01 触发事件

a16z 的 Charts of the Week 指出：截至本周较早时，Apple 是唯一跑赢 Nasdaq 与 S&P 500 的 Mag7 公司；过去 30 天，hyperscalers、neoclouds、semis 与 AI supply chain 集体拖累 Nasdaq，而 Costco、Walmart 等非 AI 科技公司反而贡献上涨。

更具体的数字是：自 2023 年 AI spending spree 开始后，四家主要 hyperscalers 的 capex 增长约 6 倍至 9 倍，capex 占销售额比例约增至原来的 2 至 3 倍；Apple 的 capex 却低于支出潮开始前，capex 占销售额比例下降约三分之一。

同一时期，Apple 的 iPhone revenue growth 明显回升，services 仍以约 13% YoY 复合增长；软肋则出现在 Macs、iPads 与 wearables，增速降至个位数，iPad sales 在 2013 年见顶后，2010 年产品发布后仅 3 至 4 年便走到高峰。

02 这事的真正含义

表面看，这是 Apple 的一次估值轮动：市场开始奖励现金流纪律，不再奖励 AI capex。

问题不在 AI 投资有没有回报，而在资本市场给不同公司的 AI 支出套用了完全不同的回报率假设。

当 Amazon、Microsoft、Alphabet、Meta 把 capex 推高数倍时，市场会追问：新增算力能否转化成 Azure、Cloud、Gemini、Llama 或广告收入？一旦收入兑现慢于折旧与融资成本上升，AI trade 就会从“稀缺性溢价”切换为“资本效率审判”。

Apple 没有参加这场军备竞赛，因此暂时不必证明每台数据中心服务器、每颗 GPU 都能获得足够高的 utilization。

这才是 Apple “shined” 的地方：它保住了 AI 叙事的稀缺性，又没有承担 AI 叙事失败的主要风险。

但这并不意味着 Apple 不使用 AI，也不意味着它天然免疫模型能力升级。Apple 更可能采购模型、整合能力、保守部署，而不是自己承担训练 frontier model 和建设 hyperscale infra 的固定成本。

那个真正会被定价的，不是“是否投入 AI”，而是“投资者愿意给多少 AI capex 信用”。Apple 用低 capex 迫使市场给它传统消费科技公司的现金流倍数；其他 hyperscalers 则必须靠未来收入证明今天的支出合理。

03 历史类比 / 结构对照

这更像 2007 年 iPhone 发布前 Apple 的一次结构性胜利，而不是 2022 年 ChatGPT 那类能力跃迁。

2007 年，Apple 没有与 Symbian、Windows Mobile 或当时的消费电子巨头正面比拼渠道与硬件规模。它选择垂直整合，换来更少的机型、更清晰的产品定义，以及后来极高的开发者 switching cost。

今天 Apple 的做法相似：不建公开 AI cloud，不追逐最大模型参数量，也不让 AI capex 主导资产负债表。它把自己的核心赌注押在 iPhone installed base、services distribution 与硬件换机周期上。

不过，类比也有边界。

2007 年，iPhone 打开了新计算平台；如今 Apple 更多是在防守既有 distribution。Apple 的 AI 叙事若成立，也更可能体现为更高的设备替换率、services engagement，而不是出售一个独立 AI infrastructure platform。

另一个历史对照是 2008 年金融危机。市场从“增长越快越好”转向“现金流和资产负债表韧性”。AI trade 当前也可能经历类似重估：不再问谁拥有最多 GPU，而开始问谁能在 GPU depreciation 之前找到足够 workload。

Apple 正是这次重估里的 borrowing-the-best-of-both-worlds 候选者。它享受 AI 提升产品价值的可能性，却较少承担自建 frontier capacity 的 execution risk。

04 对 AI builder 意味着什么

第一，不要再把 hyperscaler capex 增长直接等同于 AI demand 增长。

四家主要 hyperscalers 的 capex 较 2023 年增长约 6 倍至 9 倍，但过去 30 天相关股票整体走弱。市场已经区分“采购”与“变现”。这周做 model routing、GPU utilization 或 inference demand 预测时，应把 capex 当作 capacity signal，而不是 revenue signal。

第二，模型 API 消费会继续增长，但价值会向 distribution 和 workflow 集中。

Apple 的表现强化了一种判断：AI 能力可以广泛商品化，但掌握用户入口、系统权限和持续使用场景的 distribution owner 仍可能获得大部分利润。

对独立 AI 产品创业者而言，单纯包装通用模型不是 moat。更稳的策略是占据一个高频 workflow，建立 switching cost，并积累真实 retention 数据。Apple 有 iPhone installed base 才敢少讲 AI 故事；多数 AI startup 连基本 distribution 都没有，更不能把模型能力当作护城河。

第三，基础设施投资需要更严格的 utilization discipline。

对 AI infra 团队，采购窗口可能继续存在，但不能再用“capex 增长很快”证明项目合理。必须回答三类问题：新增 capacity 被谁使用，推理后的 gross margin 如何随 model price 下调变化，硬件折旧后是否仍有残值。

第四，API 产品的 pricing 应为模型降价和 routing 优化留出空间。

如果 hyperscalers 的 capex 扩张最终变成价格战，model API 的基础价格会承压。opcx.ai 这类 model access 平台不能只赚一层转售差价，需要在 routing、prompt caching、batch API、fallback 与 observability 上证明更高利用率和更低总成本。

这周我会重新检查三件事：主要模型供应商的 cache 与 batch 折扣是否继续下探；高流量客户是否因价格差转向多模型路由；自己的毛利是否对单一模型价格下降过于敏感。

05 反方观点 / 风险

我可能高估了市场对 Apple 的“纪律溢价”。

Apple 的相对强势也可能只是短期仓位轮动、指数权重效应，或对其供应链与新产品周期的提前定价，而非长期 AI 战略胜利。Capex 低不等于资本效率高，尤其当 Apple 大量使用外部模型与第三方算力时，部分 AI 成本可能没有出现在 capex 里。

我也没在 Apple 内部跑过它的模型路由或成本结构，不能仅凭财务数据断言它“免费搭便车”。如果 Apple 通过采购 frontier API、租用 GPU 或提高硬件规格吸收了部分成本，那么当前 capex 对比会低估真实 AI 支出。

第二个风险是，hyperscalers 的股价回撤可能只是估值正常化，而非商业模式恶化。Amazon、Microsoft、Alphabet 与 Meta 拥有 enterprise distribution、cloud switching cost 和自有 workload，CapEx 回报兑现周期可能比散户愿意等待的时间更长。若 AI revenue 最终显现，市场可能重新奖励基础设施投入，而 Apple 的低投入反而成为增长上限。

第三个风险来自 Apple 自身产品组合。iPhone revenue growth 回升不等于设备周期重新加速，Macs、iPads 与 wearables 已降至个位数增长，services 约 13% YoY 也不能无限维持。若 AI 没有显著提高换机率，Apple 缺少下一个增长引擎，低 capex 会从优势变成保守的证据。

所以真正该监控的不是 Apple 是否“跳过 AI”，而是市场最终用哪种现金流模型给 AI 定价：如果 AI 变成商品，Apple 的纪律更值钱；如果 AI 成为新平台，Apple 可能成为那个投入不足的巨头。