大家好，我是美特军，你们的美股探路者。今天我们来探讨一个关键问题：现在投资AI究竟有多危险？

此前，我曾利用蓬勃数据终端推出了“AI泡沫指数”，它在11月这轮下跌前成功发出了预警，效果显著。然而，一个反映AI资金面和情绪面的指标，终究无法囊括投资AI的全部风险。要全面诊断AI的基本面，相关数据分析是绝对必不可少的。我甚至认为，下一次AI的重大风险，更有可能源于基本面而非泡沫破裂。

因此，我带领美投团队，经过无数次回测和大量指标筛选，终于找到了6个最具代表性的基本面指标，并构建了一套金融模型，将其转化为一个可实时观测的指数。本期视频，我将为大家带来第二个美投独家AI指标——“AI基本面风险指标”。

在AI泡沫指数视频播出后，反响热烈，许多观众建议将其整合到美投的网站上。经过一个月的开发，美投独家数据板块已成功上线，包含AI泡沫指数和本次的AI基本面风险指数。未来，我将持续推出更多独家数据，旨在让普通投资者也能运用专业数据，做出有证据支撑的投资决策。欢迎大家前来体验，网站上还有其他全新的内容板块，力求每日更新优质多样的投资分析，助您把握赚钱机会，诊断关键风险。感兴趣的朋友，欢迎通过视频评论区和描述中的链接免费试用。

监控AI基本面：定义与核心

那么，我们究竟该如何监控整个AI的基本面呢？首先，我们需要明确什么是AI基本面。AI基本面本质上是指AI为企业带来的实际业绩影响，这可能体现在收入增长、成本下降，或是持续的AI资本性投入等方面，总之，是AI对企业业绩的直接影响。

我们监控AI基本面，重点不在于它有多好，而在于评估其风险程度，从而规避不可控的损失。具体做法是观察企业在AI业绩相关的重要指标上是否持续进步。一旦AI在实际业绩上出现放缓甚至停滞，那将是整个市场的一个巨大危险信号。这些信号不会集中爆发，而是会先隐藏在细微的数据中。我们创建这个指数的目的，正是要将这些最具代表性的细微数据提炼出来，并通过指数实时监控AI基本面的风险。

基础层公司与指标筛选

为了找到这些数据，我们研究了众多AI企业，进行了大量回测，最终锁定了15家最具代表性的公司。我们将它们分为两大类：AI基础层公司（共5家）和AI应用层公司（共10家）。每一类公司，我们又分别筛选出3个最为关键的观测指标，共计六大指标。

接下来，我将详细介绍这六大指标。它们中的任何一个，都能帮助我们深入了解AI股的整体现状，并看清这十五家热门公司各自的具体情况。视频最后，我会将所有六大指标综合成一个指数，揭晓最终答案。过程固然重要，但结果同样关键。

在AI基础层，大家首先想到的是英伟达。但实话告诉各位，我并未将其纳入这5家公司。原因是英伟达的业绩表现相对滞后。作为AI最上游的企业之一，它感知下游水温的速度较慢。而我们要看的是整个AI产业的基本面风险，因此英伟达的业绩表现不够典型。同理，像博通、AMD乃至更上游的台积电，也不在我们的观察范围之内。

那么，我们基础层选择的是哪些公司呢？它们分别是微软、谷歌、亚马逊、Meta以及甲骨文。选择这几家公司，首先是因为它们体量最大，对市场影响最高，它们的业绩表现直接牵动着整个AI股乃至整个美国市场的表现。

多说一句，可能有人会觉得甲骨文这家公司有点格格不入。其实把它选进来是有深意的。我们这里并非挑选最优质的AI公司，而是要监测整个AI产业的基本面风险。从这个角度看，甲骨文反而是非常好的标的，稍后大家就会明白。

AI基础层指标解析

标的选定后，接下来的任务是选择指标。我们的指导原则是找到最能反映AI产业需求变化且最能预警风险的指标。经过团队头脑风暴，我们筛选出了三个最具代表性的指标。

第一个指标是资本性支出（Capex）。资本性支出可以说是所有指标中最具前瞻性的。我们衡量一家公司在AI上的需求，往往不是看它赚了多少钱，而是看它投入了多少钱，这反映了管理层对未来的信心。当这些大企业的资本性支出提升时，意味着它们有信心持续获得下游客户订单，这表明整个AI产业的风险在持续降低。反之，如果企业资本性支出开始放缓，可能意味着未来需求疲软，整个AI产业的风险相应增加。

为了衡量这个数据，我们使用 Capex 除以 Revenue（资本性支出除以收入） 这个指标，简称 Capex 比率。我们将这5家公司Capex比率的增长进行百分比转化后取平均，得到了这张Capex指数。请注意，这张图中的数字越大，表明风险越高，而非Capex增长越高。这确实有点绕，大家务必理解清楚：所有的指数图，数字越大，风险越高。

另外，为了方便比较，我们将所有指标都做了百分比转化，即从0到100的打分。

现在我们来看这张图，意义就清晰多了。这个指标在过去两年一直处于下降趋势，目前在30%附近，这是一个非常安全表现。这说明整个AI基础层的资本性支出不仅在加码，而且还在持续加速加码，没有丝毫放缓的迹象。

第二个指标是营收增长。这个指标很好理解，这些企业的收入增长直接关联下游AI需求，其中最主要的是AI大模型企业，而大模型又是整个AI产业的基础。通过观测这些大公司的营收增长，我们能很好地看出AI需求端的变化。同时，收入增长也是市场最为关注的指标，其表现直接决定了AI股的股价风险。

为了保证数据的参考价值，我专门挖掘了这几家公司中云相关业务的收入增长。例如，亚马逊我刨去了电商收入，单独看其云相关的AWS收入增长。同理，微软、谷歌和甲骨文也做了云业务拆分，Meta则是整个公司收入。

为了量化收入增长，我计算了每家公司收入增长与去年同期的差值。如果这个差值增加，说明企业增长在加速，风险降低；反之，证明企业增长放缓，风险增加。最终转化为指数后，我们得到这张图。

可以看到，现在收入增长指数在20%左右，非常安全。这说明这几家大公司的AI相关收入非常坚挺，不仅在增长，而且在加速增长。进一步观察，过去三年该趋势始终向下，意味着AI相关收入增长一直在加速，整个AI产业一直在膨胀，目前未见任何放缓迹象。

第三个指标是杠杆率。这是一个典型的财务健康指标，用一家公司的净负债除以其EBITDA（息税折旧摊销前利润）的比值，直接反映了公司的偿债能力。这个比值越高，风险越大；反之，比值越小，风险越低。

我们将其做成指数后得到这张图。可以看到，整体AI产业杠杆率始终非常稳定，目前在20%左右，非常安全。

不过，杠杆率在不同公司间差异很大。微软、Meta、谷歌的杠杆率几乎为0，说明它们基本无负债。亚马逊稍大，毕竟是重资产企业，但也只有0.39。而甲骨文则高达3.82，要知道超过4就可能被降级为垃圾债了。可见市场对甲骨文的质疑不无道理。

AI基础层综合风险指数

至此，AI基础层的所有数据指标已介绍完毕。接下来，我们将这三个指标综合起来，形成一个“AI基础层风险指数”。

在这三个指标中，Capex比率最为重要，它既是市场关注焦点，又是前沿指标，对诊断风险非常有效。其次是收入增长，它对股价影响巨大，一旦出问题，股价必跌。最后是杠杆比率，它是一条安全绳，往往最后出问题，但一旦出问题就是大问题。因此，我们最终按照 3:2:1的权重，对这三个指标进行加权平均，得到了下面这张图。

图中五颜六色的虚线是各个分项指标，深红色的线是我们的AI基础层风险指数。可以看到，综合来看，AI基础层的风险目前仍在持续降低，且当前风险为历史最低，仅在30左右。

这很好地打消了许多投资者的疑虑。市面上总有人说AI基础层公司在搞“军备竞赛”，AI投资看不到回报。但事实上，数据显示AI投入不仅能看到回报，且未牺牲任何财务安全。当然，局部会有例外，但整体趋势向好，反映出AI最源头的燃料烧得很旺，为未来AI持续发展奠定了基础。

那么，何时会有风险呢？如果我们看到这个指标开始抬头并走出持续向上的趋势，就需要开始小心了。根据分项指标的历史表现及行业标准，我们将70定为该指数的警戒线。也就是说，当指标超过70时，整体基本面风险就有可能爆发。未来美投君会每周持续更新此指数，欢迎大家到mate top ro网站关注。

个股彩蛋：基础层公司风险分析

接下来，我给大家准备了一个彩蛋。在制作指数的过程中，我查看了许多个股数据，心血来潮拉出了一些单个公司的表现。刚才那三个指标是分析整个AI产业的，单独分析个股肯定不够，所以我增加了几个核心数据，如自由现金流、盈利能力等，最终做出了一个“单个个股基本面风险指数”。

下图展示了5家基础层公司各自的基本面风险指数。结果很有意思。不出意外，风险最高的是甲骨文，其分数达到了52，远高于均值。

往下看是亚马逊，指数在40左右。亚马逊本身资产较重，且AI入局稍慢，因此其AI基本面风险一直比其他几家大科技公司要高一些。

剩下三家微软、谷歌、Meta，情况差不多，表现都非常健康，基本在20到25左右，AI基本面风险都很低。其中比较令人意外的是Meta。它一直是所有大科技中，在AI投入上最受华尔街诟病的公司，因为其投入看起来非常激进，不计后果。但从数据上看，Meta虽然投入巨大，回报同样惊人，且风险非常可控，因此才有了与另外两家平起平坐的整体表现。

这些个股指数是我顺手拉出的，尚未完成。如果大家感兴趣，我考虑后续再做一个大科技公司的基本面指数。欢迎在评论区留下反馈。

应用层公司与指标筛选

聊完AI基础层，我们来看AI应用层。老规矩，先选公司。基础层选公司争议不大，但应用层争议就比较大了。我们要看的是AI应用层中最能反映AI产业基本面风险的企业。一方面，它必须是最前沿的AI企业；另一方面，又不能只是炒概念，必须要有AI业绩加持。

最后，为了保证客观，我们选择了市面上最大的10家SaaS软件公司，并会根据实际情况实时更新。这10家公司是应用AI最前沿的公司，即便没有AI收入，也一定有AI带来的降本增效或AI投入。

这10家公司是通过彭博指数找到的最大SaaS企业，它们分别是：Salesforce、Datadog、ServiceNow、Adobe、Palantir、Synopsys、Cadence Design以及Snowflake。

请注意，我们并非选择最好的AI应用层公司，而是选择最能反映整体AI风险的公司。这10家公司涵盖了客户管理、财务、数据分析、网络安全、芯片设计等最前沿的AI应用领域。它们体量大、影响力高，足以反映AI应用层的基本面风险。

AI应用层指标解析

接下来，我们开始寻找关键的基本面指标。

第一个指标是营收增长。营收增长是SaaS企业最重要的指标，没有之一。由于SaaS公司通常以订阅为主，营收越高往往意味着用户越多、粘性越强，利润也越高。同时，营收增速对SaaS公司股价最为重要。计算方法与前面基础层营收指标的逻辑相同。

我们不仅要看增长，还要看其增长是否比过去有所增加，以此判断AI基本面风险高低。

下图展示了SaaS企业在营收增长上的风险表现。可以看到，SaaS企业在2023年一度陷入困境，这与AI无关，主要源于当年的宏观环境。不过，进入AI时代以来，情况一直在改善，现在该指数已降至60左右。

实话说，这个数字不算绝对安全，这反映出AI在应用层的效果不如基础层。好在情况持续好转，未来的发展趋势是关键。

第二个指标是研发占比。研发占比的逻辑与基础层公司的Capex比率十分相似，都反映了企业管理层对未来AI的信心。SaaS公司与云公司不同，它们通常是轻资产企业，资本性支出不高，但它们也会投入未来，这体现在研发支出上。

我们选取的指标是研发支出占收入的比例，逻辑与Capex比率完全一样。投入比例增加，说明企业对AI信心增强，风险下降；反之，研发投入比例下降，表明企业对AI信心下降，风险增加。

下图是研发占比的风险指数表现。令人意外的是，与上述所有指数都在改善不同，SaaS公司的研发占比目前看来风险在不断上升。这说明，过去一段时间，AI应用层企业在AI投入上反而开始变得谨慎了。现在指数停留在60左右，不算绝对安全。具体原因不得而知，但我认为这很可能与AI大模型能力提升的边际递减有关。企业们正在保持观望，等待下一个大模型能力的跃升再开始投入。

第三个指标是毛利率。对于SaaS企业来说，毛利率是最重要的盈利能力评估指标。此外，毛利率还能很好地反映SaaS公司的议价权。如果毛利率持续改善，说明AI帮助公司带来了更强的议价能力和更高的利润，AI应用端的风险就会不断降低。反之，如果毛利率受到挤压，可能意味着AI的吸引力下降，AI应用端的风险在增加。

下图展示了AI应用层的毛利率在风险端的表现。可以看到，当前毛利率指数在70左右，可以说就在警戒线的边缘试探，并且刚刚从80的危险区间掉下来。我们还无法确定这个好转趋势能否延续。这说明整体AI应用层公司的溢价能力和盈利能力并未得到显著改善，甚至有些承压。因此，当前的毛利率情况需要谨慎对待。

AI应用层综合风险指数

至此，AI应用层的指标已分析完毕：营收增速、研发占比以及毛利率。现在，我们将这三个指标综合起来看。与云企业不同，SaaS公司最重要的是营收增长，它对股价影响最高。而研发占比与云企业相同，是最具前瞻性的指标。毛利率作为唯一反映AI溢价能力的指标，同样非常重要。因此，我们按照1:1:1的权重进行加权平均，得到了下面这张综合指数。

其中虚线是各个分项指数，深红色的线是美投AI应用层风险指数。可以看到，当前AI应用层的情况远不如基础层安全。综合指数在65左右。最近半年虽有小幅改善，但幅度不明显，趋势尚未坐实。这也是为什么最近AI情绪趋于谨慎后，SaaS企业整体表现不佳的原因之一。打铁还需自身硬，基本面不坚挺的它们，很容易受外部影响而股价下跌。当然，基本面并非唯一原因，各公司也有各自的问题，此处不展开。

个股彩蛋：应用层公司风险分析

同样的，在AI应用层，我也给大家准备了彩蛋。下面我拉出了5家SaaS企业的基本面指数，它们分别是Salesforce、Datadog、ServiceNow、Adobe和Snowflake。这里就不一一介绍了，大家可以自行暂停视频感受一下。

最终AI基本面风险指数

到这里，我们只差最后一步了。我们将AI基础层和AI应用层这两大指数按照1:1的权重加权平均，就可以得到最终的“美投AI基本面风险指数”了。

可以看到，整个AI基本面风险指数在过去两年中持续下降。无论其中某些股票如何波动，将AI产业视为一个整体，从数据上看，AI确实在持续为企业带来各方向的业绩增长。现在的AI已不再是“镜花水月”，而是带来了持续、可预期的基本面改善。

目前整体指数在45左右，处于一个中性位置，整个行业相对理性且安全。那么，最关键的问题来了：投资者究竟应该如何应用这个指数呢？

首先，这个指数当前的数字能告诉我们，现在整个AI产业的基本面风险程度。通过数据回测，我们发现它是一个值得参考的警戒线。这个数据离警戒线越近，风险就越高。注意，并非到了警戒线才危险，而是距离越近就越危险。

除了看当前指数，看趋势也同样重要。我们必须知道，基本面的数字不可避免地会有滞后性。财报出来时，反映的已是上个季度的表现。所以，最好不要用它去分析公司基本面好坏或股价是否会上涨，这很难做到。但作为风险指标去把握风险的温度，它会是一个非常有效的数据。其中最重要的一点是要看风险变化的趋势。一旦趋势开始抬头向上，我们就需要警惕；当趋势坐实后，市场风险往往已经很高了；到了真正触及警戒线附近时，股价恐怕已经开始下跌。

此外，我强烈建议将本次AI基本面风险指数和上一次的AI泡沫指数结合起来综合来看。上一次的AI泡沫指数关注的是AI的情绪面风险，而本次的基本面风险指数关注的是AI的实际价值。你可以简单理解为，AI泡沫指数是AI的“价格”，AI基本面指数是AI的“价值”。价格过高是风险，而价值下降同样是严重问题。

实话说，现在市场真正担忧的，比起AI泡沫，更多的是AI发展停滞导致的基本面恶化。我们上期视频分析过，现在的AI情绪相对理性，甚至有些谨慎。在这种背景下，基本面的风险更需要投资者警惕。一旦AI基本面风险指数出现任何恶化，就很可能预示着市场的下跌。

反过来，如果市场是情绪主导的（如去年下半年），那么AI基本面的好坏影响相对较低，真正触发风险的是AI泡沫指数。事实上，去年11月，AI泡沫指数就成功发出了警告。至于何时市场情绪谨慎、何时乐观，我想各位看官自己也能感受到。如果感受不到，不妨点击订阅按钮关注我，我保证你能感受到。

好了，全套AI风险指数就介绍完了。如果你也热衷于投资AI，这套客观的数据模型能很好地辅助你的投资决策。未来我将定期每周更新这两大数据模型，希望能帮助大家实时把握AI水温，规避不可控风险。在mate pro上，我还会详细公布所有细分数据，包括具体的算法和解读，并定期更新。感兴趣的朋友，欢迎前往mate pro查看。谢谢大家。

如果你喜欢我的视频，别忘了点赞、关注和转发，谢谢！