前Neuberger Berman基金经理、电影《大空头》原型之一Steve Eisman在11月9日上线的播客《The Real Eisman Playbook》中，用约40分钟的单人独白拆解了当前AI投资狂潮的商业本质。他并未质疑AI改变世界的潜力，而是把问题指向更实际的一面：巨额资本开支由谁买单、增长能否持续、最终谁真正获利。他的核心判断是，市场有70%的概率面临某种形式的回撤或熊市，美国经济也很容易被推入衰退。

Eisman首先算了一笔市场权重的账。信息技术板块占标普500指数的40%，加上谷歌、亚马逊等带有科技属性的公司后达到50%；再计入今年为AI投入2500亿美元的公用事业板块（占3%），以及工业板块中建设数据中心和供电的公司，还有为AI融资的金融机构，他估算与AI相关的权重远超标普500的65%。在他看来，完全不涉及AI的只有必需消费品和医疗保健两个板块，两者合计仅占标普的14%。债券市场同样如此，今年新发行的公司债中超过50%与AI相关。这意味着市场走向几乎取决于AI未来的健康与成功。

在此基础上，Eisman给出了四种情景。牛市情景（30%概率）是AI持续改变世界，模型公司和英伟达不断推高股市；熊市情景（30%概率）是采用率缓慢、价格战导致回报不及预期，最终引发全面衰退、市场崩盘及私募信贷市场平仓；中间情景（40%概率）是数据中心建设远超需求，他引用PAA Research分析师的估算，到2027年底美国数据中心产能将达到需求的两倍，导致资本开支在2028年放缓，结果是市场回吐大部分AI涨幅并出现一段时间的熊市；末日情景（0%概率）则被他直接否定，并批评那种机器接管地球的科幻叙事，认为兜售这套说法是为了顺着制造出来的恐惧情绪，用监管把竞争清出市场。

在风险拆解中，Eisman把第一大风险指向超大规模云厂商的资产负债表。AI资本开支的需求把巨头从轻资本模式改成了重资本模式，一座支持1吉瓦电力需求的数据中心造价高达300亿美元，过去拥有庞大自由现金流用于回购股票的巨头如今承受巨大融资压力。他特别提到，谷歌在2026年融了850亿美元股权资本，上一次如此操作还是在2005年；甲骨文过去两年总债务从940亿激增至1550亿美元，评级被下调至仅比垃圾级高一档的BBB-。更令他警惕的是融资手段的变形：Meta为路易斯安那一座270亿美元的数据中心设立了特殊的表外融资载体（SPV），债务不落在Meta的资产负债表上，这笔交易甚至被安永审计师列为关键审计事项。此外还有循环融资现象——英伟达要么投资、要么借钱给其他科技公司，那些公司再拿这笔钱来买英伟达的芯片。这些操作虽不足以单独击沉AI叙事，但让事情变得更危险。

第二大风险是物理交付，即电力和审批。Eisman指出，AI数据中心建不起来，AI故事就不可能成立，电网吃紧、审批遇阻以及设备的超长交期，是短期内无法用资金强行突破的硬约束。

第三项风险是整条AI食物链极高的客户集中度。他引用英伟达财报指出，其应收账款的70%来自五个客户，而应收账款是收入的代理指标。向下一层，多家华尔街投行报告显示，云厂商的AI收入中约70%仅来自Anthropic和OpenAI两家。由此只能得出一个结论：美国经济的健康极度依赖超大规模厂商的资本开支，而后者又高度依赖这两家模型公司的健康状况。

顺着这个逻辑，Eisman将第四项风险直接锁定在OpenAI身上，直言在这两家之间OpenAI是更弱的那个。他列举了OpenAI近期核心高管在IPO前夕的集中离职，并引用媒体披露的财务落差：OpenAI六月季度收入67亿美元（环比仅增18%），但成本高达123亿美元，三个月里收入增加10亿、成本猛增30亿，方向不对。相比之下，Anthropic同期收入环比增长超100%。他认为OpenAI用低价追逐C端用户是战略失误，面对每年可能高达1000亿美元的融资需求，一家不盈利又对资本有填不满需求的公司，观感比什么都重要，因为一旦叙事转负，融资会难得多。他以甲骨文为例说明市场对OpenAI依赖度的脆弱性：此前因积压订单激增，甲骨文股价几天内从230美元涨到330美元，但当市场发现其中一半来自OpenAI后，股价随后暴跌至130美元左右。他进一步警告，如果两家中任何一家在一年之内出问题，后果会很严重，并开始认为OpenAI的倒下会把美国立刻推入衰退。

第五大风险被Eisman视为重中之重：AI周围似乎不存在任何护城河。模型之间的转换成本看起来也许是零，但肯定非常低，他称自己无法把这条风险的重要性说过头。不同于谷歌在搜索时代不可逾越的壁垒，企业在不同大模型之间切换几乎毫无阻碍。随着无限Token时代的终结，企业对成本变得极度敏感，例如Uber几个月就耗尽了全年AI预算。此时开源模型的崛起成了定价体系的破壁人：美洲头部模型每百万Token成本约2至10美元，而开源模型仅需约20美分。他直言，Anthropic和OpenAI的资产负债表承受不住一场价格战。

在讲座最后，Eisman给出了自己的分析框架：当估值已经假定了一个非凡的未来，股票让人失望并不必然需要技术失败，只需要现实比预期差一点。他不否认AI将创造巨额财富，但把偏好留给了上游的卖铲人，如提供算力、网络、电力的基础设施公司，因为这类生意不需要去预测哪一个AI大模型最终胜出。而对于那些面临低转换成本却享受极高未来利润预期的标的，他提醒投资者反复回到一个很简单的问题：客户离开有多难？如果答案是不太难，你最好对自己付的价格很有把握。