如何构建基于资本开支的产业周期预警体系以判断AI行业拐点？

构建基于资本开支的产业周期预警体系，需重点考察资本开支与收入的匹配度、自由现金流状况、融资结构变化以及先行订单指标。

首先，资本开支增速与收入增速的背离是核心预警信号。在90年代DRAM周期和电信周期中，当资本开支增速持续大幅高于收入增速，且产能集中释放后，供需关系迅速恶化，导致价格崩塌。对于产能弹性大的标准品，资本开支的持续提升往往预示着供给过剩的风险。而在新能源周期中，渗透率一阶导数见顶后，若资本开支仍激进扩张，将导致资产周转率回落，预示景气度下行。

其次，自由现金流与融资结构的变化反映了企业的财务健康度。当行业自由现金流转负，且企业由依靠经营现金流自给转向依赖举债扩张时，表明内生增长动力不足，风险积聚。电信周期中，运营商自由现金流转负后大量依赖债务融资，甚至通过循环交易制造虚假需求，最终在融资收紧时引发危机。当前AI产业中，虽然海外云厂商自由现金流转负且外部融资占比提升，但主导者多为现金流充裕的科技巨头，且存在英伟达等核心的循环融资特征，这与电信周期中大量初创企业依赖债务的情况有所不同，但仍需警惕融资条件收紧带来的波动。

再次，订单指标如Book-to-Bill、合同负债及预收账款是反映需求变化的先行或同步指标。在电信和新能源周期中，这些指标的见顶往往领先或同步于股价高点。当前A股算力链的合同负债仍在扩张，收入增速高于资产增速，显示需求依然强劲，尚未出现明显的景气拐点信号。

综上，判断AI行业拐点需综合考量：一是资本开支是否脱离收入基本面盲目扩张；二是自由现金流是否持续恶化且过度依赖外部高风险融资；三是订单及渗透率指标是否出现实质性放缓。目前AI仍处于普及初期，需求端仍有支撑，但需密切关注资本开支的效率及需求落地的实际进展。