锚定日期：2026-06-03 复盘窗口：2026-05-24 至 2026-06-03 对象：AI Institute 关于 AI 资本开支、能源/设备通胀、利率路径、生产率去通胀和单位任务成本的研究链条。

本复盘处理一个核心矛盾：AI 一边通过电力、设备和利率制造再通胀压力，另一边又可能通过生产率、自动化和单位任务成本下降制造去通胀力量。

1. 优先结论

1. 当前研究所对“AI capex 进入通胀定价”的信念仍高，但方向已经转弱。 Thesis tracker 给该命题 67 分、方向为 weakening，说明证据仍足够强，但不再适合单边外推。
2. 再通胀链条更早进入价格系统。 电力、PPA、变压器、GOES、铜、并网、融资成本和折旧会先进入成本与利率预期；生产率去通胀需要采用率、流程重构和收入密度验证。
3. 去通胀不是“AI 会提高效率”这么简单。 如果效率提升带来更多推理调用、更大模型和更高总算力需求，单位成本下降可能被总量扩张吞噬。
4. 宏观结论应采用阶段制。 2026 年更像“capex/设备/能源再通胀先行”；2027 年以后才观察自动化、边缘 AI 和工作流重构能否对冲。
5. 投资含义是杠铃，而不是押一个方向。 一端是电力设备、存储、先进封装和硬件瓶颈；另一端是能真正降低单位任务成本、改善毛利率和现金流的软件/自动化平台。

2. 研究时间线

3. 观点如何变化

3.1 从“AI 提高生产率”到“先付资本账单”

AI 可能提高生产率，但资本账单先到：数据中心、GPU、HBM、先进封装、电力设备、土地、PPA、折旧和融资成本。研究所的宏观线索提醒，市场在看到自动化红利之前，可能先看到资本开支推动的成本压力。

3.2 从“能源通胀”到“设备与利率共同传导”

AI 再通胀不是单一电价问题。变压器、GOES、铜、开关柜、液冷、建设周期、并网排队和长端利率都会进入项目 IRR。若这些成本抬升而 AI 收入密度不足，AI capex 会对 hyperscaler 的自由现金流形成挤压。

3.3 从“效率反证”到“Jevons 风险”

模型效率、ASIC、边缘 AI 和自动化会降低单位推理成本，但这可能激发更多使用量。若总调用量增长快于单位成本下降，社会总算力、电力和硬件需求仍会扩大。这就是 AI 去通胀命题的关键反证。

4. 做对了什么

1. 没有把 AI 直接写成通胀或通缩单一答案。
2. 把通胀链条拆成能源、设备、利率和折旧。
3. 把生产率去通胀延后到采用率和工作流验证。
4. 承认能源价格周期会扰动 AI 再通胀结论。

5. 需要修正的地方

1. 需要更多量化时间差。 再通胀成本何时进入 CPI/PPI、去通胀生产率何时进入单位劳动成本，目前仍缺少量化桥梁。
2. 需要区分企业利润率和宏观物价。 单个企业因 AI 提效，并不必然带来宏观通缩。
3. 需要避免把电力成本全部视为通胀。 若监管允许成本资本化或长期合同锁价，短期物价传导会弱于项目成本传导。

6. 当前跟踪框架

7. 关键来源

• AI 电力缺口：全球宏观通胀压力与科技霸权竞争
• 资本开支热潮下的宏观负反馈
• 能源价格下移的宏观外溢效应
• AI数据中心并网容量、大负荷电价与电网设备交期
• AI 数据中心高电价承受力与省级电力价格政策
• AI 算力资本开支、电力瓶颈与通胀再定价
• AI productivity disinflation timing

8. 一句话复盘

AI 的通胀与去通胀不是互斥答案，而是时间顺序问题：资本开支、能源和设备成本先进入价格与利率系统，生产率红利必须等采用率、流程重构和单位任务成本真实下降后才能反向抵消。