一个更值得投资者思考的问题却逐渐浮现：如果AI客户本身还没有真正赚到钱，那么建立在AI之上的商业模式究竟能持续多久？

更值得关注的是，公司目前存在两个容易被市场忽略的风险。

第一个风险，是客户集中度过高。

根据公开信息，目前公司约38%的收入来自两家核心客户。这意味着，公司虽然整体收入增长十分亮眼，但背后实际上依赖的是极少数大型客户持续扩大采购。

这种模式在企业高速扩张阶段并不罕见，但也意味着，一旦其中一家客户削减资本开支、推迟项目，或者转向竞争对手，公司收入增长就可能明显放缓。

美股投资网分析师Ken 指出，目前公司的投资逻辑高度依赖这几家头部AI客户继续疯狂投入。一旦核心客户出现流失，或者订单增速下降，整个AI成长故事都有可能迅速失去支撑。

对于一家成长股来说，这种客户集中度风险往往比短期利润波动更加值得警惕。

第二个风险，则来自AI产业本身。

过去两年，无论是大型语言模型，还是AI Agent、推理计算、自动化办公，都带动了史无前例的GPU采购潮。

微软、谷歌、亚马逊、Meta、OpenAI、Anthropic等科技巨头持续增加资本开支，也让整个AI基础设施产业链迎来了爆发式增长。

但是，真正的问题在于，AI行业目前仍然没有证明自己已经形成稳定且可持续的盈利模式。

大量AI公司仍处于持续烧钱阶段。

模型训练成本居高不下，推理成本依然昂贵，而越来越激烈的价格竞争又不断压缩商业化空间。

虽然AI应用数量不断增加，但真正能够产生稳定现金流、覆盖庞大算力成本的商业模式，目前仍然十分有限。

这也是越来越多华尔街分析师开始讨论的一个问题：AI资本开支究竟还能维持多久？