人工智能领域的投资热潮是否已经见顶？全球资产管理巨头富兰克林·邓普顿（Franklin Templeton）给出了明确的否定答案。该公司高级投资策略师卡特里娜·达德利（Katrina Dudley）近日在接受媒体采访时表示，人工智能基础设施支出的看涨论据正持续战胜看跌论据，她认为这一投资主题的韧性至少将延续至2026年，并有望在2027年乃至2028年继续保持强劲。
“我认为，韧性至少会持续到2026年。我们还有大约半年的时间，之后是2027年，甚至到2028年。”达德利在访谈中如是说。这番表态迅速引发市场关注，为近期略显波动的AI板块注入了新的信心。
看涨逻辑的基础：需求端持续爆发
达德利指出，AI基础设施投资的看涨论据之所以能够占据上风，核心驱动力来自下游需求的持续爆发。随着生成式AI技术从实验阶段走向商业应用，企业对算力、存储和网络带宽的需求呈现指数级增长。无论是大型科技公司自研大模型，还是中小企业接入AI服务，均离不开底层基础设施的支撑。
“我们观察到，云计算巨头和科技企业正在以前所未有的速度扩建数据中心，英伟达等芯片厂商的订单排期已延至2026年之后。”达德利补充道，“这种需求的刚性，使得AI基础设施支出不会因短期经济波动而大幅削减。”
看跌论据为何失效？
市场上并非没有看空AI基础设施的声音。部分投资者担忧，随着AI应用场景的拓展速度放缓，过度的资本开支将导致产能过剩，最终引发投资回报率下降。然而，达德利认为，这些看跌论据正被三个关键事实所击败：
其一，技术迭代周期缩短。 AI芯片和服务器架构的更新速度远快于传统IT设备，每18至24个月即有一次显著升级，这使得老旧设备加速折旧，持续催生替换需求。其二，能源与冷却系统成为新瓶颈。 训练和运行大模型需要消耗大量电力，液冷等配套基础设施的改造升级同样构成刚性支出。其三，地缘政治因素助推。“ 全球主要经济体纷纷将AI视为战略竞争力，各国政府通过补贴、税收优惠等方式鼓励本土数据中心建设，进一步强化了投资韧性。
时间线的深层含义
达德利特别强调了时间节点——2026年、2027年乃至2028年。这一判断背后有清晰的产业逻辑：当前主流AI模型（如GPT-5、Claude 4等）的训练周期约为12至18个月，预计到2026年，下一代更复杂的模型将对算力提出更高要求。而2027年则可能迎来AI在医疗、自动驾驶等垂直领域的规模化落地，届时基础设施需求将从训练端延伸至推理端。
“我们往往高估技术的短期影响，而低估其长期影响。”达德利引用阿玛拉定律指出，“AI基础设施的投入并非一次性爆发，而是一个持续十年的长周期过程。2027年不是一个终点，而是新阶段的起点。”
对投资者的启示
这一观点对于市场参与者具有重要参考价值。当前，全球AI基础设施投资主要集中在芯片（GPU/ASIC）、数据中心运营商、光模块、液冷系统及电力设备等领域。富兰克林·邓普顿的分析框架提示投资者：不必因短期股价波动而动摇信心，关键在于甄别哪些企业能够真正受益于长期支出趋势。
此外，达德利也提醒需关注风险因素：监管政策变化、能源成本上升以及技术路线突变（如量子计算替代）都可能改变投资逻辑。但就未来2至3年而言，AI基础设施的“确定性增长”仍将是全球资本市场最清晰的主线之一。
截至发稿，纳斯达克指数中AI相关个股在富兰克林·邓普顿言论提振下普遍走高。市场正用行动回应这一资产管理巨头的大胆预测：人工智能的“军备竞赛”，远未到落幕之时。