如何识别AI产业周期中资本开支过热的预警信号？

识别AI产业周期中资本开支过热的预警信号，需建立多维度的交叉验证体系，重点考察以下关键指标：

首先，关注自由现金流与融资结构的变化。历史经验表明，当行业自由现金流由正转负，且资本开支不再由经营现金流支撑，转而依赖大规模举债或外部融资时，是重要的风险信号。在电信周期中，运营商自由现金流大幅转负，债务扩张加速，最终导致资金链断裂。当前需密切跟踪海外CSP及AI相关企业的自由现金流状况，若长期依赖外部融资且增量债务占比显著提升，需警惕融资环境收紧带来的冲击。

其次，监测收入与资产增速的背离程度。若资本开支增速持续大幅高于收入增速，导致资产周转率回落，说明供给扩张速度远超需求消化能力。在DRAM周期中，产能集中释放后价格崩塌，正是由于前期投资过度。对于AI行业，需对比云厂商的资本开支增长率与其AI服务收入增长率，若两者缺口持续扩大且无改善迹象，则预示产能过剩风险。

再次，观察订单指标与库存水平。Book-to-Bill（订单出货比）是领先的景气指标，若该指标跌破1.0并持续下行，或库存/出货比显著上升，表明需求动能减弱。在新能源周期中，订单增速由升转降往往领先于股价见顶。对于AI产业链，需关注服务器、光模块等核心环节的预收账款及合同负债变化，以及上游芯片和材料的库存周转情况。

最后，警惕循环交易与人为制造的需求。若产业链中出现大量厂商融资、关联方互相采购等非市场化行为，可能导致账面收入虚高。电信周期中设备商通过买方信贷放大销售，最终形成巨额坏账。当前需审视AI产业链中是否存在类似的循环融资安排，评估其背后真实需求的可持续性。综合上述指标，若多项信号同时恶化，则提示资本开支可能已脱离基本面支撑，产业周期面临调整压力。