ARTICLE · 1286622
当中美明星AI科技股一起大跌,你不好奇中美经济学界、华尔街投资机构、信用评级和产业研究者们给出了怎样的观点吗?
--- 记录AI如何在我们眼前，一点一点成为这个时代 ---
本期思考：中美科技明星股同时大跌调整背后究竟发生了什么？
10月30日，美国纳斯达克指数单日下跌2.86%，创下6月以来最大单日跌幅。10月份，纳斯达克100指数累计下跌超过5.8%。
中国市场的调整则来得更早。
从7月开始，中国科技股经历了数月的持续下跌。到10月末，沪深300指数当月下跌约8.5%，科创50指数较6月高点回撤约40%。
中美两大市场的下跌并不同步，背后的资金结构、宏观环境和产业条件也存在明显差异。
但10月下旬，一个值得全球投资者认真对待的现象开始浮现：美国科技巨头仍在扩大AI投资，云计算业务仍在增长，但资本市场已经开始质疑：如此庞大的投入，究竟能够产生多少回报？
这不是一个普通的股票估值问题。
因为AI基础设施已经不再只是科技公司的事情。它开始影响企业债券发行、私人信贷、美国国债收益率、全球资本配置、能源需求，甚至中国科技企业的融资能力。
过去几年，市场最关心的是谁拥有更强的模型、谁能生产更多GPU、谁能建设更大的数据中心。现在，另一个问题开始变得同样重要：谁能够把投入的每一美元、每一元人民币，转化成更多收入、更高生产率和可持续的自由现金流？
我认为，我们正在接近AI产业发展的一个重要转折点，但这并不意味着技术竞赛结束了。恰恰相反，下一阶段的竞争将更加复杂：企业既要证明自己拥有足够强的技术，也要证明自己有能力把技术转化为经济回报。
技术领先，决定你能不能进入竞争；资本效率，决定你能不能长期留在竞争中。
------
01｜经济学家们首先提出了一个问题：AI的生产率回报，真的已经到来了吗？
在讨论AI投资是否过热之前，我们需要先弄清楚一个基本问题：AI究竟已经为整个经济创造了多少实际生产力？
2026年10月，中国金融四十人论坛外滩年会上的几场讨论，提供了非常值得关注的答案。这些观点来自前IMF研究部主任、哈佛大学教授、前中国人民银行行长以及中国经济学界人士。
他们的共同特点是，并没有简单地把AI技术进步等同于宏观经济生产率的全面提升。
1. 前IMF研究部主任Gourinchas：AI首先是一场需求冲击，生产率红利还需要时间
10月19日，前IMF研究部主任Pierre-Olivier Gourinchas在全球经济展望讨论中，提出了一个很有启发性的判断：当前全球经济同时面对两种不同的力量。一方面，能源和地缘政治冲突带来负面的供给冲击，推高能源价格和生产成本；另一方面，AI基础设施建设形成了巨大的投资需求。
科技企业需要购买芯片、服务器、存储、网络设备，需要建设数据中心，也需要提前锁定电力和土地。这些投资正在直接增加全球经济的需求。
但问题在于：投资已经发生，并不代表生产率已经同步提高。如果AI还没有充分改变企业的生产流程，那么短期内，它带来的可能首先是对芯片、电力、设备和资金的巨大需求，而不是全社会生产效率的同步跃升。
Gourinchas还提醒，全球实际利率回升、美国公共债务压力以及金融脆弱性，正在成为需要关注的风险。这意味着AI投资越庞大，它与宏观金融环境之间的联系就越紧密。
2. 哈佛大学教授Jason Furman：技术进步与生产率兑现之间，可能隔着数年
曾担任美国白宫经济顾问委员会主席的哈佛大学教授Jason Furman，在10月20日的讨论中提出了更加审慎的观点。他认为，过去几年美国生产率增长可能已经受到AI的积极影响，但具体贡献仍然存在很大不确定性。他甚至指出，AI对生产率的实际贡献，也可能没有部分市场参与者想象的那么大。
原因并不复杂。企业购买了AI服务，不代表工作方式立即发生改变。要让AI真正提高生产率，企业还需要重新设计工作流程、调整组织架构、培训员工、打通数据系统，并改变原有的管理方式，这需要时间。
我们此前一直在讨论一个问题：AI是否会像电力一样，逐渐重构整个社会的组织方式？Furman的观点提醒我们，电力从被发明到真正改变工厂、家庭和社会，也经历了漫长的基础设施建设和组织适应过程。技术已经能够做到什么，与社会已经因为技术而提高了多少生产率，是两个完全不同的指标。
3. 周小川：未来真正值得关注的，可能是AI应用，而不只是数据中心
中国人民银行原行长周小川在同一场讨论中提出了一个非常重要的产业判断。他将AI产业大致划分为三个层次：
大模型、训练算力和数据中心。
AI应用。
半导体、电力、液冷等基础设施。
他特别强调，真正推动社会生产率提升的关键，在于应用层。他还提出了轻量化模型、模型蒸馏和端侧计算等方向。
这意味着，未来AI的发展不一定只是不断建设更大的数据中心。当模型效率提高、推理成本下降，越来越多AI能力可以部署在汽车、电脑、手机和其他终端设备上。这会改变算力需求的结构。它不意味着数据中心需求会消失，而是提醒投资者：不能把今天的集中式算力需求曲线无限外推。对GPU、存储、光模块、服务器和数据中心企业而言，这是一项非常重要的长期变量。
4. 黄益平：AI提高生产效率，却不一定提高全社会购买力
北京大学国家发展研究院院长黄益平提出了另一个容易被科技投资者忽略的问题，他担心AI可能出现类似工业革命时期的“恩格斯停滞”现象。
简单来说：机器可以提高生产效率，但劳动者收入不一定同步增长。
如果AI大幅提高企业效率，却同时减少部分岗位和劳动收入，那么可能出现企业利润增加、资本所有者财富上升，但普通劳动者购买力增长放缓的局面。这会进一步影响社会总需求。
为什么这与AI投资有关？因为资本市场通常先为企业效率提升定价，却未必充分考虑收入分配变化对最终消费的影响。生产效率提高，不等于所有企业都能因此获得更多收入。这是AI产业长期商业化过程中值得观察的宏观问题。
------
02｜中国科技股为什么先跌？不是AI产业突然失去了未来，而是资本开始重新计算价格
中国科技股从7月开始持续调整，不能简单归结为一次海外AI股票下跌引发的情绪传染。国内经济和资金结构本身，也存在值得重视的变化。
根据原始资料所列的国家统计局数据，2026年前三季度中国GDP同比增长4.6%，规模以上工业增加值增长5.3%，信息传输、软件和信息技术服务业增加值增长10.4%。但与此同时，社会消费品零售总额增长仅1.1%，固定资产投资累计下降7.2%。
这呈现出明显的新旧动能分化：AI、软件和部分先进制造业仍然增长较快，传统需求和房地产相关产业则承受压力。10月制造业PMI回落至49.3，新订单指数49.4，也反映出制造业需求仍然不足。
因此，中国科技股面对的不是单纯的AI产业问题，而是一个更复杂的环境：产业景气度向上，宏观需求恢复不均衡，资本市场风险偏好下降。
机构投资者开始改变评价标准。10月中旬，中国证券报采访了多家公募和私募机构，它们的观点存在一个共同点：上半年部分科技资产涨幅较大，机构持仓集中度较高，估值和交易拥挤度都需要重新平衡。
当海外利率、政策预期和三季报数据发生变化，资金调仓就容易形成负反馈。过去市场主要交易的是：AI产业增长 → 相关公司受益 → 股价上涨。现在市场要求企业进一步证明：AI产业增长 → 订单增加 → 收入增长 → 利润增长 → 现金流兑现。
这条链路上的每一个环节，都开始成为估值的必要条件。国泰基金总经理李昇在8月的相关研讨中也提出，AI产业景气度仍在延续，但市场可能过度线性外推了算力涨价、供需紧张和未来盈利预期。
随着产能扩张、模型效率提高和供应链优化，产业链的利润分配也可能发生变化。过去供给紧张时，GPU、存储和光通信企业拥有较强议价能力。未来，随着供给改善和竞争加剧，部分利润可能向云服务和AI应用迁移。
这不是说硬件企业失去价值，而是说：AI产业链的增长，不代表产业链每一个环节都能永久享受同样的利润率。
------
03｜华尔街开始担心的，不是AI有没有需求，而是谁来为这场建设买单
如果说中国市场首先体现出的是估值和资金结构的调整，那么美国市场正在暴露出另一个更直接的问题：AI基础设施的投资规模，已经开始改变大型科技公司的现金流结构和融资方式。
1. 美国银行首席经济学家：所有企业都想成为赢家，但不可能所有企业都是赢家
美国银行全球首席经济学家Claudio Irigoyen在10月27日接受采访时提出了一个很有代表性的判断。AI产业具有明显的规模竞争特征——能源、芯片、云计算和模型企业，都希望通过扩大投资获得市场份额。对单个企业而言，不扩张可能意味着失去未来市场。因此，即使投资回报尚未完全兑现，继续建设也可能是理性的。但如果所有企业都这样思考，就会产生一个问题：每家企业都在为未来需求扩产，最终的市场需求是否足以消化所有新增产能？
他认为，未来需要区分两种完全不同的情况：一种是部分企业退出竞争，行业资源向更强的企业集中。另一种是整个AI产业的最终需求低于预期。前者意味着竞争格局重新洗牌，后者则意味着整个产业链需要重新定价。两者不能混为一谈。
2. 摩根大通：AI资本开支正在进入一个新的融资阶段
摩根大通2026年10月发布的AI资本开支研究，预计全球AI资本开支在2026年约为9000亿美元，到2030年累计可能达到5.5万亿美元。这是一个极其庞大的数字。
但更值得关注的不是投资总额，而是资金来源正在发生变化。
早期大型科技企业主要依靠自身经营现金流支持AI建设。现在，债券、股权融资、合资企业和特殊目的公司融资，开始承担越来越重要的作用。
这并不意味着大型科技企业已经没有钱，恰恰相反，微软、谷歌和亚马逊等企业仍然拥有巨大的经营现金流。真正的变化是：AI基础设施建设的规模，已经大到需要整个资本市场共同参与。
3. 穆迪：真正需要警惕的是2027—2029年的债务再融资
10月27日，路透社报道了穆迪对AI基础设施融资风险的研究。
穆迪预计，五家美国大型科技企业加上CoreWeave，2027年资本开支可能接近1万亿美元。这些投资将通过经营现金流、债务、合资企业和特殊目的公司等方式共同融资。
穆迪特别提醒，2027—2029年将有一批贷款进入到期和再融资阶段。其中一个值得关注的融资安排是PIK。
PIK允许借款人暂时不以现金支付利息，而是将利息计入债务本金。这可以缓解短期现金压力，但也意味着债务规模可能继续扩大。
穆迪还关注一种可能的循环融资结构：芯片企业投资AI公司，AI公司向云服务商购买算力，云服务商再向芯片企业采购设备。这种结构在需求持续增长时，可以加速整个产业发展。但如果最终需求放缓，几方可能同时受到影响。
这不是说产业链之间的正常合作本身有问题，而是提醒投资者：需要识别真正由外部客户需求支撑的收入，以及依赖产业内部融资和采购循环形成的收入。
4. CoreWeave：资本效率问题已经出现了真实的压力测试
CoreWeave是理解这一轮AI基础设施融资风险的一个典型案例——它通过借款购买GPU、建设数据中心，再将算力出租给大型客户。这种商业模式的特点是：先投入大量资本，后等待客户收入逐步兑现。
根据路透社报道，CoreWeave债务规模约500亿美元，部分债券收益率一度上升至15%—16%，信用违约保护成本也曾达到较高水平。这意味着，债券市场开始要求这类高杠杆AI基础设施企业支付更高的风险补偿。
但必须强调，CoreWeave不能代表微软、谷歌、英伟达，更不能代表整个美国AI产业。它代表的是产业链中一个更脆弱的融资层级：没有大型成熟业务提供足够的现金流，却必须先承担巨额设备和数据中心投入。
如果融资成本持续上升，而客户需求或算力租赁价格不及预期，这种模式就会承受很大压力。
------
04｜真正让华尔街警觉的数字：五家科技巨头的自由现金流转负了
10月30日，路透社对微软、Alphabet、亚马逊、Meta和甲骨文五家公司进行了统计。2026年的前九个月：
这组数据值得认真看。五家企业的经营现金流实际上增长了29%，达到创纪录水平。问题在于，资本开支增长得更快，已经超过经营现金流。于是，自由现金流从上年同期的正1435亿美元，转为负140亿美元。
与此同时，五家公司前九个月的股票回购金额同比下降83%，降至136亿美元。这意味着什么？过去，大型科技企业赚到的钱，可以同时用于研发、扩产、股票回购、股息和收购。现在，越来越多现金需要优先投入AI基础设施。
这并不代表这些公司经营出了问题。购买设备时，现金先流出；设备投入使用以后，才逐步产生收入。资本开支与经营利润之间天然存在时间差。
但投资者需要开始计算另一笔账：这些数据中心建成之后，能否产生足够的收入和利润，覆盖折旧、电力、维护、融资成本和后续升级投入？
经营现金流创造能力，已经不能单独代表一家AI公司的资本实力；还必须看它在完成下一轮建设之后，能够留下多少现金。这可能是本轮美国科技股调整中最重要的财务线索之一。
------
05｜利率为什么突然成为AI产业的共同变量？
10月28日，美联储将基准利率维持在3.75%—4.00%。会议中有委员支持立即加息，表明美国货币政策并没有明确转向宽松。同期，美国10年期国债收益率一度达到约5.04%。
对于AI产业而言，利率通过两条路径产生影响。
第一条，是直接提高融资成本。
建设数据中心需要数十亿美元，依靠债券或贷款融资的企业，必须承担更高的利息。尤其是尚未形成稳定现金流的算力租赁公司，利率变化可能直接影响项目回报。
第二条，是改变未来利润的估值。
股票估值不仅取决于未来能够赚多少钱，还取决于投资者要求多少回报。当资金成本上升，未来利润折算到今天的价值就可能下降。这对于利润主要来自未来、当前估值又较高的成长型企业尤其明显。因此，即使企业的盈利预测没有变化，市场也可能降低愿意支付的PE倍数。
不过，美债收益率并不完全由AI决定，美国财政赤字、能源价格、通胀预期和地缘风险，同样在发挥作用。Gourinchas在外滩年会提出的一个观点，恰好把这些问题连接起来：AI投资需求、财政压力和能源冲击，可能共同改变全球资金成本。
AI已经不再只是被利率影响的一个行业。它的投资规模，也正在成为影响资本市场的一股力量。
------
06｜中国和美国的AI建设，为什么可能走出不同的资本周期？
这可能是理解未来六个月中国科技股的重要问题。Rhodium Group在2026年9月发布的《中国AI融资研究》，对中美AI基础设施投资和资金来源进行了比较。
按照该研究的估算：
这些是研究机构估算，并非两国统一口径的官方统计。但它说明，中美AI基础设施投资规模仍存在明显差距。
真正重要的是，两国的资金来源和风险传导方式不同。
美国：资本市场决定投资能否持续扩大
美国主要依靠大型科技企业经营现金流、公司债券、股权融资、私人信贷和合资项目共同推进AI建设。这种模式的优势，是资本市场能够较快识别项目回报，调整资金流向。
但它的另一面也很明显：当利率上升、投资回报低于预期时，融资条件可能迅速收紧。对于没有稳定客户、依赖借款扩张的数据中心运营商而言，这种风险尤其突出。
中国：政府、银行、国有企业和市场资本共同推动
中国的AI基础设施建设具有不同的资金结构。政府引导基金、国有企业、银行信贷、产业资本和上市公司自身资金，共同参与其中。
Rhodium对13家中国上市企业的研究显示，截至2026年8月21日，中国AI领域已宣布的股权投资达到2820亿元人民币，其中政府引导基金和政府投资平台的直接投资约占25%。在AI芯片和服务器领域，这类政府资金所占比例更高。
此外，中国移动、中国电信和中国联通等大型通信企业，也拥有与美国独立算力运营商不同的经营和融资结构。这意味着中国战略性AI基础设施项目，可能拥有更长的投资周期和不同的资金承受能力。
但有一个问题不能忽略：政府可以提供资金，却不能替代真实商业需求。如果数据中心利用率不足、客户付费能力不够、项目长期无法产生合理回报，资金来源不同并不会改变经济规律。
Rhodium的研究也指出，中国阿里巴巴、腾讯和百度三家大型互联网企业2026年上半年自由现金流合计已经转为负160亿元人民币。另外，融资租赁在部分算力中心建设中占有较高比例，研究还披露了GPU售后回租扩张后出现的局部风险事件。
这说明中国AI建设同样面临资本效率和融资风险问题。我的判断是：
美国AI产业的压力，更直接地体现在资本市场融资成本和债务再融资上。
中国AI产业的压力，则可能更多体现为项目投资效率、资金使用效率、商业化能力以及股权融资环境。
两种模式都能支持AI产业发展，但都不能绕过最终回报这一关。
------
07｜AI产业可能出现的三种演进路径？
综合经济学家、投行、信用评级机构和产业研究者的观点放在一起，接下去的全球AI产业值得重点观察三种情景。
情景一：资本效率成为新的竞争标准，但AI投资继续增长（这是竺火目前个人倾向上发展概率最大的情景）
大型科技企业的云业务仍然增长，企业AI需求仍在扩大，基础设施投资不会突然停止。但投资决策将更加严格，可能出现：
微软、谷歌、亚马逊继续投资，但更加重视项目回报。
部分数据中心项目延后或重新安排建设节奏。
GPU、存储、光通信仍有需求，但企业之间的估值差异扩大。
算力租赁企业的融资能力出现分化。
AI应用、推理优化和企业软件获得更多资本关注。
在这个情景下，AI产业没有衰退，而是从追求规模转向同时追求规模与效率。
情景二：AI应用加速商业化，资本重新扩大投入
如果未来六个月出现以下变化：
大型科技企业AI收入继续超预期。
企业客户开始大规模购买AI服务。
AI智能体进入更多核心业务流程。
模型推理成本持续下降。
企业生产率提升开始反映在财务报表中。
美国通胀下降，资金成本回落。
那么，市场可能重新相信巨额AI资本开支能够获得足够回报。届时，资本市场可能再次扩大对AI基础设施的支持。
企业的技术壁垒、客户关系和现金流能力，将决定谁能真正获得新的估值溢价。
情景三：AI资本开支下降20%—30%，产业链出现压力传导（这是竺火目前个人倾向上发展概率最小的情景，毕竟AI是一次全社会影响深远的大革命，不大可能在刚开始发展时就面临人为的夭折）
为避免挨打，这个情景需要先申明，这是需进行压力测试的风险情景，不是目前已经发生的事实哦。
按照摩根大通估计的2026年9000亿美元AI资本开支计算，如果投资下降20%—30%，意味着一年减少1800亿—2700亿美元投入。
可能出现：
大型云计算企业减少新增数据中心订单。
GPU、存储、光模块和服务器订单增速下降。
数据中心利用率不及预期。
算力租赁价格下跌。
高杠杆企业的偿债和再融资压力增加。
私人信贷和债券市场进一步收紧。
AI产业链盈利预测与估值同时下调。
如果持续时间较长，还可能通过财富效应和企业投资收缩影响宏观经济。但必须强调：目前大型云计算企业仍然有真实需求和强劲订单储备。不能因为股价下跌，就推断它们会削减同等幅度的资本开支。
20%—30%的下降，只是一个压力测试假设，并非主流的预测。
------
08｜接下来真正值得跟踪的，不是股价，而是这八组数据
在未来的六个月，我认为有八组指标比单日涨跌更值得关注。
其中最后一项，可能决定整个AI产业未来的利润分配。
如果Token消耗持续增长，推理成本不断下降，企业客户付费也同步增加，那么AI商业化正在进入更健康的阶段。
但如果模型调用量增长很快，收入却无法覆盖算力、研发、销售和服务成本，那么用户增长就不一定能转化为企业价值。
AI使用量，不等于AI商业价值；AI商业收入，也不等于最终利润。这三者之间的距离，正在成为资本市场的新考题。
------
08｜真正的转折：AI竞争开始从谁拥有技术，走向谁能把技术变成经济价值
把中美经济学界、华尔街投资机构、信用评级机构和产业研究者的观点放在一起，我认为可以得到五个结论。
第一，AI技术竞赛没有结束，但技术领先已经不足以单独支撑企业估值。
模型能力、算力规模、芯片性能仍然重要。但市场开始要求企业进一步证明，技术能够转化为收入、利润和现金流。
第二，AI基础设施投资正在进入更复杂的资本结构。
经营现金流之外，债券、私人信贷、合资企业和特殊目的公司融资，正在发挥更大作用。这扩大了产业的融资能力，也增加了它与金融市场之间的联系。
第三，美国AI产业的风险，开始从单纯的资本开支问题延伸到债务和再融资问题。
大型科技企业拥有较强的财务缓冲，但产业链中依赖外部融资的算力运营商，需要接受更严格的信用检验。
第四，中国AI产业拥有不同的资金支持结构，但不能因此忽略资本回报。
政府引导资金和国有企业可以支持长期战略性投资，但项目利用率、客户付费能力和企业现金流，最终仍然决定商业可持续性。
第五，未来全球AI产业的竞争将更加分化。
拥有技术、客户、生态和成本优势的企业，可能继续扩大市场份额；依赖高估值、持续融资和远期需求预期的企业，则可能面临更大的压力。
所以，我不认为我们已经进入了一个AI技术竞赛结束、资本效率竞赛全面取代技术竞赛的时代。
更准确的说法是：AI产业已经进入技术能力与资本效率双重竞争的阶段。技术决定企业能创造什么，资本效率决定企业能否持续创造。
竺火观察｜资本开始追问，AI究竟能为世界创造多少价值
我们可能正在见证一场持续数十年的技术革命，但技术革命从来不意味着参与其中的每一家企业都能获得成功。
蒸汽机改变了工业生产，电力改变了人类生活，互联网重构了商业世界。每一次技术革命，都经历过资本热情、基础设施扩张、商业模式探索，也经历过企业淘汰和投资回报的重新分配。
今天的AI也一样。
过去几年，资本市场愿意为一个技术愿景支付很高的价格。只要企业拥有更强的模型、更大的算力集群、更先进的芯片，市场就愿意提前相信它可能拥有未来。
现在，问题开始改变。当一座数据中心建成之后，谁来持续使用它？当一块GPU交付之后，它能为客户创造多少价值？当模型能够完成越来越复杂的工作，企业是否真的因此减少了成本、增加了收入？当AI替代一部分劳动之后，整个社会又能否形成新的购买力和需求？
这些问题，最终都会回到资本回报。我尤想强调一个区别：
AI的社会价值，可能远远大于某一家AI公司的商业价值；AI的产业增长，也不意味着所有AI产业链企业都能获得同等的投资回报。
这正是我们需要同时研究技术、产业和资本的原因。
接下来的AI竞争，不只是看谁能造出最强的模型、最先进的芯片。还要看谁能用更少的资本，创造更多的智能；谁能用更低的成本，让更多企业真正使用AI；谁能把一次技术突破，变成长期可持续的生产力。
AI革命没有结束。只是资本市场已经不再满足于听企业讲述未来，而是开始要求它们证明未来值得今天的投入。
-- AI人工智能时代并不是突然到来的，它就发生在今天以及我们正在经历的每一天 --
