決定 AI 牛市的關鍵變量是什麼？

撰文：趙穎

來源：華爾街見聞

油價站在 100 美元 / 桶上方，霍爾木茲海峽尚未恢復正常開放，通脹和利率壓力重新抬頭，美聯儲降息預期變得更脆弱。按傳統宏觀框架，這不是高估值科技股最舒服的環境。但美股創出新高，AI 鏈條繼續被資金追逐。

國金證券宏觀分析師宋雪濤在 5 月 25 日的研報中指出：「當前 AI 行情處於理性狂熱階段，泡沫已現但並未失控。」這句話的關鍵不在「泡沫」，而在「理性」狂熱：Agentic AI 從輔助工具走向自主執行工具，讓市場第一次更清楚地看到 AI 從「燒錢」到「賺錢」的商業閉環。

理性的一面，是 Agent 應用擴散帶來了 Token 消耗、推理算力需求和頭部廠商 ARR 的快速增長；狂熱的一面，是估值已經提前吃掉了 2027—2028 年的增長預期。截至 5 月 20 日，美股七巨頭前瞻市盈率約 35 倍，標普 500 剩餘 493 家公司約 25 倍。這個溢價隱含的不是普通成長股邏輯，而是 AI 滲透速度要達到過去技術革命的 5 到 8 倍。

但真正決定 AI 牛市能否延續的，不是單一季度的業績，也不是某一個爆款應用，而是三個變量：短期看流動性衝擊，尤其是油價、通脹、利率和日元套息交易平倉；中期看產業兌現度，AI 滲透速度能否匹配當前估值；長期看能源、電網、就業、社會阻力和硬件技術突變這些更硬的約束。

Agent 從「副駕」變「主駕」，市場開始獎勵資本開支

過去一輪 AI 交易裡，市場最擔心的是巨頭花錢太快：數據中心、GPU、雲基礎設施投入巨大，但收入回收路徑不夠清楚。Agentic AI 的變化在於，它不再只是 Copilot 式輔助工具，而是向 Autopilot 式自主執行工具演進。

這帶來了兩個結果。

第一，Token 消耗量重新加速。GPT 出現後的第一輪需求來自模型能力提升，Agent 落地後的第二輪需求來自推理算力爆發。自主執行任務意味著更長上下文、更復雜步驟、更頻繁調用模型，推理不再是訓練之後的邊角料，而變成持續消耗算力的主戰場。

第二，收入預期被上修。Openclaw、Claude Cowork 等代表性 Agent 應用擴散後，模型廠商年度經常性收入同步快速增長。素材中引用的年中測算顯示，Anthropic 全年 ARR 預期已從年初 90 億美元上調至 440 億美元，平均每六週翻一番，若趨勢延續，明年 ARR 有望超過 3000 億美元。

這解釋了為什麼市場不再簡單懲罰 Capex。只要收入增速足夠快，資本開支就從負擔變成護城河。英偉達、博通，以及光模塊、存儲等硬件鏈條因此重新獲得支撐。

油價 100 美元以上，AI 資產為何還能漲？

這輪 AI 資產逆油價上漲，不是因為宏觀風險消失，而是有幾股力量暫時壓過了風險。

首先是產業鏈需求擴散。推理階段不只需要 GPU，CPU、光模塊、存儲也被拉進高景氣邏輯。800G/1.6T 光模塊緊俏，高端存儲需求上升。Light Counting 預測，2026 年 800G 收發器出貨量將翻一番以上，1.6T 端口出貨量將從 2025 年的較小基數增長至數千萬個，2026 年 1.6T 芯片組銷售額將超過 20 億美元，並在未來三年保持高增速。

其次是科技巨頭業績太強。一季度標普 500 EPS 增速約 27.1%，創 2021 年四季度以來新高，其中 Meta、Alphabet 和亞馬遜三家公司貢獻了指數盈利增量的 70%。只要這些權重公司繼續賺錢，油價衝擊對指數的壓制就會被推後。

第三是美國增長對 AI 基建的依賴提高。過去幾個季度，美國 GDP 增長中 AI 基建投資貢獻超過一半。非農、零售等總量數據尚可，雖然就業結構已經分化，但總量沒明顯轉弱前，市場很難立刻切到滯脹交易。

還有一個更直接的因素：大型科技公司對油價不如航空、快遞、鐵路、化工、汽車、旅遊等行業敏感。它們更怕電價，而不是油價。傳統實體經濟受油價擠壓時，資金反而更容易抱團到 AI 資產裡，把「避險」交易和成長交易揉在一起。

估值已經把 2027—2028 年的好日子先吃掉

AI 行情的危險，不在於沒有產業支撐，而在於市場定價太快。

美股七巨頭 35 倍前瞻市盈率，標普 500 剩餘 493 家公司 25 倍。這個估值差背後，隱含的是一套非常順滑的未來：未來 3 到 5 年 AI 基礎設施繼續擴張，算力、雲、數據中心、半導體需求保持高景氣；AI 持續滲透廣告、搜索、雲服務、辦公軟件、代碼生成、金融風控、客服、投研、內容等場景；收入貢獻和效率提升同時兌現。

但技術革命很少這麼順。電力從發明到大規模應用流水線用了約 40 年，計算機用了約 25 年。現在 AI 被市場定價的擴散速度，等於要求它比這些通用技術快 5 到 8 倍。

這不是不可能，但容錯空間很薄。只要 AI 應用商業化慢於資本開支，推理需求接不上訓練需求，或者折舊和電力成本開始侵蝕利潤率，估值就會先反應。產業方向正確，並不等於股票價格可以無限提前。

短期最大風險：利率跑得比 ARR 更快

短期真正的壓力來自流動性。

如果霍爾木茲海峽長期不開放，油價維持在 100 美元以上甚至繼續上行，通脹會從能源價格擴散到服務業、運輸和原材料。4 月美國 PPI 同比已升至 9.8%，為 2022 年 10 月以來新高。通脹一旦固化，美聯儲的政策路徑就會被迫重寫。

掉期市場已經定價美聯儲今年加息 0.8 次，歐央行、英國央行甚至加息 2 次以上。與此同時，美聯儲換屆帶來的政策獨立性質疑、FOMC 內部分歧增加，也在削弱市場對未來寬鬆的信心。

日本也是一隻灰犀牛。日本長期是全球槓桿交易的融資池，但日元貶值和通脹壓力迫使日本央行釋放緊縮信號，30 年期日債收益率已上行至 4% 以上。如果日本融資成本繼續上升，引發全球套息交易平倉，高估值 AI 資產很難獨善其身。

5 月 15 日已經出現過一次預演：10 年期美債收益率突破 4.5%，30 年期突破 5%，高擁擠度動量交易降溫，費城半導體指數單日下跌約 4%，納指跌約 1.5%。這不是趨勢逆轉的證據，但說明擁擠交易對利率極其敏感。

短期最關鍵的比較很簡單：ARR( 年度經常性收入 ) 上修速度能不能快過利率上行速度。如果不能，資金可能先縮到確定性更高的硬件環節；如果流動性繼續惡化，而 AI 收入預期又無法繼續上修，估值壓力會明顯放大。

中長期更難的問題：組織、電力、就業和硬件路線

中期考驗是產業兌現。通用技術革命通常不是直線上升，而是「先加速、再減速、再加速」。先有資本浪潮，再有組織磨合，最後才是生產率釋放。互聯網早期也經歷過投資熱潮、資本開支擴張和資產泡沫，真正的生產率改善是多年後才逐步顯現。

現在 AI 定價的難點在於，它幾乎要求企業組織架構快速適配、勞動者快速再訓練、商業模式快速跑通、社會層面不出現強牴觸。這種速度在人類歷史上並不常見。

長期約束更硬。

第一是能源和基礎設施。AI 數據中心需要大量電力和冷卻水，電網擴容、變壓器、儲能都不是 PPT 裡的變量，而是真實瓶頸。若 AI 基建持續推高全社會電力成本，監管和社會反彈會升溫。

第二是就業和消費。AI 短期能提升企業效率，減少工程師、客服等崗位需求；但如果技術性失業快於新崗位創造，居民消費能力會被削弱。B 端效率提升最終仍要靠 C 端購買力變現，非 AI 部門若陷入衰退，AI 也很難長期一枝獨秀。

第三是社會接受度。中國年初出現過全民裝 Openclaw 的熱度，但美國民眾對數據中心推高電價、技術性失業的牴觸情緒正在升溫。這會影響 AI 滲透速度。

第四是硬件技術突變。如果出現類似「DeepSeek 時刻」的工程突破，算力、存儲、傳輸效率大幅提升，那麼今天最緊缺的硬件環節，可能突然變成過剩。硬件鏈條的高景氣邏輯並非不可顛覆。

AI 產業長期前景仍然樂觀。若不考慮技術性失業和生產關係重構帶來的社會矛盾，AI 確實有機會提升全要素生產率，幫助經濟擺脫滯脹壓力。即便金融市場中途去槓桿，留下的數據中心、低成本技術和已驗證應用場景，也可能成為下一輪產業擴張的基礎。

但股票定價不是產業願景本身。這輪 AI 牛市最需要驗證的，是市場當前押注的 ARR、ROI 和技術滲透速度，能否在油價、通脹、利率和社會約束都變硬的環境下繼續兌現。方向正確，只能解釋為什麼有牛市；兌現速度，才決定泡沫會不會失控。