增速、客户库存、长期采购协议取消率、HBM与通用存储价格、云厂商资本开支占总营收比例，以及围绕AI算力基建的创收能否持续快于折旧和运营成本增长。
在一些“AI算力基建周期见顶”以及“AI泡沫即将破裂”这些悲观论调支持者们看来，如果AI大模型能力边际收益下降、算力转售增多且存储产能在需求放缓时集中落地，伯里的空头框架就可能从过早的逆势交易，演变为AI算力超级周期真正的顶部剧本。
美银与野村则代表对伯里最有力的反方论证：当前真正约束行业的仍是供给不足，而不是供给过剩。高带宽存储器占用更多晶圆面积并挤压通用动态随机存取存储器和闪存产能，新建晶圆厂又需要五至十年以上才能形成有效供给;SK海力士首席执行官甚至预计2027年将出现史上最严重的存储短缺，客户需求到2030年以后仍可能高于供给能力。
美银和野村的最新研究报告可谓默契指出，Meta出售闲置算力也可以解释为提高利用率和资本回报率，而不一定意味着需求见顶;若算力出租降低单位代币成本，新增应用和调用量可能产生“杰文斯悖论”，反而扩大总计算与存储需求。
华尔街知名投资机构野村发布研报反驳“半导体见顶论”，美国银行本周最新发布的研报则显示，预计到2027年，在AI智能体大浪潮之下AI推理算力持续激增的强力推动大趋势背景下，全球云计算和人工智能相关基础设施资本支出将达到1.5万亿美元，并指出，当前包括存储芯片股票的AI半导体夏季回调是一轮健康重置轨迹，而不是人工智能算力需求层面出现任何结构性变化。
在高盛看来AI牛市远未宣告结束，而是从“AI芯片购置狂潮”进入“大规模建设AI工厂”的第二阶段——即下一轮超额阿尔法收益也将不再仅仅属于AI GPU/AI ASIC领域最强龙头名单，而会系统性扩散到数据中心高性能CPU、DRAM/NAND/HBM存储、AI PCB、液冷系统、数据中心光互连系统、ABF载板/玻璃基板、MLCC、电子布与广泛晶圆代工等“AI工厂”全栈AI算力基础设施层。
野村反驳“半导体见顶论”的关键，不是简单说AI芯片还会涨，而是指出AI云基础设施需求正在从单点GPU短缺扩散为系统性零部件错配。按照野村研究框架，2026年和2027年AI服务器营收预计分别增长78%和76%，全球数据中心项目从240个增至280个，其中吉瓦级项目约50个，2027年新增算力部署预计达32GW，2028年也已有23GW可见度。
迈克尔·伯里做空AI主题的底层逻辑并非简单认为“人工智能没有价值”，而是押注技术路线、资本回报和市场定价三者之间出现了危险错配。在AI底层技术路径层面，他认为当前产业把语言生成这一“智能输出”误当成了推理本身，通过增加参数、训练数据和计算量不断改善模型表达能力，却未必同步建立稳定的因果推理、世界模型和长期规划能力。
在资本回报和市场定价等AI经济层面，行业却按照“继续扩大模型就能逼近通用智能”的假设，投入数千亿美元建设芯片、数据中心和电力系统。如果边际能力提升逐渐放缓，而可货币化营收无法覆盖折旧、电力、存储和融资成本，那么整个AI基础设施估值体系将面临资本回报率下修。伯里把这种风险概括为人工智能的“错误起点”和“参数陷阱”。
他的第二层逻辑是典型的反身性泡沫与资本开支周期：芯片股上涨强化AI需求无上限的叙事，超大规模云厂商因此更容易融资并扩大资本开支;不断增长的订单又推高芯片企业盈利预期和股价，继而刺激供应链进一步扩产。这个循环在上行期看似是需求验证，但在伯里看来，部分增长实际上源于资产价格、融资能力与企业投资决策相互强化，而不是终端AI现金流已经充分兑现。他近期做空英伟达、美光、应用材料、半导体交易所交易基金、特斯拉和卡特彼勒，实际上是在覆盖AI资本周期的多个环节——AI集群核心加速器、存储芯片、晶圆制造设备系统、自动驾驶叙事以及数据中心建设相关资本品，而不是只针对某一家AI相关科技公司。
