核心观点
美股当前泡沫水平还有多大：（1）从当前短周期指标来看，美股科技泡沫估值未达极值水平，盈利增长在很大程度上消化了估值扩张，PE的膨胀幅度远小于价格涨幅。（2）股票市场占用的资金已经进入高位区间，超过了2000年互联网泡沫时期。（3）巴菲特指标走势显示，市场总市值上行速度已经过快，进入了风险较大区间。（4）纳斯达克市场Shiller CAPE处于高估区间，但并未进入极端区域。（5）美股当前显著领先德国等其他国家股市，指数比值上涨更多来自盈利溢价。
产业视角：分析当前AI泡沫的相关信号：（1）上游算力硬件与基础设施：当前上游更多是利润兑现，公司资本开支2026年有一定程度上行，营收增速超越Capex增速，整体资本密集度呈下降趋势。收入增长主要由需求与价格驱动，而非资本投入堆砌。（2）中游云平台与模型层：与上游供需关系的非线性断裂风险暂不明显，但存在泡沫隐忧。北美大厂云业务增长率与上游芯片厂商库存增长率存在剪刀差，且剪刀差持续扩大，芯片端的备货速度已系统性快于云端的收入增速，AI产业链中游承担了越来越大的库存和产能风险敞口。资本支出对营收的拉动在减弱，意味着AI的货币化能力当下未及预期。（3）下游应用：当前AI下游应用大多数场景仍处于“试点—局部规模化”之间。主要风险来自价值兑现链条中的多重错配。
美股AI泡沫目前处于什么阶段：美股AI泡沫当前处于局部高估值叠加盈利预期即将见顶、且高度依赖债务融资扩张的复杂阶段，AI产业正处于“狂热阶段的后期”，2027年被视为一个关键的危险节点。（1）宏观层面，随着10年期美债收益率突破5%，AI行业高度依赖债务融资的增长模式正面临严峻压力。（2）估值层面，泡沫已经在过去一年被显著压缩，AI的估值调整是在盈利预期上修的同时完成的，市场并未无视基本面。（3）产业层面，AI科技巨头正在用日益枯竭的自由现金流填补AI的资本开支，而巨大的资金缺口则由发债来填补。杠杆贷款和高收益债规模的指数级攀升，将AI债务风险从科技行业扩散到了整个美国金融系统。2027年将是检验美国AI科技巨头财务健康的关键节点，如果CDS利差和企业债信用利差仍处于高位，美股AI泡沫的破裂将首先从信用市场的违约事件开始。（4）理论层面，当前环境中，AI监管讨论在升温，但尚未形成系统性的制度重构；金融资本仍在主导，债务融资和表外工具仍在扩张。AI处于狂热阶段的后期，但尚未进入转折。
拥抱波动与理性配置策略：在AI狂热后半段与高利率交织的复杂宏观环境下，寻找无惧泡沫、能够穿越周期的企业和资产不仅是防御策略，更是长期获取超额收益的核心。关键在于寻找具备强大自由现金流、无需依赖持续高额的资本开支即可实质性提升ROIC的企业，并布局价值向非模型因素转移的壁垒资产，例如掌握绝对算力或专利的上游硬科技、垄断数据渠道及关键工作流的平台巨头，以及提供高效能源方案的公用事业公司等。
风险提示
美国国内政策力度及效果不及预期风险；加息预期反复的风险；市场情绪不稳定风险。
正文
一、AI泡沫担忧频起
自2022年初以来，全球科技与经济格局发生了根本性变化——这一变化体现在人工智能应用领域前所未有的繁荣景象中，尤其是生成式AI模型，这些技术在科学界、经济学界及媒体界引发了广泛讨论。OpenAI推出的ChatGPT、图像生成平台Midjourney等工具的问世，以及众多其他智能解决方案的涌现，标志着人类与技术之间关系的一个关键转折点。这场技术革命不仅加速了科学研究进程、提升了生产效率，还激发了广泛的经济活动；体现在投资领域表现为人工智能企业投资规模的扩大、市场价值的攀升，各国政府和大型金融机构将该技术视为第四次工业革命主要驱动力而加大投入。2023年1月3日-2026年10月8日，标普500指数和纳斯达克指数分别上涨103%和162%，市场对人工智能股票的定价快速提升。在此背景下，出现了诸多预测，将人工智能视为实现繁荣经济未来的关键，认为其能够重塑价值链、激发创新、降低生产成本并优化资源配置。许多国家已制定国家人工智能战略，将人工智能视为未来经济发展的支柱产业。
然而，这一迅猛增长的背后伴随着预期的严重膨胀，潜在的“AI泡沫”正在形成。这种经济现象的特点是：市场及投资价值相对于技术的实际经济价值出现了不合理的增长。这一现象与 20 世纪 90 年代末至 21 世纪初的互联网泡沫以及 2017 年的加密货币泡沫所呈现的情形极为相似。“AI泡沫”这一说法并不意味着要淡化技术的重要性，相反，若涌入AI领域的巨量资本无法产生足够回报，泡沫可能出现，它反映了在评估新技术的真实潜力与可能引发不可持续投资浪潮的夸大预期之间，需要采取客观、平衡的解读方式。
“经济泡沫”这一概念是金融学与宏观经济分析中的核心概念，它指的是一种资产内在价值与市场价值之间的结构性失衡。当资产价格——无论是股票、房地产、数字货币还是新兴技术——上涨至超出合理范围的水平，且这种上涨无法用利润、生产率或实际需求等基本面因素来解释时，便形成了泡沫。这种价格上涨通常是由过度乐观的未来预期驱动的，而非基于扎实的经济或金融基本面。
对于新兴经济体和发展中国家而言，防范AI泡沫破裂的冲击尤为重要，因为它们的资本市场与实体经济同全球高度关联，一旦泡沫引发全球市场波动，这些国家将不可避免地受到直接或间接的负面溢出影响。若对人工智能领域进行过度投资，一旦出现剧烈回调或泡沫破裂，便可能引发不稳定的经济后果。因此，从全面的经济与技术双重视角来研究这一现象至关重要——即把全球性变革与其在局部地区产生的影响联系起来，并分析那些可能预示着投资泡沫或资产高估的定量与定性指标。这一现象还要求深入理解市场动态、投资者行为、大型企业的战略以及政府政策动向，从而为发展中国家制定战略愿景与建议，使其能够规避任何经济泡沫可能带来的潜在负面影响。
尽管人工智能领域发展迅速，但有迹象表明，当前该领域的经济潜力可能被高估了，这引发了以下疑问：美国是否真的正经历着一场人工智能泡沫？哪些因素可能导致这一泡沫破裂？这对新兴经济体和发展中国家意味着什么？
二、美股当前泡沫水平还有多大
从当前短周期指标来看，美股科技泡沫估值未达极值水平。截至2026年10月8日，标普500和纳斯达克指数估值分别为25.47和33.32，处于2010年以来的75.38%和52.56%分位数水平，以2023年1月3日为基准，2026年10月8日标普500指数和纳斯达克指数为基准的1.28倍和1.17倍，小于区间均值1.34和1.44倍。这意味着在AI驱动的这轮大涨中，盈利增长在很大程度上消化了估值扩张，股价涨了103%和162%，但PE的膨胀幅度远小于价格涨幅。PE是一个短周期指标，而泡沫往往体现在更长期的定价逻辑中。
传统市盈率（PE）看似温和，但更长期、更结构性的估值指标已逼近或超越互联网泡沫时期。从总量金融来看，美股股票市场占用的资金已经进入高位区间，我们用美股股票市值和M2的比值来测定。从数据上来看，美股股票市场总市值与M2的比值已经超过30%，超过了2000年互联网泡沫时期。截至2026年10月8日，美国股票总市值与M2的比值达到31.48%，互联网泡沫时期的最高水平是30%。考虑到美国金融市场的持续深化，M2所代表的资金投放在美国金融体系中的位置有所下滑，但是2023年后这一指标快速上行，侧面也印证了市场的不稳定性。
巴菲特指标走势显示，美股市场总市值上行速度已经过快，进入了风险较大区间。宏观的长期指标测度模型一般包含宏观经济指标，以总量经济和总市值的测度为主，最典型的测量指标是巴菲特指标。巴菲特在2001年12月在《财富》杂志发表文章时首次提出股市总市值与国民生产总值的比例“可能是衡量任何时刻估值水平的最佳单一指标”。这个指标由于简单并且易于理解，是市场用来测度泡沫状态的最常用指标之一。
巴菲特指标在2000年3月和2021年12月上行幅度分别超过了2个标准差，大幅偏离趋势线，随后美股出现剧烈的调整。2025年2季度开始巴菲特指标再次超过趋势线2个标准差，并且幅度已经超过2000年互联网泡沫时期，美股市场进入了风险较大的区间。
Shiller CAPE（周期调整市盈率）主要是价格与10年平均收益相比，更能反映现阶段价格在历史区间来看是否高估。从数据来看，现阶段纳斯达克市场处于高估区间，但并未进入极端区域。从比较来看，2000年纳斯达克席勒市盈率高点在37.7左右，2025年12月席勒市盈率平均在70.9，数据显得较高。综合来看，进入2020年之后，由于新冠疫情和政府债务扩张，席勒市盈率一直处于高位，2021年4月达到81.2。CAPE使用的是过去十年经通胀调整的平均盈利，剔除了单年利润波动，更能反映为每一美元正常化盈利支付的费用。截至2026年10月8日，当前CAPE是76.03，位于2000年以来的94.4%分位数水平。
美股当前显著领先英国、德国等其他国家股市，指数比值处于上涨行情，PE处于平稳或下跌状态，标普500相对于欧洲价值型市场的溢价扩张，更多是盈利溢价而非估值溢价。以富时100为例，截至2026年10月12日，标普500/英国富时100指数的比值为0.74，标普500/英国富时100PE的比值为1.61，相对于2019年年初上涨91.87%和上涨18.03%。以DAX指数为例，截至2026年9月标普500/DAX指数的比值和PE的比值分别为0.29和1.37，相对2019年年初分别增长24.91%和下跌15.7%。标普500 PE比值收缩意味着，美股相对欧股的估值优势在收窄，但价格比值仍在扩大，表明美股成分股的盈利EPS增长显著快于欧股。这恰好与AI产业的实际盈利兑现相呼应，即美国科技巨头的利润增速远高于欧洲传统行业主导的指数。
从纳指100（对应美股科技龙头）/罗素3000（对应美股整体）的市值/营收占比和市值/净资产占比来看，美股科技龙头的高估值，集中在营收定价层面，而非资产层面。截至2026年6月30日，纳指100与罗素3000指数的市值/营收的比值为2.07，为2014年以来的95.9%分位数水平，这一溢价处于2014年以来的历史极端区域。这直接对应AI叙事对营收增长可见性的定价，投资者愿意为科技巨头的收入规模和增速支付高昂倍数，因为AI需求例如云、芯片、模型订阅等提供了清晰的收入跑道。除此之外，纳指100与罗素3000指数的市值/净资产的比值为2.08，为2014年以来的62%分位数水平。这表明科技龙头的市值扩张并未以同等速度脱离其账面资产。如果纯粹是估值泡沫，净资产倍数也应同步冲向极端，但62%分位意味着这一维度尚属正常偏高。原因在于，AI资本开支如数据中心、芯片采购等在推高市值的同时，也增加了资产负债表上的资产。
股权风险溢价是市场普遍衡量股票相对于无风险收益率的相对估值，当前美股市场对盈利兑现的容错率极低，任何盈利不及预期或利率进一步上行，都会直接冲击估值。截至2026年10月8日，从数据上来看，无论是标普500还是纳斯达克指数，其与无风险收益率（美国10年期国债收益率）的ERP均跌入负值，股票性价比进入低位。从风险补偿的角度来看，2023年之后股票虽然仍然在快速上行，但是ERP转负，风险补偿效用逐步降低，黄金这类防御型的资产受到欢迎。当前标普500/标普500信息ERP分别为-1.25%/-2.31%，位于2011年以来的低位水平；纳斯达克/纳斯达克100ERP分别为-2.15%/-1.95%，位于2011年以来的低位水平，当前买入美股相对于持有国债的安全垫已经消失。
三、美股科网定价四阶段深度复盘：如何产生
科网泡沫主流共识开始于1995年前后，对于当前AI泡沫研究而言，复盘科网泡沫的价值在于，一方面，科网泡沫相比全球其他资产泡沫是唯一一个与AI在叙事结构上高度同构的历史样本。科网泡沫和当前AI泡沫均建立在真实技术革命之上，互联网改变了信息传递，AI改变了内容生产与决策效率，且当前AI预期领先业绩的现象也与科网泡沫时期类似，AI+可以获得估值溢价也与科网泡沫时期相似。另一方面，科网泡沫的时间尺度对AI投资者具有直接的参考意义。从1995年网景上市到2000年3月见顶，狂热持续了约五年；从顶峰到2002年触底，出清持续了约两年。当前AI热潮从2023年初算起仅三年多，纳斯达克指数涨幅超过150%，而科网泡沫顶峰前纳斯达克100指数涨幅约为1080%。如果简单类比，当前AI周期在幅度上仍处于早期，但早期并不等于安全，科网泡沫在1995年-1998年期间也曾出现多次20%以上的回调，但真正的泡沫破灭来自最后18个月的加速见顶。
基于对行情特征的分析，我们将科网泡沫分为孕育、爆发、泡沫化、泡沫破裂四个阶段，结合指数涨跌幅和相关标志性事件，我们对每个阶段进行深度复盘。
在第一阶段，1995年至1998年10月，即孕育和蓄势阶段。在这一阶段，纳斯达克100从约500点起步，至1998年10月升至约1500点，涨幅约200%；同期标普500涨幅相对温和。两者差距开始拉大，但尚未进入极端背离。这一阶段的核心是互联网从概念走向商业化。1994年Mosaic浏览器发布，1995年网景上市，标志着互联网开始进入公众视野和资本市场。美联储在1995-1998年间维持相对宽松的利率环境，为科技股提供了充足的流动性。
在第二阶段，1998年10月至1999年10月，即加速和叙事扩散的阶段。在这一阶段，纳斯达克100从约1500点升至约2500点，涨幅约78%，且波动加剧。标普500同期涨幅明显落后，两者比值快速扩大。1998年亚洲金融危机和俄罗斯债务违约后，美联储紧急降息，流动性再度宽松，在此阶段，互联网用户数突破1亿，电子商务、门户网站、B2B概念全面开花。1999年，几乎所有传统企业都开始宣布触网计划。
在第三阶段，1999年10月至2000年3月，即狂热与顶峰的阶段。纳斯达克100从约2500点飙升至2000年3月的约4700点，仅五个月涨幅近90%。标普500几乎原地踏步，两者走势出现极端背离，这是复盘图表中最陡峭的一段，也是泡沫膨胀最纯粹的形态。美联储从1999年6月开始加息，但市场完全无视。1999年末至2000年初，纳斯达克日均成交量创历史新高，散户通过在线券商大量涌入，保证金债务达到峰值。2000年1月，美国在线宣布收购时代华纳，成为新经济吞并旧经济的象征性事件。
在第四阶段，2000年3月-2002年10月，即出清与回归的阶段。纳斯达克100从约4700点跌至2002年10月的约800点，最大跌幅约83%。标普500同期跌幅约50%。这一阶段纳斯达克指数几乎回吐了第二阶段以来的全部超额涨幅，大致回归至1998年水平。这一阶段的核心是预期清算，市场发现，互联网用户的增长并未自动转化为利润，许多商业模式的单位经济模型并不成立。估值从市梦率回归到现金流贴现。但值得注意的是，泡沫破裂并未否定技术革命本身，互联网渗透率在2000-2002年间仍在上升，亚马逊、谷歌等公司在此后崛起。出清的是资本，不是技术。
（一）美股科网泡沫第一阶段（1995年1月至1998年10月）
这一阶段，美股信息技术板块的一枝独秀。信息技术板块累计收益率为超过210%，医疗保健约210%紧随其后，金融约150%，而同期材料、公用事业等传统板块收益率不足70%。信息技术板块相对美股总体的超额收益极为显著。
这一分化的背后是盈利实绩的支撑。这一阶段并非炒概念，思科、英特尔、微软等卖铲子的公司盈利真实增长，互联网用户数呈指数级扩张，企业开始实际采购网络设备、服务器和软件。信息技术板块的上涨有基本面锚点，这是它与第三阶段无盈利公司大幅上涨的本质区别。医疗保健的同步强势则与当时的医保改革预期和生物技术突破有关，但信息技术才是这一阶段的核心叙事。
宏观层面来看，信息技术产业占GDP比重持续攀升，互联网技术在此阶段完成了从实验室向商业化的关键拐点，需求扩张具备可验证的现实基础。20世纪90年代被称为“令人惊艳的十年”（The Fabulous Decade），美国经济摆脱了80年代末的滞胀制约，形成“高增长+低通胀+低失业”组合。克林顿政府于1993年提出“国家信息基础设施”计划，为新兴产业发展提供明确指引。1995年网景公司（Netscape）凭借其产品的垄断性份额及上市首日的高溢价，向资本市场证明，即使缺乏短期盈利，互联网企业仍可能通过网络效应与规模优势实现长期资本化。1995年前后信息通信技术生产行业和信息业占GDP的比重开始从约3.7%和4.2%加速上升，1998年已接近6%和4.8%，此后信息通信技术生产行业占GDP的比重持续攀升至2000年的约6.2%。这意味着，互联网革命在这一阶段已经开始实质性改变经济结构。信息技术产业占GDP比重的上升，对应的是企业IT支出扩张、互联网基础设施投资、软件和硬件销售的真实增长。资本市场的上涨，本质上是对这一结构性变化的定价。
利率环境方面，低实际利率为估值扩张提供了较好的流动性环境。1994年，美联储为预防通胀，将联邦基金利率从3%一路加息至6%，完成了紧缩周期。但进入1995年后，经济数据显示出放缓迹象：零售销售疲软、库存积压、企业裁员增加，而通胀并未如预期般抬头。1995年后美国实际GDP同比增速中枢维持在4%左右的高位区间，核心CPI稳定在2%以下，失业率持续下行，充分就业并未像菲利普斯曲线所预示的推高薪资通胀。1995年7月，美联储将联邦基金利率从6%下调25个基点至5.75%。这是自1992年9月以来的首次降息，标志着货币政策从抗通胀转向防衰退。
在此阶段，市场对科技股给予的估值溢价，其逻辑仍然建立在对未来现金流路径的理性推演上，泡沫的种子在此埋下，但此时基本面与股价之间的缺口尚未失控，市场对互联网革命的方向判断是正确的。
（二）美股科网泡沫第二阶段（1998年10月至1999年10月）
这一阶段的核心特征是市场驱动从盈利到流动性驱动的切换，美联储紧急降息和互联网叙事加速传播形成共振。
第二阶段的起点，恰好落在1998年10月全球金融市场的恐慌之后。1998年三季度，原本平稳的宏观环境遭遇了外部黑天鹅事件的冲击。俄罗斯主权债务违约迅速引发市场恐慌，长期资本管理公司（LTCM）因高杠杆率面临流动性枯竭，其潜在破产风险被视为对美国乃至全球金融体系的系统性威胁。
为防止风险蔓延，美联储在1998年9月至11月的短短三个月内连续三次降息，将联邦基金目标利率累计下调75个基点至4.75%。美联储在非例会时间紧急行动，传递出强烈的政策托底信号，市场由此形成了一种隐性预期，美联储不会坐视流动性危机蔓延。1998年下半年起，美国M2增速明显反弹，过剩流动性溢出至资本市场，推动纳斯达克指数走向泡沫化巅峰。与股价上涨同步的，是风险投资和并购交易市场的急剧升温。1998年-2000年，风险投资机构数量从242家增加到632家，增加了117.93%，私募管理资金的总规模从765.6亿美元扩大到1873.56亿美元，增加了144.72%。管理总资本的膨胀，意味着VC有更多资金去投资互联网初创企业，而这些企业又通过IPO或并购为VC创造回报，形成募投管退再募资的加速循环。对于并购交易来说，股价在1999年下半年至2000年初加速赶顶，而并购交易的规模尖峰出现在1999年，说明资本退出活动在泡沫顶峰前最为活跃。这与当前AI周期中大型科技公司频繁收购AI初创公司的现象有相似之处。
导致科网泡沫破灭的一个被忽视的关键因素是“千年虫”需求的透支。企业为了“防虫”，在1998-1999年提前、集中地更换硬件和软件，思科、戴尔、甲骨文等龙头企业的营收与订单数据因此显著改善，使其盈利表现短期亮眼。当2000年平稳度过，这部分需求瞬间消失，形成了需求真空，这种由恐惧驱动的采购，本质上是对未来数年IT需求的提前支取。
前置需求被透支，这体现在多家科技公司的财报预警中。例如，2000年1月Dell预警第四季度业绩不达预期，其CFO明确将约5亿美元的营收缺口归因于千年虫相关支出的放缓，并承认完全误判了需求反弹的速度。2000年第一季度IBM营收下降5%，CEO承认由于千年虫锁定持续到季度末，导致计算机支出下滑，营收受到冲击。
（三）美股科网泡沫第三阶段（1999年10月至2000年3月）
美股科网泡沫第三阶段，是整轮周期中最极端的阶段。其核心特征是，股价上涨几乎完全由估值扩张驱动，与基本面彻底脱节，股市上涨几乎完全来自信息技术板块的贡献，市场对利空的敏感度下降。
进入1999年中期，美国宏观经济过热的迹象开始显现，通胀压力抬头。为防止经济过热，美联储在1999年6月首次加息，1999年8月、1999年11月、2000年2月连续加息，货币政策由之前的预防性降息转为抑制性加息，但是纳斯达克指数毫无反应，继续加速上行。正常情况下，加息意味着贴现率上行，对资产价格形成压制。然而，在这一阶段初期，市场并未作出理性反应，反而呈现出典型的非理性繁荣特征。机构投资者了解科技股泡沫，但不得不参与，因为不持有科技股的基金就会表现落后，会遭到投资者的赎回，很难做出抛售科技股的行为。机构投资者对科技股持有的集中度较高，且进一步强化了泡沫的自我循环。
在2000年初，纳斯达克触及5000点的历史峰值,市盈率已突破120倍，而更具长期参考意义的席勒CAPE（周期调整市盈率）在2000年3月超过50倍，部分科技龙头估值更高，这一估值水平，正是科网泡沫破裂前的典型征兆。当盈利能力无法解释股价时，市场的定价锚点便发生了漂移。资产估值不再基于现金流的可得性，而是转向了眼球经济的指标，例如点击率、用户数、页面浏览量等。市场对未来增长的判断，更多依赖叙事延展和情绪共振，而非盈利的实质性改善。随后，在新增资金边际减弱，估值体系内在支撑消失的背景下，泡沫迅速破裂，叠加美联储连续加息，市场由非理性繁荣阶段转入全面调整，市场对加息无视的背后也反映了市场对新经济叙事的极端信仰，科技股的未来现金流足够远大，短期利率变化无关紧要。
（四）美股科网泡沫第四阶段（2000年3月至2002年1月）
这一阶段，是泡沫破裂后的加速出清期，该时期股价下跌远超基本面的恶化，但基本面的持续恶化又不断为下跌提供新的动能，形成自我强化的负向螺旋。纳斯达克指数在短短一年内跌幅接近腰斩，且下跌速度和幅度远超标普500和道琼斯指数。股市分化严重，泡沫破裂的破坏力主要集中在估值最极端的板块，例如信息技术板块、通讯服务板块，传统价值股在泡沫破裂期间甚至逆势上涨，因为它们的定价从未脱离盈利锚点。股价自此经历了三年持续不断的下跌，而非一次性深度回调，也是泡沫出清的典型节奏。在估值体系已高度脆弱的背景下，高估值、弱基本面的科技股首当其冲。资金从高风险的科技板块大规模撤离，转而配置现金流确定性更强的防御性资产。
股价下跌的驱动力，一方面来自盈利预期的持续恶化，千年虫需求透支的后果在这一阶段全面暴露。1995至1999年间，市场对互联网公司的高容忍度，很大程度上建立在用户规模能够长期保持指数级扩张的假设之上。然而进入2000年，美国互联网用户的渗透率已接近阶段性上限，新增用户增速明显放缓，流量增长与商业变现之间的落差逐步显现。此前被视为理性前置定价的增长假设开始被证伪，理性泡沫对应的估值溢价随之回吐，当龙头公司的盈利也开始崩塌，纳指的估值支撑便彻底瓦解。
另一方面，大量公司面临现金流的断裂和枯竭。大量“.com”公司在泡沫顶峰时依赖外部融资维持运营，本身没有盈利，甚至没有清晰收入。当股价下跌、融资窗口关闭，它们的现金流迅速枯竭。2001年，科技类IPO数量出现大幅下跌，大量处于初创期的互联网公司因资金链断裂而被迫退出市场。Pets.com、eToys等曾备受追捧的明星公司相继进入破产清算程序。
美联储在2000年5月将联邦基金利率加至6.5%，完成了最后一轮紧缩。但经济在2000年下半年已经明显放缓，2001年3月正式进入衰退，与此同时，监管与制度层面的冲击加速了市场预期的逆转。微软反垄断案于2000年进入关键阶段。2至3月，美国司法部针对微软的垄断指控被密集报道，4月3日法院裁定微软存在垄断行为，并面临被拆分的潜在风险。这一判决动摇了市场对科技龙头“赢家通吃”“不可撼动”的信念，直接冲击了此前支撑高估值的长期垄断预期，成为非理性泡沫快速破裂的重要催化因素。
进入2001年后，美联储在1月3日开始紧急降息，将联邦基金利率从6.5%下调至6%。纳指当日大幅上涨14.2%，创该指数1971年创立以来最大单日涨幅，但纳指在短暂反弹后继续下跌。降息无法阻止泡沫破裂，因为泡沫破裂的核心驱动力不是利率，而是盈利预期的崩塌。美联储的降息降低了贴现率，但企业盈利的下修幅度远大于贴现率的下行幅度，估值分母和分子同时恶化，股价只能继续下跌。
2001年9月11日的“911”恐怖袭击，对已经脆弱的市场造成了二次冲击。航空运输系统关闭，股市在复市后大幅下跌，消费者和企业信心进一步恶化。事件对企业信心与居民预期形成叠加冲击，美国经济于2001年陷入明显收缩区间。企业为了应对不确定性大幅削减资本开支与功用规模，失业率上升，消费需求同步走弱。9·11之后，美联储在9月17日紧急降息50个基点至3%，并在此后继续降息。9·11事件延长和加深了科网泡沫的出清过程。经济在2001年3月已经进入衰退，9·11的冲击使复苏的时间被推迟，股市的底部也从2001年秋季延后至2002年1月。
泡沫出清并非纯粹的破产出清。尽管泡沫破灭过程中超过千家互联网公司退市，但是亚马逊、苹果等一批真正具备商业实质的企业不仅存活下来，还在泡沫破裂后的废墟中成长为全球科技巨头。它们的幸存与崛起，揭示了泡沫出清的另一面：市场在摧毁投机资本的同时，完成了对优质资产的压力测试与资源再分配。
四、产业视角：分析当前美股AI泡沫的相关信号
（一）上游算力硬件与基础设施：资本开支强度
AI产业爆发增速后上游产业链营收增速逐渐趋于稳定，当前上游更多是利润兑现，而非资本空转。2022年底OpenAI推出ChatGPT后，人工智能产业经历了深刻变革，ChatGPT基于Transformer架构和人类反馈强化学习技术，显著提升了自然语言处理能力，开启了生成式人工智能（AIGC）时代，成功推动了大模型向通用人工智能平台演进，为智能时代提供基础设施。人工智能产业链上游迎来快速爆发，英伟达系列旗舰产品+CUDA生态领衔市场，营收迎来爆发式增长。根据英伟达2027财年二季报，实现营收962.21亿美元，同比增长105.85%。
AI上游产业链公司资本开支在2024年增速大增后2025整体在降速，2026年又有一定程度上行，其中最根本的驱动力来自下游对算力的需求的爆发式增长。AI Multiple数据显示，最新代际 GPU（B200, B300, MI300X, RTX 5090）综合租金从 2025年三季度的 1.93美元/GPU·小时升至2026年9月的 3.96美元，呈现价格翻倍。DRAM现货价格和合约价格处于上行区间。截至2026年10月，DRAM（DDR3）、DRAM（DDR4）、DRAM（DDR5）分别达到7.91美元、15.36美元、60.63美元，DDR5（8Gb）合约均价自2025年12月的39.5美元快速上调至8月底的133美元，增长了236.71%，现货与合约同向。NAND的涨幅较DRAM更为陡峭。64Gb NAND现货均价10月中旬升至 42.34美元上方，再创新高，较2025年10月中旬的6.31美元累计上涨约571.27%；合约均价从 2025年10月的3.33美元连续上调至8月底的23.43美元，累计上涨602.82%。Trend Force预计26Q3 DRAM及NAND Flash合约价格分别环比增长13-18%及10-15%。英伟达预测其AI芯片到2027年的需求至少达1万亿美元，且实际需求更高。强劲的需求传导至下游客户主动预付锁定产能，AMD与奥特斯达成协议，由AMD及其他客户直接出资支持其高端IC载板产能扩充。上游头部厂商为了进一步巩固竞争壁垒，通过向OpenAI、Anthropic等头部模型厂商进行战略投资，英伟达将算力至模型的生态闭环进一步锁定，这种投资尽管不计入传统Capex，但本质仍是用资本换取未来的确定性。
我们选取AI上游产业链具有代表性的五家公司：英伟达、Intel、台积电、AMD以及博通，资本开支呈现出一定周期性变化，在2023年ChatGPT爆火背景下，2024年整体资本开支增速大幅提高，2025年增速回落后2026年继续上行。近期，英伟达FY2026 Q2Capex支出约27亿美元，同比增长41.34%，虽然绝对额不大，但其对供应链如产能预订、租赁的长期承诺规模远超当期Capex。截至7月26日，公司为未来产品签下的供应和产能承诺达到2790亿美元，三个月前还是1190亿美元。公司另外还有360亿美元与部分AI云合作伙伴相关的长期承诺，并开始为数据中心项目提供土地、电力和机房建设的信用支持。AMD的2026年Q2约8.08亿美元，同比激增186.52%，环比也翻倍有余，这标志着AMD正从长期的轻资产模式转向对AI基础设施的针对性投资。博通的FY2026 Q2约2.31亿美元，规模较小，仅占其季度收入的不到1%。其商业模式更依赖研发和IP，而非重资产制造，因此Capex增速在AI产业链中不具代表性。
AI产业链上游Capex增速大幅增长，超越营收增速，整体资本密集度呈上升趋势。当前上游公司的产能利用率极高，资本开支有真实订单支撑，Capex增速超越营收增速，企业看好未来，但也导致企业自由现金流承压。从相对变化来看，英伟达资本密集度由2025年同比增长不到2%到2026年Q2上行至同比增长2.78%，台积电Q2上行至同比增长39.04%，AMD由2025年同比增长约2%上升至7%，博通由2025Q4的1.29%上升至1.80%。从绝对值的水平来看，台积电2026年Q2的Capex约为155.34亿美元，营收为397.85亿美元，Capex/Revenue约为39.04%，高于其他几家AI上游的公司，Intel资本密集度排名第二，为15.85%，台积电与Intel资本密集度较高，主要原因是对于设备与厂房的投入较高。
（二）中游云平台与模型层：收入兑现分化
中游云平台模型层与上游供需关系的非线性断裂风险暂不明显，但存在泡沫隐忧。只要云收入继续加速，积压订单持续转化，需求侧就在验证投资合理性，但断裂的触发可能来自融资条件收紧，如果高利率维持更久，或AI收入确认节奏低于预期，依赖债务融资的扩张模式会首先承压。北美CSP云厂商资本开支加速增长，算力产业需求仍然旺盛。北美四大云厂商26年第一季度资本性支出总计1172.92亿美元，同比增长69.22%；26年第二季度资本性支出为1579.92亿美元，同比增长80.08%，整体来看北美四大云厂商资本性支出仍然维持增长态势，需求仍然强劲。受AI驱动，微软、谷歌云业务收入呈现良性增长态势。例如，微软2026年第一季度Intelligent Cloud收入总计为346.81亿美元，同比增长29.64%；2026年第二季度Intelligent Cloud收入总计为393.06亿美元，同比增长31.55%。微软的云业务体量巨大，目前已经逼近其总营收的一半。在 21Q2，微软云业务占比就已经接近 38%，在 26Q2 创下新高，突破 40%，逼近 45%。谷歌2026年第一季度Google Cloud收入总计为200.28亿美元，同比增长63.36%；2026年第二季度Intelligent Cloud收入总计为247.68亿美元，同比增长81.80%。谷歌云（Google Cloud）业务收入占 Alphabet 总营收的比重加速上行，谷歌云业务从 21Q2的约 7.48%，到 26Q2突破 20%，五年时间里占比翻了近三倍，这表明云业务已从谷歌的边缘业务成长为不可或缺的第二增长曲线。更关键的是积压订单（剩余履约义务（PROs）），例如谷歌云积压规模，2026年Q2积压订单达到5195亿美元，远大于营业收入1198亿美元，且大部分积压订单将在未来数年逐步确认。云厂商的AI算力投资并非没有需求支撑，企业客户在签约，合同在累积，收入在加速确认。
英伟达库存维持高位水平，库存周转率小幅下滑。截至26Q2（27财年第二季度）英伟达库存为315.75亿美元，同比大幅增长111.03%，库存周期为110.39天，小幅提升，库存周转率为330%，同比小幅降低，主要是由于Blackwell Ultra芯片的量产准备，英伟达存货当前创出历史新高。
AMD库存维持高位水平，库存周转率逐渐稳定。截至26Q2（27财年第二季度）AMD库存为84.68亿美元，同比大幅增长26.92%，库存周期为142.6天，小幅提升，库存周转率为255.25%，同比小幅下降，AMD库存持续创出新高，但库存周转率逐渐保持稳定水平。
AI泡沫隐忧正在显现。首先，北美大厂云业务收入增速与上游芯片厂商库存增速出现显著背离，且缺口持续拉大。这意味着，芯片端的备货速度已系统性超越云端的收入转化速度。随着这种供需错配加剧，AI产业链中游正被动承担着越来越大的库存积压与产能过剩风险敞口。截至26Q2英伟达库存增长幅度为111.03%，显著高于微软Intelligent Cloud业务收入增速（31.55%）与Google Cloud增速（81.80%），北美云厂商云业务收入增速与上游芯片大厂库存增速出现较大剪刀差，且目前来看仍然有扩大趋势。
其次，数据中心短期极紧，长期存疑。2026年第一季度，全球数据中心库存同比增长，各主要地区均出现大幅增长，主要受超大规模和人工智能需求的推动。拉丁美洲的库存增幅最大，达41.3%，其次是北美，增幅为33%。尽管新增供应量巨大，但来自人工智能初创公司、新型云和超大规模企业的强劲需求，已将许多主要市场的空置率推至历史新低。当前资本开支投入是刚性和前置的，一旦数据中心实际需求进入悲观或中性区间，当前上游制造商可能面临订单的快速下跌，引发产业链踩踏。极紧是当下事实，过剩是远期风险，两者的切换点取决于电力与模型变现。
再次，从模型端来看，大语言模型Token的市场通行单价下跌对基础模型厂商造成了增收不增利的最直接的冲击。资讯机构Silicon Data发布的大语言模型代币消耗指数（LLM Token Expenditure Index）当前已跌至0.94美元，较峰值下跌约 54.33%。价格大幅下滑意味着，AI模型用户调用OpenAI的ChatGPT、Anthropic的Claude、谷歌Gemini等主流聊天机器人进行提问时，所需支付的费用将会降低。但对于模型开发企业而言，指数价格走低会让用户形成服务降价预期，削弱服务商的定价话语权。Token成本下行挤压了模型厂商的营收，而算力采购成本却保持刚性，或将给Anthropic、OpenAI等AI头部企业带来新的盈利压力，两家企业正考量上市时机与可行性。
最后，通过对亚马逊、谷歌、微软的“收入/资本支出比率”进行计算对比，我们可以看到，AI资本支出对营收的拉动从季度上看整体在减弱，意味着AI的货币化能力当下未及预期，投入产出比持续降低，投入的加速度显著高于收入的加速度，这是中游最明确的泡沫信号。我们使用 “收入/资本支出比率”，来衡量AI云厂商的资本支出投入对营收的拉动作用，从而来评估AI云业务的增长前景。该比率的“收入”是基于过去12个月的营收增量（主要由AI拉动），“资本支出”是基于滞后一个季度的过去12个月的资本支出（考虑到新数据中心开始运营存在1个季度的滞后）。
（三）下游应用和场景：渗透率高，深度浅
下游市场是AI长期货币化的引擎，价值正从模型研发向行业专属垂直解决方案转移，市场将开始更多考量投资回报率（ROI），对AI应用的价值兑现进行筛选。下游应用层是AI技术在不同场景下的商业化应用，覆盖医疗、金融、零售、工业等行业级应用，以及智能驾驶、智能穿戴、智能机器人等终端应用。下游层将AI能力转化为各行业实际用例，包括大数据分析、自动驾驶、机器人、医疗AI和企业生产力工具等。
根据麦肯锡的调研报告，当前AI下游应用现状是尽管渗透率已经很高，但大多数场景仍处于“试点—局部规模化”之间。组织层面，88%的受访者表示其所在机构已在至少一个业务职能中规律性使用AI，但从企业级推进阶段看，仅约三分之一进入规模化，仅7%达到全面铺开；到2026年，89%的组织已在至少一个职能使用AI，但其中只有46%超越试点阶段。与此同时，Agent 正在成为下游场景的新变量：62%的受访者所在组织至少已在尝试Agent，23%已在某处进入规模化，但大多仍局限于1-2个职能，尚未形成广泛渗透。这意味着，下游应用现状更接近点状成效已验证、系统性改造仍不足。主要风险来自价值兑现链条中的多重错配，例如，用例级成本、收入改善已出现，但企业级EBIT贡献仍弱；模型能力进步快于基础设施、组织改造与治理机制。
价值落地与“生产力悖论”风险。根据麦肯锡的调研报告，当前最现实的风险，是市场将用例级ROI误判为企业级价值已被验证。一方面，尽管单业务单元的成本和收入收益，例如软件工程、制造、IT的成本下降显著，营销销售、战略与企业财务、产品开发的收入提升明显；另一方面，真正报告企业级EBIT受AI影响的仅39%，且其中多数贡献仍低于5%。这正是典型的生产力悖论，新技术无处不在，但宏观或企业级利润表上的改善并不同步显现。其机制是多层的。第一，局部效率提升若未伴随流程再造，只会形成孤立的效率岛。第二，若效率红利被用于价格竞争、重复投入或新增复杂管理成本，其利润留存会被稀释。第三，若需求端没有同步扩张，劳动生产率提升甚至可能压缩就业与消费，对更广泛的需求形成反作用。
组织与流程适配不足。AI技术部署快于组织重构，导致工具热、系统冷。这一风险的直接后果，是AI很容易停留在前台演示和局部提效层面，无法进入核心经营系统，Agent尤其如此。因为Agent涉及任务分解、跨系统调用、权限管理、异常回退与责任归属，若后端工作流、接口治理、审批机制和操作权限没有同步改造，就只能停留在“实验”或“半自动化助手”层面。因此，判断某个下游场景是否具备继续扩张能力，需要看其是否从“人用AI”走向“流程围绕AI重构”，否则渗透率再高也可能停留在浅层使用。
能力—基础设施—组织多速错配。2026年，AI系统的不同组成部分正以完全不同的速度变化：模型能力按某些指标近似指数级提升，而数据中心、电网、芯片封装、矿产、组织重构与制度调整更多呈线性甚至更慢变化。量化上，AI能成功完成的任务复杂度（以相当于人类完成所需时长衡量）自2019年以来呈持续翻倍趋势，公众对公司保护个人数据的信任却在2023—2026年显著下降。也就是说，能力增长最快，物理资源次之，制度与信任最慢甚至倒退。
商业格局层面，获取最佳模型本身未必带来持久优势，因为技术可广泛获得，领先模型也可能很快被追平或替代。AI还会把原本稀缺的能力变成更普及的能力，从而使竞争优势向专有数据、客户关系、关键工作流、渠道控制、合规文档与结算节点等非模型因素转移。这意味着，很多下游应用公司即便率先采用了AI，也未必是最终价值捕获者；真正获利者可能是控制流量入口、客户关系、数据闭环或关键流程 choke point 的企业。
五、短期风险：民主党对AI的观点和主张
2026年民主党在美国中期选举中横扫参众两院，特朗普后两年的施政空间将受到实质性压缩。在AI方面，民主党与共和党在美国AI领先方面存在共识，相比共和党的加快投资和放松监管，民主党掌握两院后的差异化体现在以更严格的监管框架约束其扩张节奏，强调AI合规、数据中心扩张限制、电力成本分摊等，后续可能推进全国性监管听证、行业规范立法，加强数据中心审批和环保监管，增加项目建设成本，从而对人工智能发展的节奏和成本造成影响。首先，在限制数据中心扩张方面，部分民主党议员提出了暂停新建大型AI数据中心的主张，要求国会先通过全面监管法规再恢复审批，这一立场在州层面已有实践。其次，民主党关注大型数据中心并网成本，主张联邦层面统一强制要求大型数据中心全额承担电网扩容、变电站改造的全部配套费用，避免成本转嫁给居民用户。再次，强化联邦AI安全监管和保留州及监管权，要求在AI技术落地前提前管控潜在社会风险，要求前沿大模型企业强制开展审计、风险评估、披露训练数据与模型部署能力，并向国会定期汇报AI相关风险和存在的问题。在保留州级监管权方面，民主党倾向于保留各州对AI的独立监管权力，反对联邦层面以统一规则名义削弱州级监管。这与共和党推动全国统一规则、限制各州自行立法的方向形成对立。最后，财政与税收工具，强调推动取消AI资本开支加速折旧优惠，提高大型算力项目资本开支的综合税负。
当前人工智能赖以发展的数据中心建设正遭遇重大阻力。因高耗电、耗水、推高电费及生态隐患，AI数据中心在美国遭到强力反对。根据路透社的调查，64%的受访者认为快速建设数据中心并非好事，77%的人表示担心数据中心会推高他们的电费。而在典型的邻避效应，即不要建在我家后院的心态下，只有14%的人表示愿意住在数据中心附近。截至当地时间 11 月 4 日上午，在全美涉及数据中心开发的 45 项地方投票议案中，已有 33 项结果支持限制数据中心建设。部分地方政府采取了相当严格的措施。例如，缅因州韦尔斯镇选民支持暂停大型数据中心建设 180 天；俄亥俄州多个城市投票禁止建设用电规模超过 25 兆瓦的数据中心；堪萨斯州埃尔多拉多市则投票决定，在未来 10 年内禁止建设峰值用电负荷超过 10 兆瓦的数据中心。数据中心的相关争议也影响了美国多州的政治格局。在德克萨斯州，民主党众议员Gina Hinojosa击败共和党现任州长Greg Abbott当选新一任州长。得州是美国规划中数据中心数量第二多的州，而伊诺霍萨支持在全州范围内暂停数据中心开发。相比之下，阿博特此前一直支持数据中心扩张。在俄亥俄州，民主党人Sherrod Brown击败了共和党现任参议员Jon Husted，Brown在竞选期间将竞争对手称为数据中心的代言人，批评其此前推动的相关税收优惠，他主张数据中心开发者不应在缺乏地方居民参与的情况下获得建设许可或税收减免。此外，佐治亚州新当选的州长Keisha Lance Bottoms、缅因州新当选的联邦参议员Troy Jackson等人，也在竞选期间支持暂停数据中心建设，以重新评估其环境及经济影响。数据中心争议的背后，是美国居民对电价上涨、水资源消耗、环境影响以及公共财政的担忧。
总的来看，在民生抗议、政治博弈与能源缺口的三重压力下，美国AI巨头将不得不面对人工智能数据中心审批和电力紧张的局势，人工智能基建节奏可能被迫放缓，从而对AI资本开支和芯片产业链造成冲击，长期来看，可能对美国人工智能发展和整体数字经济构成问题。
根据EIA和伯克利实验室的数据，在AI加速服务器的核心驱动下，美国数据中心用电量预计将从2024年的192 TWh激增至2030年的649 TWh（占比升至11.8%），并带动2026-2027年全美商业用电及批发电价显著上行。根据美国能源信息署（EIA）于10月6日发布的《短期能源展望》，预计2026年全年美国电力消费量将从去年的4.195万亿千瓦时（kWh）上升至4.288万亿kWh，2027年则达到4.356万亿kWh。包括数据中心在内的商业用电销售量预计今年将达到1.549万亿kWh，较去年大幅增长3.8%，远高于住宅用电销售1.7%的预期增长率。EIA预计，2027商业用电需求将进一步增长2.8%。与此同时，批发电价也预计将上涨。除此之外，劳伦斯伯克利国家实验室发布的《2025年美国数据中心能源使用报告》系统分析了美国数据中心电力消耗的现状、驱动因素及2030年发展趋势。2024年美国数据中心用电量为192 TWh，占全国总用电量的4.7%，到2030年参考情景下，美国数据中心用电量将增至649 TWh，占比11.8%，而复合不确定性范围则为521–843 TWh（9.5%–15.3%）。IEA则预期到2030年数据中心的快速扩张预计将占需求增长的约50%。AI加速服务器是推动用电增长的核心因素，其用电量将占2030年数据中心总用电量的55%。
具体来看，整合部署和低加速器寿命情景分别使数据中心电力消耗的基准情景估计值降低了约10%。高ASIC情景仅略微高于基准情景，而高推理能耗情景影响最大，假设推理功耗和利用率增加，导致预计电力使用量比基准情景高出超过20%。综合所有不确定性因素后，电力消耗估计值相对于基准情景的范围为-19.6%至+29.9%。这使得复合不确定性范围达到521–843 TWh，相当于2030年美国总电力消费的9.5%至15.3%。
从数据中心设备类别划分的美国数据中心电力使用情况来看，在2018年至2024年间，数据中心总能耗的增长主要由人工智能服务器的快速普及以及传统服务器能耗持续上升共同推动。存储用电量仍在增长，但增速远低于服务器能耗，导致其占总能耗的比例呈下降趋势。网络用电量略有增加，从2018年的数据中心总电力消耗的3.4%上升至2024年的4.5%，部分原因是InfiniBand交换机单元的引入。基础设施在2018年消耗了数据中心总电力的36%，到2024年则降至31%，这主要是因为全国平均PUE（能效比）从1.55改善至1.45。这一改善主要反映了服务器能耗持续向能耗最低的数据中心类型转移，即部署液冷系统用于人工智能服务器的类型。
美国数据中心电力需求激增，正在加剧电网堵塞与故障风险。一方面，数据中心的电力需求激增，正在加剧输电容量的限制和拥堵问题。美国高压输电基础设施的扩建速度远远落后于电力需求的增长。电网咨询公司Grid Strategies对美国联邦能源监管委员会（FERC）数据的分析显示，2010年代前半段，美国新建高压输电线路的年均长度约为1700英里，而到后半期已降至645英里。2024年，新建345千伏（kV）及以上电压等级的特高压输电线路的建设量也仅达到数百英里。另一方面，新建输电网络的延迟也给本已老化的现有电力基础设施带来了更大压力。当前美国超过70%的输电线路和电力变压器已运行超过25年。大型电力变压器（LPTs）是长距离输电的关键设备，其设计寿命通常约为40年，但截至2014年，北美地区在运的此类设备平均年龄已达到38至40年，配电层面的情况也类似。随着数据中心和电动汽车充电设施等新型高电力需求来源迅速增加，对现有设备的负荷加重可能加速设备老化并引发故障。此外，在短期内更换老旧设备也十分困难，关键电气设备的供应链难以跟上需求增长的步伐。
六、中期风险：美国AI行业债务风险显著抬升
全球股票市场受到利率的驱动，随着10年期美债收益率突破5%，AI行业高度依赖债务融资的增长模式正面临严峻压力。美国国债收益率是基准无风险利率。当前美国10年期国债收益率一度触及5.36%，30年期国债收益率升至2002年以来的最高水平，当10年期收益率在5%以上时，机构投资者会要求更高的风险溢价来购买企业债。这意味着AI企业的实际融资成本将显著上升，且难以从人为压低的借款成本中获益。当前美国AI赛道竞争激烈，科技巨头运营策略纷纷转向高资本投入。为抢占算力资源，美国AI科技企业持续加码AI基础设施，高端芯片采购等，同时隐形债务被严重低估。当前，美国科技公司的资本需求已无法通过自有资金来满足，而是更多通过债券、设备租赁和供应商担保等方式大规模举债。这种不增加实际债务而从机构投资者募集资金的模式随着美债收益率的上行，风险逐渐增高。基于美国当前的通用会计准则，采购承诺、未开始租约、表外担保等涉及未来支出的项目并未反映在当前的资产负债表中，形成规模庞大的表外隐形债务，并用持续上行的股价来支撑新一轮融资，形成自我强化的闭环。这种模式掩盖了市场真实的需求，增加了AI基础设施过度投资的风险。
当前美股市值集中度和交易集中度持续向上，而集中度的不断攀升，不仅是AI泡沫的外在表征，其自我强化机制也正在成为泡沫维持并膨胀的结构性推力。截至2026年10月8日，美股M10（英伟达、苹果、谷歌、微软、亚马逊、脸书、特斯拉、博通、超威半导体、美光科技）市值集中度26.60%，交易集中度为19.77%，处于2020年11月以来的94.52%和12.32%分位数水平。集中度上行并非简单的抱团，当AI龙头股上涨，其在指数中的权重上升，权重上升则迫使追踪指数的被动资金机械买入更多股票，从而进一步推升股价，AI相关股票的权重进一步膨胀，这种自我强化的循环，与基本面判断相关性，若美股AI相关股票下跌，标普500和纳斯达克等相关指数可能陷入技术性熊市，当权重股回调时，几乎没有其他板块能承接。
AI科技巨头正在用日益枯竭的自由现金流填补AI的资本开支，而巨大的资金缺口则由发债来填补。AI科技经营从轻资产模式向重资产模式转型，资本开支前置，主要包括数据中心、GPU集群、电力设施，由于投资规模较大，AI公司的自由现金流消耗远超以往其他时期。由于资本开支增速远超盈利增速，企业无法使用自有资金覆盖投资，资本开支的融资缺口只能靠债务融资填补，直接推高了AI行业整体杠杆率。2026年Q2北美四大云厂商（亚马逊、微软、谷歌、Meta）资本开支为1650.5亿美元，同比增长87.03%，自由现金流合计670.9亿美元，同比下跌83.32%，股票回购金额为340亿美元，同比下降87%，资本开支融资缺口达到1583.41亿美元。AI科技巨头资本开支几乎均来自外源融资，这进一步加剧了企业对利率环境的敏感度，如果美债收益率维持高位，企业的债务利息成本将侵蚀本就微薄的利润，形成借新还旧的恶性循环。
当前AI投资主体仍以现金流较强的大型云厂商为主，云厂商则主要通过表内发债来支撑表外承诺，并被迫转型为重资产、高杠杆的类公用事业公司。一方面，2010-2023年，四大云厂商的发债规模长期处于低位，但到了2025年，发债规模激增至826.62亿美元，而2026年更是呈现指数级爆发，达到2038.29亿美元。其中，Meta和谷歌是发债的主力，而这种千亿级别的发债需求恰逢高利率环境，意味云厂商的利息支出将大幅增加，直接侵蚀本已逼近零的自由现金流。更坏的情况下，如果投资者开始质疑AI的投资回报率，AI科技公司将面临发债成本飙升甚至发债失败的风险，从而引发流动性危机。另一方面，从剩余履约义务（PROs）来看，亚马逊、微软、谷歌的合计剩余履约义务从2019年的不足2000亿美元，逐步增加至2026年预测的超过1万亿美元。PROs的激增，很大程度上源于AI企业间的相互采购和长期算力承诺，例如OpenAI承诺向微软购买算力，微软又向英伟达采购芯片。虽然PROs在会计上不计入资产负债表中的债务，但它本质上是一种刚性履约承诺。为了履行这些合同，AI科技巨头们必须持续进行资本开支。当自由现金流枯竭时，这些PROs就变成了必须靠借债来兑现的隐性债务。另外这些巨额订单，约一半由OpenAI和Anthropic两家公司所欠，而这两家公司目前均未实现盈利，一旦AI收入不及预期，将直接转化为现实的违约风险。
杠杆贷款和高收益债规模的指数级攀升，为AI基建狂潮提供了大量次级资金，同时也将AI债务风险从科技行业扩散到了整个美国金融系统。美国杠杆贷款和高收益债规模增长从2019年开始加速，2024-2025年规模增速分别达到250.27%、53.33%。高收益债规模在2025年接近1万亿美元，杠杆贷款规模也逼近9000亿美元，这表明美国企业的债务结构正在从投资级向投机级（垃圾级）大规模下沉，市场正以较高的风险偏好，向信用资质较差的AI产业的第二梯队提供大量资金。这些公司没有微软、谷歌那样的AAA级信用评级，为了购买GPU和建设数据中心，高度依赖杠杆贷款和高收益债市场融资。2032年到期票据收益率收盘约14%， 2031年票据收益率更超过16%，这一水平通常被视为困境信号。五年期CDS收于1117基点，隐含五年内违约概率约63%，与雷曼兄弟申请破产前数日的CDS水平相当，这些企业构成了AI债务风险的最脆弱环节。一旦AI需求增速放缓，这些企业的现金流将迅速断裂，引发大规模违约。同时，私募信贷基金为AI数据中心项目提供了大量高息过桥贷款。这种非公开市场、缺乏透明度的债务，一旦AI泡沫破裂，将引发连锁反应，且监管机构难以提前预警。
2027年将是检验美国AI科技巨头财务健康的关键节点。2027年AI基建投资可能仍在高峰期的阶段，美股AI科技巨头们既要支付高昂的资本开支，又要偿还巨额到期债务，现金流压力将达到峰值，这种资本开支与债务到期的双重挤压，是AI债务风险最危险的引爆点。四大云厂商的债务到期规模在2020-2021年经历了一段高峰，规模约70-75亿美元，随后在2023年降至低谷，约50亿美元，但2027年将迎来一个显著的到期高峰，届时，巨头们需要偿还或滚动续作约75亿美元的到期债务，如果未来自由现金流仍未改善，由于美债收益率持续处于高位，将不得不以更高的利率借新还旧，从而导致利息支出进一步攀升。根据彭博一致预期，谷歌、Meta、亚马逊、微软2026E预期收入同比增速分别为26.47%、20.44%、14.68%、20.33%，资本开支同比增速分别为55.43%、43.84%、27.55%、33.87%。如果AI泡沫在2027年前后出现裂痕，投资者对科技债的需求可能骤降，导致巨头们面临发债难的困境。一旦再融资受阻，企业将被迫削减资本开支或变卖资产，将直接刺破AI泡沫。
如果CDS利差和企业债信用利差仍处于高位，AI泡沫的破裂将首先从信用市场的违约事件开始。截至2026年10月8日，微软、Meta、亚马逊、微软的CDS利差分别为117.57BP、52.96BP、72.50BP、51.37BP。以谷歌CDS利差为例，市场不再将科技巨头视为无风险的AAA级借款人，随着自由现金流枯竭和发债规模激增，市场开始要求更高的风险溢价，这直接推高了巨头们的发债成本。当前，CDS利差的持续扩大，往往是债券评级下调，甚至债务违约的领先信号。一旦CDS利差突破某个阈值，可能引发债券抛售和融资冻结。
芯片与云厂商的资本开支增速有望在2026年达到峰值后开始下行，若云厂商EPS增速开始放缓甚至转负，芯片厂商毛利率跌破50%，那么相比2000年毫无盈利支撑的全面泡沫，美股局部高估值叠加盈利预期即将见顶的泡沫可能破裂。首先，盈利方面，芯片厂商收入增速可能在2027年附近出现明显回落，云厂商收入增速则相对平缓，市场可能对AI硬件最狂热的营收爆发期正在过去，增长斜率面临放缓。其次，资本开支方面，芯片与云厂商的资本开支增速有望在2026年达到峰值后开始下行，且从2025年资本开支的绝对增速开始显著高于收入增速，预计2026年云厂商和芯片厂商的收入与资本开支增速的差将达到-73.79%和-23.54%，云厂商必须持续投入巨额资本建设数据中心、购买芯片，但对应的AI收入增长（尤其是直接变现的云服务收入）在增速上难以同步匹配这种支出节奏。再次，结构方面，AI产业链利润分配极度失衡。芯片端ROIC接近100%，而云厂商ROIC停滞在20%左右，芯片端厂商凭借绝对的算力垄断和供不应求，获取了AI产业链的大部分收益，云厂商端的ROIC则被庞大的折旧和资本开支拖累。如果处于下游的云厂商无法通过AI应用赚取超额利润，他们就不可能永远维持高昂的资本开支。一旦云厂商削减预算，芯片厂商极高的ROIC就会瞬间坍塌。最后，EPS和毛利率可以作为盈利端的两大预警，判断AI泡沫是否进入拐点。
七、未来展望：AI处于狂热阶段的后期，但尚未进入转折点
随着AI浪潮席卷全球，科技板块股价屡创新高。2022年12月1日至2026年10月8日，美股纳斯达克指数累计上涨137.12%，纳斯达克100指数累计上涨155.41%，A股中证人工智能主题指数（930713.CSI）累计上涨125.97%，港股恒生科技指数累计上涨7.24%。其中，2023年、2024年、2026年均为美股领涨，2025年为A股领涨。
从龙头股表现来看，美股市场中，以英伟达、苹果、谷歌、微软、亚马逊、脸书、特斯拉为代表的科技七巨头近三年总市值累计上涨213%至24.72万亿美元。A股市场中，以中际旭创、寒武纪-U、新易盛、海康威视、中科曙光、科大讯飞、浪潮信息为代表的七家AI科技公司近三年总市值累计上涨467%至3956亿美元。港股市场中，以腾讯控股、阿里巴巴-W、小米集团-W、网易-S、中芯国际、百度集团-SW、联想集团等七家公司为代表的AI科技公司近三年总市值累计上涨46%至1.04万亿美元。
截至10月8日，纳斯达克指数PE为32.63倍，美国科技M7指数PE为27.26倍，恒生科技指数PE为27.26倍，中证人工智能指数PE为44.51倍，分别处于2010年以来的15.12%、29.61%、12.35%、31.48%分位数水平。
从个股的层面来看，在美股市场，截至10月8日，英伟达PE为28.80倍，苹果公司PE为38.53倍，谷歌PE为17.45倍，微软PE为29.01倍，亚马逊PE为20.26倍，脸书PE为26.97倍，特斯拉PE为389.35倍，分别处于2010年以来的6.97%、88.51%、7.03%、29.31%、0.05%、0.85%、24.35%分位数水平。
截至10月8日，英伟达PS为18.33倍，苹果公司PS为10.64倍，谷歌PS为9.55倍，微软PS为11.69倍，亚马逊PS为3.53倍，脸书PS为8.04倍，特斯拉PS为14.29倍，处于2010年以来的67.43%、99.79%、96.87%、80.76%、73.36%、21.26%、66.37%分位数水平。
在港股市场，截至10月8日，小米集团、中芯国际、腾讯控股、阿里巴巴、百度集团、联想集团、网易的PE分别为16.06倍、59.56倍、13.80倍、24.59倍、-47.36倍、66.24倍、16.04倍，处于2010以来的12.91%、82.17%、5.35%、60.13%、0%、99.52%、25.14%分位数水平。
截至10月8日，小米集团、中芯国际、腾讯控股、阿里巴巴、百度集团、联想集团、网易的PS分别为1.21倍、5.97倍、4.12倍、1.73倍、1.53倍、0.58倍、4.47倍，处于2010年以来的33.48%、87.74%、1.70%、20.50%、2.79%、99.59%、36.27%分位数水平。
在A股市场，截至10月8日，中际旭创、新易盛、寒武纪、中科曙光、科大讯飞、海康威视、浪潮信息的PE分别为45.09倍、40.24倍、185.14倍、46.44倍、101.33倍、18.40倍、20.76倍，处于2010以来的40.05%、25.76%、0.19%、26.34%、49.48%、3.41%、5.94%。
截至10月8日，中际旭创、新易盛、寒武纪、中科曙光、科大讯飞、海康威视、浪潮信息的PS分别为14.14倍、14.95倍、64.18倍、6.78倍、3.19倍、3.10倍、0.56倍，处于2010年以来的59.84%、77.42%、20.43%、78.69%、0%、8.93%、8.68%。
当前AI泡沫与2000年最本质的差异，在于估值层面的泡沫已经在过去一年被显著压缩。科网泡沫的核心是估值脱离基本面，而当前AI的估值调整是在盈利预期上修的同时完成的。这意味着市场并未无视基本面，反而在要求企业证明回报。但相似之处同样值得警惕，当前AI产业链的杠杆结构已从散户保证金交易转变为更复杂的表外融资和GPU抵押贷款，传导链条更长、更隐蔽。我们认为佩雷斯理论中的转折点或在北美CSP自由现金流转负，越来越依赖债务融资扩张的财务数据中逐步显现。
佩雷斯的科技周期理论认为，科技创新为社会带来实际收益需经历两大周期和四个小阶段，其中，大周期分为导入期和展开期。通常来说，导入期和展开期都需要二三十年的时间。而这两个阶段之间的“转折点”几乎总是以金融崩溃和复苏为标志。导入期意味着新技术出现并开始影响社会的阶段，在该阶段新技术逐渐被引入市场，但还没有广泛普及，经济增长可能放缓，因为旧的产业结构和金融体系尚未适应新技术。展开期指技术被社会广泛采用的部署阶段（例如铁路时代美国西部的开发，汽车时代郊区、购物中心和快餐店的创建，以及互联网/移动时代的iPhone、Facebook和拼车服务等）。四个小阶段则包括爆发、狂热、协同和成熟期，而现阶段AI技术与狂热阶段初期的特征十分类似，再往后一段时间，待到新技术的普及达到高潮，投资者和企业家对新技术的热情达到顶点，过度的投资和投机行为推高了资产价格，往往会伴随着资产泡沫的破裂。经历这一转折点之后，转型到协同期，可以被称作真正的“黄金时代”的阶段，增长将更趋于稳定和谐。
狂热阶段的典型特征是，金融资本主导、资产膨胀、生产资本被边缘化。当前全球九大CSP的2026年资本支出预估将同比增长约90%，突破8867亿美元。资本开支的驱动因素已从需求自然增长转向竞争性军备竞赛，例如谷歌、亚马逊、Meta、微软、字节跳动、腾讯等厂商的同步扩张，带有典型的相对财富关注特征，即投资者和企业管理者因害怕被落下而过度投资。但判断是否已到转折点，关键看制度性调整是否已经开始。佩雷斯指出，转折点通常伴随着监管介入、金融资本向生产资本让渡领导权、社会对投机行为的反思。当前环境中，AI监管讨论在升温，但尚未形成系统性的制度重构；金融资本仍在主导，债务融资和表外工具仍在扩张。因此更准确的判断是，AI处于狂热阶段的后期，但尚未进入转折点。
从Gartner 2026年AI技术成熟度曲线看，多数AI技术仍处于期望膨胀期，部分已开始滑向幻灭低谷。Gartner明确警告，至少一半的生成式AI项目将超出预算，多数自建定制模型的企业将因成本、复杂性和技术债而放弃。这与佩雷斯狂热阶段的判断一致：技术本身有真实进展，但期望与可交付价值之间的差距正在被市场逐步认知。Gartner认为生成式AI应用（如编程助手、视频生成）是少数正在爬升启蒙斜坡的技术，说明部分应用已开始产生可验证的价值。但基础模型、AI代理协议等多数技术距离生产成熟期仍有2到5年乃至更长时间。
在OpenRouter平台上，中国人工智能模型处理的token份额已超过美国，这一指标的市场格局较2025年底发生了颠覆性转变。若美国巨额投入无法换来对等的收入回报，美国大规模资本将不再是危言耸听，市场份额的转移则是这一过程的自然结果。2025年底，OpenRouter平台排名前50的AI模型中，美国模型占据约80%的token消耗量，中国模型占比不足20%。截至2026年6月初，中国模型的token份额已经超过了美国模型。这一增长主要由中国开发者推出的高性价比开源权重模型推动。尽管OpenAI的ChatGPT、谷歌的Gemini、Anthropic的Claude等美国顶级模型仍在前沿推理能力领域占据主导，但DeepSeek、阿里巴巴通义千问等中国模型正在带来激烈竞争。这些中国模型在结构化任务、编码和自动化工作流领域的性能可对标美国头部产品，成本却远低于后者，因此越来越多的开发者和企业团队选择将更多流量导向中国模型。
美国AI产业正以超大规模资本开支押注闭源高价模式，而中国开源模型以足够好的性能和极低的成本，正在从边缘市场切入并逐步侵蚀其商业根基，美股AI泡沫最终破灭可能来自在错误的成本结构下投入的大量资本难以收回。自5月中旬起，DeepSeek成为OpenRouter平台调用量最高的AI服务商，目前已有超500家机构从专有模型切换至开源模型。这种替代一旦在开发者习惯和企业采购中固化，便会形成路径依赖。中国开源模型允许企业本地部署、自主修改、无需持续支付高价API费用，这对成本敏感的中小企业和新兴市场尤其具有吸引力。美股泡沫的风险根本来自投入与可实现商业回报之间出现了结构性错配。当一项技术的边际成本可以被开源方案压制较低的水平，那么以高价闭源API为主要变现方式的巨额基础设施投资，投资回报的前景将遭到严重的挤压。当越来越多企业将非核心任务迁移到低成本模型上，美国高价模型的调用量增长就会放缓，而其背后数千亿美元的数据中心和芯片投资仍需偿还。
除此之外，美股AI的算力扩张正遭遇物理世界的硬约束，高昂的算力成本与物理基础设施的瓶颈，正在实质性侵蚀美国AI产业的商业闭环（ROI）。中国相对美国在电力与电网方面具备规模和成本的明显优势，电力供给能力与基础设施完善度持续提升，为人工智能产业发展筑牢坚实能源底座。从规模方面，中国相对美国在数据中心用电方面压力较小。2025年，中国净电力需求超过9500TWh，同比增长5.1%。与前两年相比增速有所放缓，2023年和2024年的电力需求分别增长了6.6%和7.0%预计未来五年这一趋势将持续，电力需求将平均每年增长4.9%。在算力用电方面，2025年，全国数据中心用电量约1700亿千瓦时，占全社会用电量的1.6%，近3年平均增速高达39.5%，远超全社会用电量平均水平。预计到2030年，算力用电将攀升至约8000亿千瓦时，占比升至6%，小于美国算力需求占总需求的比例。截至2026年5月底，我国发电装机达40.1亿千瓦，规模位居全球首位，这一规模超过美国、欧盟、印度、日本、俄罗斯的装机总和，用电结构以工业为主，为算力留出了充足空间。从成本方面，中国电价优势突出，工业电价平均约0.6-0.7元/千瓦时，内蒙古、贵州等绿电富集地区可低至0.3-0.4元/千瓦时。相较之下，美国北弗吉尼亚、硅谷等地数据中心聚集地电价约0.07-0.12美元千瓦时，折合人民币为0.5-0.8元，折算成AI实际产出，成本差距更加明显，按合成100万Token耗电0.1-0.3千瓦时测算，我国西部算力电力成本仅0.03-0.12元，较欧美低30%-50%以上。从布局方面，中国将电网视为需要适度超前建设的基础设施，用国家投资为AI发展铺好了路。例如，通过东数西算工程，中国将算力需求导向西部能源富集区。内蒙古乌兰察布，依托低电价和绿电直连模式，吸引了华为、阿里、字节跳动等公司大规模布局AI投资。这种算力跟着绿电走的规划，避免了在东部负荷中心与民争电。
短期来看，AI 行业当前整体处于理性验证阶段，定价的核心变量从利率有多低变成了业绩有多实。从数据看，部分 AI 指数的估值确实处于历史低位，这意味着前期调整已经消化了相当一部分估值压力，为利率冲击提供了一定的缓冲空间。风险在于加息终点并不确定，如果长端美债收益率持续维持在 5% 附近甚至更高，对整体风险偏好的压制会持续存在，届时即使是硬件端的钝感也可能被消耗。如果加息路径进一步超预期，可控的边界会被重新定义。
拥抱波动与理性配置策略。在AI狂热后半段与高利率交织的复杂宏观环境下，寻找无惧泡沫、能够穿越周期的企业和资产不仅是防御策略，更是长期获取超额收益的核心。首先，泡沫破裂时，最先倒下的一定是依赖外部融资如高收益债、私募信贷维持运转的企业，真正能穿越周期的企业，必须具备强大的自由现金流生成能力。当前AI产业链利润分配极度失衡，芯片端享有极高的ROIC，而云厂商则被庞大的折旧和资本开支拖累。穿越周期的企业往往能在AI赋能下实质性提升自身ROIC，且不需要依赖持续高额资本开支的企业。其次，获取最佳AI模型本身未必带来持久优势，因为技术是广泛可获得且快速迭代的，价值最终会向非模型因素转移，例如：拥有绝对算力垄断、技术专利壁垒极高的上游核心硬件厂商；掌握专有数据、垄断客户关系、控制关键工作流或拥有强大分发渠道的操作系统巨头和交易节点的平台；能够提供高效能源解决方案如电网设备、液冷技术、新型储能等公用事业公司。
八、风险提示
1.美国国内政策力度及效果不及预期风险
尽管美国国内经济基本面稳健，但联邦政府债务规模已处于历史高位，财政预算的博弈可能导致新的财政刺激法案出台受阻。政策层面或将影响市场预期，需关注后续政策定调以及落实力度。
2.加息预期反复的风险
美国经济表现波动、劳动力市场变化、通胀走势、美联储内部分歧公开化、年末中期选举等因素均可能影响美联储加息预期的节奏。
3.市场情绪不稳定风险
中美关税政策变化、全球地缘风险等因素可能对市场情绪产生阶段性扰动。
海外高端金融资讯网站
