5%美债没有杀死AI:市场正从“买算力”转向“买回报”

今天市场最值得研究的，不是美债又跌了多少，也不是AI股票还能不能涨，而是一个越来越明显的矛盾：

美国5年期国债收益率突破5%，这是2007年以来第一次；30年期美债收益率一度达到5.44%，创2004年以来最高。全球政府债券的平均收益率也已经逼近4%，回到2007年前后的水平。

按照过去十几年的市场经验，5%的无风险收益率，应该对高估值成长股形成非常大的压力。

但另一边，AI资本并没有撤退。

科技类美国ETF本季度净流入大约220亿美元，而其他市场合计只有大约46亿美元；大型数据中心项目仍在融资，AI基础设施债券今年的发行规模已经超过4000亿美元；纳斯达克100指数本周甚至一度刷新纪录。

所以今天真正的问题不是：

高利率会不会杀死AI牛市？

而是：

当资本不再便宜以后，这轮AI牛市到底会淘汰谁，又会把钱重新分配给谁？

我认为今天出现的信号非常清楚。

AI交易没有结束。

但市场正在从第一阶段——“谁拥有算力，谁就值钱”，进入第二阶段——

“谁能够证明AI真的赚到钱，谁才配继续获得高估值。”

这可能是比美债5%本身更重要的变化。

正文:

先从今天债券市场真正发生了什么讲起。

很多人看到收益率上涨，会直接解释成：

美国财政赤字越来越大，投资者不想买国债了。

财政当然是问题。

但今天这轮上涨还有一个非常直接的催化剂：

美国经济比市场想象得更强。

9月美国S&P Global综合PMI初值达到58.4。

市场原本预期大约55.3。

8月份是56.0。

也就是说，不只是经济仍然扩张，而且扩张速度还在加快，达到了2021年7月以来最高水平。

更关键的是，里面并不是一个“增长很好、通胀很好”的组合。

企业报告的投入成本压力重新上升，接近四年来最快；就业增长也达到四年多以来最快速度之一。

这正好击中了今天债券市场最敏感的神经。

市场原来期待的是：

高利率最终会把经济压下来。

经济放缓以后，通胀下来。

然后美联储可以降息。

但现在得到的信息却是：

利率已经很高了，经济还很强。

企业还在招人。

投资还很强。

价格压力也没有消失。

于是市场必须重新回答一个问题：

如果5%左右的长端利率都没有把需求真正压下来，那么所谓“限制性利率”到底应该有多高？

这就是为什么一个平时并不一定能够引发巨大市场波动的PMI数据，这一次却把债券市场推得这么剧烈。

5年期美债突破5%。

30年期达到5.44%。

而且5年期国债拍卖需求也偏弱。

这不是市场只在交易一个数据。

更像是投资者本来已经非常想卖债券，只是在等待一个理由。

美联储自己的政策背景也在强化这个逻辑。

9月16日，美联储刚刚加息25个基点，把联邦基金利率目标区间提高到3.75%到4%。

现在利率互换市场已经完全计入未来一年再加息三次、每次25个基点的可能性，同时还有相当规模的资金在为第四次加息做保护。

这已经不是“什么时候降息”的故事了。

市场的问题正在变成：

高利率到底要维持多久，而且终点会不会比我们原来想象得更高？

这个变化为什么对股票特别重要？

因为5%的美债不是一个孤立的金融数字。

它是整个资产定价体系的最低门槛之一。

假设你今天几乎不需要承担企业经营风险，就能从美国国债获得5%左右的收益。

那么一家股票要说服你买它，它就必须给你更加有吸引力的未来回报。

一个数据中心项目也是一样。

一个房地产项目也是一样。

一个私人股权基金也是一样。

一个创业公司的估值还是一样。

过去无风险利率只有1%的时候，一个预期回报7%的项目，看起来非常诱人。

因为你为了多拿6个百分点，承担一些风险是合理的。

但如果无风险收益率已经5%，项目回报还是7%，你承担了技术风险、融资风险、运营风险、流动性风险，最后只多拿两个百分点。

这个项目立刻就没有以前那么有吸引力。

所以今天真正上涨的，不只是国债收益率。

上涨的是整个经济的资本及格线。

而AI恰恰是今天最需要大量资本的产业。

这就是为什么美债和AI必须放在一起看。

如果你只看AI需求，会觉得这轮投资仍然非常强。

但如果你只看利率，又会觉得这么高的资本成本迟早会压垮成长股。

现实其实在两者之间：

资金没有停止进入AI，但资金正在变贵，而且开始要求AI证明回报。

这个变化已经非常具体地反映在资金流上。

BlackRock最近正在调整它的模型投资组合。

重点并不是退出AI。

相反，它仍然保持股票超配。

真正发生的变化，是资金开始从最明显的AI赢家，逐渐向更广泛的大盘股和AI受益企业扩散。

BlackRock旗下一个大型股主动ETF，本周已经吸收大约20亿美元，创3月份以来最大的单周流入之一。

与此同时，一只国际轮动主动ETF获得超过40亿美元流入。

相反，一只美国动量因子ETF流出了超过40亿美元。

这几个数字放在一起，其实非常有意思。

它说明市场不是简单在说：

AI结束了。

市场在说的是：

我仍然想拥有AI，但我不想再用同样的价格、同样的方式拥有AI。

过去AI交易非常简单。

买GPU。

买芯片。

买云计算。

买数据中心。

买所有名字里面带AI的东西。

但当这些股票已经大幅上涨，指数高度集中以后，投资者开始问：

真正赚钱的下一批公司是谁？

这就是AI交易非常重要的第二阶段。

第一阶段是：

卖铲子的人赚钱。

第二阶段可能变成：

真正用这些铲子提高生产率的人赚钱。

而今天有一个非常好的现实案例：

McDonald’s。

很多人不会把麦当劳理解成AI公司。

但它正在测试一个会说英语和西班牙语的AI点餐系统。

公司称，这套系统在早期测试餐厅的识别准确率超过90%，并且每家餐厅每周至少可以释放大约50个小时的人工时间。

从技术角度看，这非常漂亮。

假设一家餐厅一年能够节省2600小时左右的人工。

再乘以数千甚至数万家餐厅。

潜在生产率提升非常可观。

但资本市场的反应是什么？

麦当劳宣布包括AI和自动化在内的新战略以后，股价当天跌了4.8%，跌到2022年10月以来低位。

为什么？

因为投资者问的已经不是：

你用了AI吗？

而是：

你花多少钱？多久回本？这些节省下来的小时最后有没有变成利润？

麦当劳计划投入大约85亿美元帮助加盟商执行这套更广泛的改革方案。

所以市场真正需要计算的是：

85亿美元投入以后，

餐厅效率提高多少？

顾客体验改善多少？

单店收入提高多少？

人工成本下降多少？

又有多少只是把原来的成本，从工资表转移到了软件、算力、维护和基础设施？

这就是今天整个AI经济最核心的问题。

我们过去太容易把“节省时间”直接等同于“创造价值”。

但这两个概念并不一样。

EY最近一份关于企业AI经济性的研究给出了一个非常值得注意的估算。

根据他们的模型，一家公司运行AI Agent的成本里面，真正来自token的部分只有大约三分之一。

剩下的是什么？

模型订阅。

云基础设施。

软件平台。

数据治理。

安全。

集成。

监控。

人工审核。

企业系统改造。

也就是说：

企业真正的AI成本，大约可能达到token账单的三倍。

这就解释了为什么“模型越来越便宜”，并不自动等于“企业AI越来越便宜”。

一个软件的API成本下降50%，当然是好事情。

但如果为了把它真正放进企业流程，你还需要重新设计IT系统、建立权限、做数据清洗、增加合规、培训员工、加安全系统，那么最终企业支付的总成本可能仍然非常大。

EY的模型进一步提出了一个很激进、但非常值得思考的压力测试。

如果按照目前预计的AI资本投入规模，要让整个系统获得合理的市场回报，那么到2031年，高收入和中高收入经济体的白领经济，要么把产出提高大约10.5%，要么把劳动成本削减大约16%。

到2035年，按照其模型，产出需要提高约14.5%，或者劳动成本下降约22%。

这当然不是一个预测。

更不是说未来一定会裁掉22%的人。

这是一个基于假设的资本回报测算。

但它揭示的矛盾非常重要：

如果AI最终不能大幅提高产出，那么企业就只能通过压低其他成本来让投资回报成立。

而这里又出现一个宏观经济悖论。

对一家企业来说，裁员可能非常合理。

如果AI可以完成过去100个人完成的工作，公司只留下80个人，利润提高。

这是微观经济上的合理决策。

但是如果全社会所有企业同时这么做呢？

总工资收入下降。

家庭消费能力下降。

最终需求下降。

然后企业收入又受到影响。

所以单个公司能够通过削减劳动成本支付AI账单，并不代表整个经济都可以这么做。

这也是为什么AI真正健康的长期路径，不应该只是：

让同样的事情需要更少的人。

更重要的是：

让同样的人能够创造更多以前不存在的产出。

前者主要是成本故事。

后者才是生产率故事。

这两个东西对股票估值的意义完全不同。

如果AI最终主要带来裁员，它首先提高企业利润率，但也可能压低工资和消费。

如果AI真正创造新的产品、新的服务、新的产业和新的需求，那么资本开支才更容易转化成可持续增长。

这正是投资者未来几年必须验证的事情。

而如果你想知道资本市场什么时候开始真正认真计算这些东西，看看现在的AI基础设施就知道了。

Nscale准备上市，是一个非常好的例子。

这家公司属于所谓neocloud。

简单来说，就是专门为AI提供GPU、数据中心和算力基础设施的新型云计算公司。

它披露的合同总价值非常惊人：

大约1030亿美元。

听起来是一个巨大的数字。

但是这里有两个细节非常重要。

第一，大约85%的合同价值来自两个客户：

Microsoft和Anthropic。

第二，根据其上市文件，目前真正已经投入运营的数据中心合同，大约只有2%。

而公司今年上半年实际收入，大约只有1.406亿美元。

这几组数字放在一起，就很好地解释了AI基础设施现在最容易被忽略的风险。

合同，不等于现金流。

你可以签下一份未来十年的超大合同。

但是数据中心还必须真正建出来。

需要土地。

需要电力。

需要变压器。

需要芯片。

需要冷却。

需要输电线路。

需要地方政府许可。

需要居民接受。

需要施工。

最后还需要按时交付。

所以AI第一阶段最看重的是：

你签了多少订单。

第二阶段可能更看重：

你到底兑现了多少订单。

这也是为什么Nscale这样的公司上市以后，投资者真正应该盯的不是合同总金额，而是三个数字：

项目上线比例。

资本开支。

自由现金流。

这三个数字之间的关系，才决定企业最后创造的是价值，还是只是规模。

这一点在Oracle参与的一个大型数据中心项目上表现得更加明显。

这个项目规划功率达到2.45吉瓦。

什么概念？

理论上足以同时为大约180万户家庭提供相当规模的电力。

项目原定2028年上线。

但现在已经遇到许可和能源安排方面的障碍。

Oracle已经向项目开发方发出涉及“不可抗力”的通知。

需要强调的是：

这并不意味着Oracle已经退出项目。

目前更准确的理解，是Oracle希望在项目延误的情况下避免继续承担某些付款责任。

但仅仅是这种安排，就足以让债权人紧张。

与项目有关的债务已经在90美分以下交易，进入明显承压区域。

这件事情特别值得注意。

因为市场过去讨论AI数据中心的风险时，总是在担心一个问题：

会不会建太多？

其实今天出现了另外一个同样危险的风险：

会不会建不出来？

建太多的风险是：

供给过剩。

算力价格下降。

资产利用率下降。

债券现金流不足。

建不出来的风险是：

你已经借了钱。

已经买了土地。

已经签了合同。

甚至已经买了设备。

但电力和监管迟迟不到位。

客户等不及，去找另外一个供应商。

结果这块资产变成一个昂贵的半成品。

这就是AI基础设施的第二阶段风险。

不是技术本身不行。

而是物理世界跟不上。

而物理世界现在正在越来越明确地给AI提出价格。

一项对美国数据中心项目的统计显示，仅今年第二季度，就有大约45个项目因为地方反对而被阻止或延迟，涉及投资金额大约680亿美元。

反对的理由包括：

电价。

电网负荷。

用水。

噪音。

土地。

甚至数据中心向周围环境释放的热量。

这说明AI产业真正的瓶颈已经开始从：

GPU数量，

向更加传统的东西转移。

电力。

土地。

审批。

债务。

社区接受度。

这非常重要。

因为这些东西不像软件。

软件可以指数级复制。

一段代码写好以后，可以几乎零边际成本复制一百万次。

但是一座变电站不能。

一条输电线不能。

一座数据中心也不能。

所以AI可能是一个数字技术革命，却同时需要历史上最大规模之一的实体资本建设。

这就是为什么高利率对AI特别重要。

你正在用21世纪最先进的软件，依赖20世纪式的基础设施建设，同时用5%以上的资本成本来融资。

这三种东西碰在一起，必然会产生巨大的赢家和输家分化。

而这种分化已经开始反映到金融行业。

今年AI基础设施相关债务发行规模已经超过4000亿美元。

对于华尔街来说，这已经不仅是科技股故事。

它正在变成：

债券承销。

项目融资。

私人信贷。

数据中心证券化。

基础设施基金。

电力合同。

衍生品。

信用交易。

甚至银行之间的竞争。

有一家大型美国银行因为没有深度参与部分最热门的AI融资项目，信用交易部门反而错过了相关债券后续的大量交易活动。

这件事情很有意思。

它说明AI现在已经不是科技行业里的一个板块。

它正在变成金融体系的资本循环。

科技公司花钱。

数据中心借钱。

债券市场提供资金。

公用事业建设电网。

私人资本购买资产。

基金买债。

然后最终所有这些资本回报，都必须由一个东西支付：

AI创造出来的经济价值。

所以我们现在终于可以理解，为什么5%的国债收益率没有立刻杀死AI。

因为资本市场并不是没有钱。

事实上，钱非常多。

真正发生的变化是：

钱开始要求回报。

这也解释了债券市场今天另外一个非常值得注意的变化。

对于借款人来说，5%的国债很痛苦。

但对于投资者来说，它又可能非常诱人。

今年1月到8月，美国债券基金已经净流入大约6250亿美元。

根据Morningstar的数据，这是至少2010年以来同期最高水平。

为什么？

因为过去15年投资者一直面对一个问题：

如果想得到像样回报，就必须承担股票风险。

现在突然出现一个新的选择。

你可以购买期限并不算特别长的高质量债券，就获得接近5%的收益。

这会彻底改变资产配置。

假设一个60岁的投资者过去为了获得5%的预期回报，被迫持有大量股票。

现在美国国债本身都接近这个水平。

为什么还要承担同样多的股市风险？

所以即使股票没有崩，高债券收益率也会产生一种非常缓慢但非常强的吸引力：

它不断从股票估值手里抬高竞争门槛。

这也是为什么今天不能简单把债券收益率上升理解成股票一定马上暴跌。

真正发生的是：

股票必须赚得更好，才能维持原来的估值。

以前一个20倍市盈率股票可能很有吸引力。

现在投资者会问：

为什么不是债券？

为什么不是信用债？

为什么不是现金？

为什么不是5%的国债？

每一种风险资产都必须重新回答：

我值得你承担风险吗？

而AI是这个问题最极端的版本。

因为AI公司一边拥有非常高的增长潜力，一边又拥有非常大的资本需求。

未来真正的赢家，大概率不是“最像AI”的公司。

而是能够同时完成四件事情的企业。

第一，拥有真实需求。

第二，有能力把需求转化成收入。

第三，收入能够转化成自由现金流。

第四，资本回报率能够长期高于不断上升的资本成本。

缺任何一个环节，都可能出问题。

这也是为什么我认为BlackRock最近资产配置的变化，比表面看起来更重要。

资金不是离开AI。

它是在寻找AI的第二阶受益者。

谁不是卖GPU，但因为AI提高生产率以后利润增加？

谁不用投入几百亿美元建数据中心，却能够利用AI降低成本？

谁拥有分销渠道、客户关系和数据，所以能够直接把AI变成收入？

这可能是未来两三年最大的选股方向之一。

同时，我们也应该认真讲最强的反方观点。

今天看空风险资产的人很容易说：

国债收益率5%，股票一定会崩。

这同样太简单。

如果收益率上涨的原因是经济增长非常强，而且企业盈利增长速度超过折现率上升速度，那么股票完全可以继续上涨。

Apollo的Mark Rowan最近就提出一个非常明确的多头逻辑：

美国正在经历一个规模巨大的资本开支周期。

AI。

电力。

基础设施。

制造业。

这些投资正在创造需求。

如果企业盈利继续强，信用损失保持低位，那么高利率并不一定马上制造衰退。

换句话说：

高利率什么时候真正危险？

不是利率达到某一个神奇数字的时候。

而是：

资本回报开始低于资本成本的时候。

这才是最应该盯的变量。

对AI来说尤其如此。

如果未来两年，我们看到三个变化：

企业使用AI以后生产率明显提高；

数据中心利用率持续上升；

AI服务收入增速快于基础设施资本开支；

那么今天5%的美债可能只是一个估值压制因素，而不是AI周期终结的信号。

甚至反过来，AI提高生产率可能让企业能够承受更高利率。

但如果出现另外一种情况：

资本开支持续增长；

AI收入也增长；

但自由现金流不断下降；

数据中心项目越来越多延误；

信用利差扩大；

企业开始说AI节省了很多时间，却始终解释不清这些时间最终变成了多少钱；

那么市场就会逐渐意识到：

技术革命是真的。

但投资回报可能没有想象中那么高。

历史上这两件事情经常同时成立。

铁路改变了世界。

航空改变了世界。

互联网改变了世界。

但并不是所有建设铁路、航空网络、光纤网络的人，都赚到了超额回报。

技术能够创造巨大的社会价值，却不保证每一个资本提供者都能获得巨大的投资回报。

所以今天AI最大的风险，不一定是：

技术失败。

反而可能是：

技术成功得太快，资本进入得太多。

当所有人都相信一个行业会增长的时候，真正稀缺的就不再是资本。

而是利润。

这也是为什么未来判断AI牛市，我觉得必须把时间分成三个维度。

未来三天，最重要的是债券市场。

看美债拍卖。

看美联储官员讲话。

看油价。

看美元。

看5年期和10年期收益率能不能稳定在5%左右以上。

这里决定的是估值压力。

未来三个月，最重要的是AI资本开支执行。

看数据中心项目有没有延期。

看信用利差。

看云计算公司和neocloud融资成本。

看大型科技企业资本开支增长速度。

看企业AI产品到底有没有形成收入。

这里决定的是AI投资周期有没有从“建设”进入“兑现”。

未来三年，真正决定一切的只有一个问题：

AI到底能不能让整个经济创造足够大的新增产出，覆盖今天这场历史级资本开支。

如果可以，那么今天看到的5%利率，可能只是一个非常昂贵的过渡期。

如果不可以，那么未来真正调整的不会只是几只科技股。

因为AI现在已经进入ETF、信用市场、数据中心融资、银行业务、电力投资和国际资本流动。

它正在越来越接近一笔“全市场交易”。

而一旦一个主题变成全市场交易，它最大的风险就不再是没人相信它。

恰恰相反。

最大的风险是：

所有人都已经相信它。

总结:

今天5年期美债突破5%、30年期收益率达到20多年高位，表面上看是在讲债券。

实际上它正在重新定义整场AI牛市。

第一阶段，资本便宜，市场奖励的是规模。

谁能买更多GPU。

谁能签更多数据中心合同。

谁能说出更大的资本开支数字。

谁就容易获得更高估值。

第二阶段正在开始。

资本已经不便宜了。

市场开始奖励的是回报。

AI真实成本并不只是token。

数据中心合同并不等于已经上线。

节省人工时间并不等于利润。

技术进步也不自动等于投资回报。

所以5%的美债没有杀死AI。

它正在做一件可能更加重要的事情：

强迫AI开始接受资本纪律。

接下来最值得盯的，不是某个模型又提升了多少benchmark，也不是某家公司又宣布投资多少亿美元。

真正重要的是三条线：

AI收入能不能追上AI资本开支；

AI生产率能不能追上AI真实成本；

以及项目回报率能不能长期高于资本成本。

如果答案是可以，这轮AI周期可能远没有结束。

如果答案是否定的，那么最危险的地方，也未必是技术公司本身。

而可能是过去几年所有建立在“钱永远便宜、算力永远稀缺、增长最终会解决一切”这三个假设之上的资产。

所以现在市场真正交易的已经不是：

AI会不会改变世界。

这一点越来越少有人怀疑。

市场真正开始交易的是：

在5%的资本时代，改变世界这件事，到底值多少钱。

本内容仅讨论公开市场数据及宏观经济现象，不构成任何投资建议。