夜雨聆风序言
全球资本市场正在经历一次罕见的"软→硬"大迁移。高盛最新周度复盘揭示：对冲基金和公募基金正在系统性撤离软件股，大举转向半导体硬件和AI基础设施。这不是资金退出AI，而是资金在退出"难以兑现的AI叙事"，涌向"正在产生真实订单的AI基础设施"。
标志性信号已经出现，桥水基金一季度最大规模新建仓给了台积电（买入市值3.64亿美元），同时大规模清仓Salesforce（减逾193万股，市值缩减约5.12亿美元，该股同期下跌约30%）、Workday（减逾96.5万股，同期跌约40%）、ServiceNow（减逾133.8万股，同期跌约32%）等企业软件股。桥水整体持仓从上一季度的165亿美元回升至179亿美元，展开了自疫情以来最剧烈的调仓行动：新进87个标的、清仓85个、减持385个，集中度与方向性均远超前几个季度。
与此同时，对冲基金半导体仓位处于历史最高水平，软件仓位降至2019年以来最低。高盛数据显示，2026年2月当周，软件股占信息技术板块净抛售总额约75%，净持仓降至2.6%，多空比1.3，均刷新历史最低纪录。这不是一次普通调仓，而是全球机构在AI链条上的系统性重定价。
一、为什么软件被抛弃？
软件公司正面临"成本前置、收入滞后"的双重挤压。一方面，AI功能的开发大幅推高了算力和研发成本；另一方面，企业客户尚未形成大规模为AI功能单独付费的习惯，商业模式兑现路径仍然模糊。市场不再愿意为"有望增长的ARR"支付远期溢价，而是要看到当季的现金流。
这种定价坐标系的迁移，在高盛的最新研判中得到了印证。高盛2026年5月初的分析指出，AI已成为"最强防御股"，市场资金大规模重新流入超大型云端服务商及AI类股，因为投资人普遍认为，这个题材相比其他行业，更能够承受经济下行压力。这意味着AI正从"进攻性成长主题"进化为"防御性核心资产"，定价逻辑的切换比预期来得更快。
相比之下，半导体硬件链企业不是在等待AI改变自己的商业模式，而是在直接承接AI的资本开支洪流：
台积电：吃先进制程和CoWoS——无论英伟达、AMD还是各家ASIC芯片，订单最终大多流向其产线，被视为"AI芯片战局的终极收割者"；
美光：吃HBM和内存涨价——2026年全年HBM产能已通过不可取消的长期协议全部锁定，供应紧缺至少维持到2027年；
博通：吃ASIC定制芯片和网络芯片，受益于云厂商自研芯片趋势。
订单确定、产能清晰、交付周期可预期——当市场要求的折现率上升时，这些"手里有订单"的资产天然地获得了定价优势。
定价坐标系的迁移： 市场正在用"现金流折现"替代"远期ARR折现"，用"手里有什么订单"替代"未来可能有什么前景"。这是一次深刻的资本成本重估。
二、AI兑现的三大鸿沟
资本之所以从软件叙事转向硬件订单，深层原因在于AI从概念到产出的路径上，横亘着三道短期内难以跨越的鸿沟。
2.1 投入-回报的巨大剪刀差
AI领域的资本狂潮正在以前所未有的规模展开，但其转化为真实回报的前景仍然高度不确定。摩根士丹利最新研报指出，五大超大规模云服务商（谷歌、微软、亚马逊、Meta、甲骨文）2026年资本开支预计高达约8000亿美元，2027年将进一步升至约1.16万亿美元。这意味着AI基础设施投资正在迈入"万亿美元时代"。
更激进的预测来自英伟达CEO黄仁勋。他在2026年5月20日的财报电话会上表示，超大规模云厂商的AI资本开支目前已达每年1万亿美元，接下来将增长到3至4万亿美元，预计2030年前达到这一水平。这个数字是华尔街共识预期的近四倍。
然而，投入端的狂飙突进与回报端的冷清形成了鲜明反差。有预测指出，到2030年AI企业的收入将比支撑其算力的预期收入目标少约8000亿美元。95%的生成式AI项目未能产生可衡量的财务回报，仅有5%的公司能从AI中看到可衡量的损益表影响。
Meta的遭遇最为典型。该公司将全年资本开支预算上调至1250亿至1450亿美元，结果市场反应剧烈——股价次日跌9.25%。美国银行预测，仅云厂商今年的债务发行总额就将达到1750亿美元，是过去五年年均水平的六倍。市场正在用股价投票，表达对"烧钱速度远超赚钱速度"的担忧。
2.2 从"试点"到"生产"的漫漫长路
技术上的高期望值在落地到企业真实业务场景时，面临着数据、成本到价值验证的巨大鸿沟。截至2026年初，仅19%的企业实现了AI的规模化生产部署，预计到2026年底将有60%的AI项目被放弃。60%的AI项目失败归因于数据质量不足，76%的企业仍受困于数据碎片化和孤岛问题。
与此同时，根据国际能源署的数据，全球数据中心用电量在2024年约为415TWh，预计到2030年将翻倍至约945TWh。SemiAnalysis的研究进一步显示，覆盖美国东部13个州的PJM电网区域，2026年家庭电费相比"AI数据中心时代之前"已平均上涨约15%。
即便乐观来看，中国企业级AI智能体市场规模2026年预计增至449亿元，到2029年有望突破3320亿元，年复合增长率达107%——但"市场在增长"与"企业在盈利"之间，仍有漫长的距离要走。
2.3 Scaling Law遭遇天花板
AI大模型的"越大越好"逻辑正在遭遇边际收益递减的严峻挑战。参数规模从百亿到千亿时，性能提升幅度已从30%急剧降至5%以下。OpenAI前首席科学家Ilya Sutskever在2024年NeurIPS上公开承认"预训练as we know it will end"，GPT-5级模型相比GPT-3到GPT-4的能力飞跃明显收窄。
然而，"碰壁"并非意味着AI进步停止。NVIDIA在2024年底提出了三条Scaling Law框架——预训练扩展、后训练扩展和推理时扩展——市场只盯着第一条看，而忽略了后两条仍在持续推高算力需求。即便预训练的边际效益递减，推理时扩展（Test-time Scaling）仍可将单次推理的GPU消耗推高100倍。
但更现实的物理瓶颈已经浮现。SemiAnalysis估计，内存成本在云服务商AI支出中的占比已从2023-2024年的约8%飙升至2026年的约30%，HBM短缺正全面冲击供应链。而更深层的约束来自能源端：数据中心从规划到建成仅需2-3年，但配套电网可能需要5-10年才能完成改造。算力的瓶颈已经从硅片延伸到了铜线、变压器和电网。
三、对冲基金与散户的"十年未见背离"
高盛最新报告揭示了一个令人高度警惕的资金结构异象：
对冲基金已连续三周净卖出美股，科技板块去杠杆力度创十年之最。过去一个月内，半导体及半导体设备板块是美国市场净卖出最为集中的子板块；
与此同时，对冲基金对宽基指数及ETF的做空头寸已攀升至十年来最高水平，整体总杠杆率升至近五年新高，但净杠杆率保持相对稳定；
散户和ETF资金却在疯狂涌入——4月美国股票ETF流入1030亿美元，散户看涨期权成交量创2022年以来新高。高盛明确指出，这一格局与当前散户投资者中可见的狂热情绪并不相符；
这种专业机构与散户之间的极端分歧，在历史上已有过惨痛先例：1999年底至2000年3月，对冲基金持续减仓科技股，散户疯狂涌入——最终走向了互联网泡沫破裂。
高盛资深交易员也于2026年5月发出明确风险警示，指出半导体板块内部分歧正在持续扩大，建议投资者做好对冲布局，防范后续出现大幅回调。
但需要特别指出的是，高盛将当前的对冲基金行为定性为投资组合风险管理，而非对AI投资逻辑的信念转变。高盛追踪的科技、媒体和电信AI股票篮子显示，基金对美国AI股票的整体敞口仍接近纪录高位。这不是信仰动摇，而是纪律执行。
四、高盛内部的分歧信号
软件→半导体的迁徙已进入后半程，硬件的内部出现了微妙的分化。
信号一：对冲基金已在半导体"边打边撤"。 高盛大宗经纪部门的数据显示，过去一个月内，半导体及半导体设备板块是美国市场净卖出最为集中的子板块，基金主要通过减少多头仓位来获利了结，而非主动建立新的做空头寸。该板块今年以来已整体转为净卖出状态。此轮获利了结发生在芯片股近乎垂直拉升之后——高盛AI半导体一篮子指数今年以来跑赢标普500指数逾50%。
信号二：高盛内部出现方向性分歧。 高盛半导体分析师已建议客户"做多超大规模云提供商，减持半导体"，认为芯片估值已处于高位。这与桥水等大型机构一季度仍在大举加仓半导体的行为形成了鲜明对照。
信号三：历史周期的三重叠加。 高盛将当前格局概括为三个历史周期的融合——2019年云计算周期（基本面驱动的长周期）+ 1999年集中度（头部挤压效应）+ 2004年资源品资本开支周期（产能扩张的订单逻辑）。这种罕见的历史叠态意味着，本轮AI周期既不会像1999年那样以泡沫破裂收场（因为有真实的资本开支和订单），也不会像2019年云计算那样平稳演进（因为集中度风险更高），而更有可能在长周期中经历多次大幅波动。
五、与已有报告的交叉验证
▸ 摩根大通算力账本 → AI投资回报率门槛6500亿美元→软件难以兑现、硬件直接吃Capex ✅
▸ Token经济报告 → 算力即收入→硬件链企业是Token经济的直接受益者 💎
▸ 摩根士丹利Rubin拆解 → 780万美元的价值向PCB/MLCC/存储扩散→验证了硬件链的景气度 ✅
▸ 存储芯片超级周期 → HBM成本占比从8%→30%→硬件链成本重构的直接体现 ✅
核心趋势
1. AI行情进入第二阶段：从"信仰定价"到"业绩定价"——谁拿到订单、谁成本可控，谁被定价。定价坐标系已从"故事折现"转向"现金流折现"
2. 半导体是当前AI资本开支最直接的受益者——但内部已现分化，对冲基金在整体维持AI敞口的同时，正在对涨幅过大的半导体头寸进行战术性获利了结
3. AI兑现的三重瓶颈——投入回报剪刀差仍在扩大、规模化落地鸿沟难以一步跨越、Scaling Law边际递减叠加物理瓶颈（电力、HBM等）
4. 投资价值最大化的窗口往往是"怀疑中定价"而非"共识中追高"—— 当桥水这样的顶级机构用13F文件宣告了方向，当散户与对冲基金出现十年未见的极端背离，保持独立思考比追随共识更为重要
风险提示
AI资本开支周期拐点——若AI需求增速放缓或宏观经济环境恶化，云厂商可能削减资本开支预算，硬件链估值将面临显著压力
软件的反转可能——若软件公司成功找到AI变现路径（如Agent化产品大规模落地），当前被低估的软件股可能迎来价值重估
地缘政治——出口管制、技术封锁、关税摩擦可能割裂AI产业链，对全球半导体供应链格局产生深远冲击
电力与基础设施瓶颈——数据中心延期或取消的风险正在上升——2026年美国计划中的数据中心有三分之一到一半面临延期。若电力问题无法及时解决，硬件需求可能不及预期
数据来源：高盛周度复盘、高盛FOMC分析、13F披露文件、桥水/高瓴持仓变动、摩根士丹利AI基建研报、英伟达FY2027 Q1财报及电话会、SemiAnalysis、TrendForce、国际能源署《Energy and AI》报告、仓颉知识库。不构成投资建议。
