社区

过去三年，全球科技股最重要的一条投资逻辑非常简单：

模型越强

→ 算力需求越大

→ GPU越多

→ 数据中心越多

→ 云厂商Capex越高

→ AI产业链继续扩张。

整个AI牛市，其实建立在一个非常重要的隐含假设上：

前沿模型能力会以极快速度持续推进，而且这种推进几乎没有人为刹车。

但这个周末，这个假设第一次受到来自行业内部的正面挑战。

Anthropic CEO Dario Amodei公开提出，AI公司应该放慢前沿模型能力提升的节奏，并通过独立评估机构、头部AI实验室协调以及国际层面的合作，为安全治理争取更多时间。

更值得市场注意的是：

这并不是Anthropic一家公司的观点。

OpenAI CEO Sam Altman以及xAI负责人Elon Musk随后都表示认同这一方向。

Altman甚至明确表示，OpenAI不会在2026年推进IPO，并称公司近期一直在讨论如何控制前沿能力推进的节奏。

这件事为什么会迅速冲击资本市场？

因为华尔街过去给AI产业链的估值，并不仅仅是在给“人工智能”本身定价。

它是在给：

持续高速的算力军备竞赛

定价。

这两者其实不是一回事。

如果AI仍然快速普及，但最先进模型的训练节奏开始受到限制，那么AI依然可以长期改变世界，但过去最受益的那批资产，不一定还能按照同样速度增长。

这就是这次市场真正需要重新思考的地方。

亚洲市场已经率先做出了反应。

纳指期货一度下跌约1.3%，软银盘中最多跌13.2%，Kioxia一度跌近10%，SK海力士跌超5%，三星跌近4%，TSMC也出现下跌。欧洲方面，科技指数承压，ASML、英飞凌等半导体设备股明显走弱。

但我认为，简单把它理解成：

“AI泡沫破了”

同样过于粗暴。

真正值得投资者分析的，是AI产业内部可能出现一次非常重要的因子分化。

第一类，是Frontier Training Beta——前沿训练Beta。

GPU、HBM、先进制程、光模块、数据中心设备、电力基础设施过去最大的估值驱动力之一，就是每一代模型训练规模不断扩大。

如果头部实验室真的主动拉长模型迭代周期，那么市场首先会重新审视：

训练集群增长速度还能不能维持？

GPU采购增速会不会下降？

HBM扩产是否过快？

数据中心建设计划是否需要重新排期？

过去市场习惯问的是：

“今年Capex还能上调多少？”

未来可能开始问：

“这些Capex多久能够产生现金流？”

这是完全不同的估值方式。

2026年Amazon、Microsoft、Alphabet和Meta等大型科技公司用于AI基础设施的投资规模预计达到约6300亿美元，而整个行业相关支出可能达到约8110亿美元。如此庞大的资本投入，本质上要求未来AI收入和利润持续高速增长，否则资本回报率就会开始下降。

第二类，是Inference Beta——推理端Beta。

如果前沿训练节奏放慢，不等于AI需求消失。

反而可能意味着行业进入下一个阶段：

从“谁训练出最大模型”，转向“谁能把现有模型真正卖出去”。

企业AI Agent、搜索、广告、办公软件、代码生成、客服、医疗、金融、机器人，都属于商业化阶段。

所以未来AI交易可能从：

Training

向：

Inference + Application

迁移。

这也是为什么我不会简单把这次事件定义成“AI牛市结束”。

更准确的说法可能是：

AI投资逻辑进入第二阶段。

第三类，是以前市场几乎没有给高估值的：

AI Safety / Cybersecurity / Evaluation。

如果第三方评估、模型监控、Agent行为审计、网络安全逐渐成为AI基础设施的强制组成部分，这些环节本身就可能成为新的产业链。

Anthropic此前披露的威胁情报报告显示，其模型已经被不同主体用于武器开发、网络攻击、监控和欺诈等活动，这也是此次行业讨论突然升级的重要背景。

所以资本不是一定离开AI。

资本可能只是从：

“更多算力”

重新分配到：

“更高效率、更强安全、更快商业化”。

如果从量化投资角度，我现在最想观察的不是英伟达某一天跌几个点，而是四组相对强弱：

Semiconductor / Software

Training Infrastructure / AI Applications

AI Capex Basket / Free-Cash-Flow Basket

AI Leaders / Equal-weight AI Basket

如果芯片、HBM、设备持续跑输应用软件，而AI应用、网络安全、数据治理相对走强，那么这就不再是一天的消息冲击。

而是一次真正的：

AI Factor Rotation。

第二个值得看的指标是：

Capex / AI Revenue。

过去投资者接受科技公司疯狂投入，是因为相信今天投入1美元，未来能够产生更高增长。

但Reuters此前根据LSEG一致预期测算，到2027年几家主要Hyperscaler的资本开支合计甚至可能超过自由现金流；2025—2027年每增加1美元经营现金流，对应新增资本开支约1.57美元。

这意味着下一阶段AI公司真正需要证明的已经不是：

“我们还可以花多少钱。”

而是：

“花出去的钱，到底产生多少利润？”

所以真正需要重新定价的，可能不是人工智能本身。

而是过去两年资本市场对AI形成的一条线性假设：

模型指数级进步

= 算力指数级增长

= Capex指数级增长

= AI股票可以一直享受估值溢价。

现在这条等式第一次被打上问号。

我的判断是：

AI长期趋势没有因为一篇文章消失。

但AI股票未来的Alpha，会越来越少来自一个简单的标签：

“我是AI公司。”

而越来越来自三个硬指标：

收入兑现、资本效率、自由现金流。

如果说2023—2025年市场交易的是：

AI有没有可能改变世界？

那么2026年之后，市场开始交易的可能是：

谁能真正从AI里面赚钱？

这才是这次“AI集体踩刹车”对资本市场最重要的意义。

风险提示：本文仅讨论行业及市场定价逻辑，不构成任何投资建议。AI安全政策、企业Capex及模型开发节奏均存在较大不确定性。