国金宏观认为，真正决定 AI 牛市能否延续的，不是单一季度的业绩，也不是某一个爆款应用，而是三个变量：短期看流动性冲击，尤其是油价、通胀、利率和日元套息交易平仓；中期看产业兑现度，AI 渗透速度能否匹配当前估值；长期看能源、电网、就业、社会阻力和硬件技术突变这些更硬的约束。

撰文：赵颖

来源：华尔街见闻

油价站在 100 美元 / 桶上方，霍尔木兹海峡尚未恢复正常开放，通胀和利率压力重新抬头，美联储降息预期变得更脆弱。按传统宏观框架，这不是高估值科技股最舒服的环境。但美股创出新高，AI 链条继续被资金追逐。

国金证券宏观分析师宋雪涛在 5 月 25 日的研报中指出：「当前 AI 行情处于理性狂热阶段，泡沫已现但并未失控。」这句话的关键不在「泡沫」，而在「理性」狂热：Agentic AI 从辅助工具走向自主执行工具，让市场第一次更清楚地看到 AI 从「烧钱」到「赚钱」的商业闭环。

理性的一面，是 Agent 应用扩散带来了 Token 消耗、推理算力需求和头部厂商 ARR 的快速增长；狂热的一面，是估值已经提前吃掉了 2027—2028 年的增长预期。截至 5 月 20 日，美股七巨头前瞻市盈率约 35 倍，标普 500 剩余 493 家公司约 25 倍。这个溢价隐含的不是普通成长股逻辑，而是 AI 渗透速度要达到过去技术革命的 5 到 8 倍。

但真正决定 AI 牛市能否延续的，不是单一季度的业绩，也不是某一个爆款应用，而是三个变量：短期看流动性冲击，尤其是油价、通胀、利率和日元套息交易平仓；中期看产业兑现度，AI 渗透速度能否匹配当前估值；长期看能源、电网、就业、社会阻力和硬件技术突变这些更硬的约束。

Agent 从「副驾」变「主驾」，市场开始奖励资本开支

过去一轮 AI 交易里，市场最担心的是巨头花钱太快：数据中心、GPU、云基础设施投入巨大，但收入回收路径不够清楚。Agentic AI 的变化在于，它不再只是 Copilot 式辅助工具，而是向 Autopilot 式自主执行工具演进。

这带来了两个结果。

第一，Token 消耗量重新加速。GPT 出现后的第一轮需求来自模型能力提升，Agent 落地后的第二轮需求来自推理算力爆发。自主执行任务意味着更长上下文、更复杂步骤、更频繁调用模型，推理不再是训练之后的边角料，而变成持续消耗算力的主战场。

第二，收入预期被上修。Openclaw、Claude Cowork 等代表性 Agent 应用扩散后，模型厂商年度经常性收入同步快速增长。素材中引用的年中测算显示，Anthropic 全年 ARR 预期已从年初 90 亿美元上调至 440 亿美元，平均每六周翻一番，若趋势延续，明年 ARR 有望超过 3000 亿美元。

这解释了为什么市场不再简单惩罚 Capex。只要收入增速足够快，资本开支就从负担变成护城河。英伟达、博通，以及光模块、存储等硬件链条因此重新获得支撑。

油价 100 美元以上，AI 资产为何还能涨？

这轮 AI 资产逆油价上涨，不是因为宏观风险消失，而是有几股力量暂时压过了风险。

首先是产业链需求扩散。推理阶段不只需要 GPU，CPU、光模块、存储也被拉进高景气逻辑。800G/1.6T 光模块紧俏，高端存储需求上升。Light Counting 预测，2026 年 800G 收发器出货量将翻一番以上，1.6T 端口出货量将从 2025 年的较小基数增长至数千万个，2026 年 1.6T 芯片组销售额将超过 20 亿美元，并在未来三年保持高增速。

其次是科技巨头业绩太强。一季度标普 500 EPS 增速约 27.1%，创 2021 年四季度以来新高，其中 Meta、Alphabet 和亚马逊三家公司贡献了指数盈利增量的 70%。只要这些权重公司继续赚钱，油价冲击对指数的压制就会被推后。

第三是美国增长对 AI 基建的依赖提高。过去几个季度，美国 GDP 增长中 AI 基建投资贡献超过一半。非农、零售等总量数据尚可，虽然就业结构已经分化，但总量没明显转弱前，市场很难立刻切到滞胀交易。

还有一个更直接的因素：大型科技公司对油价不如航空、快递、铁路、化工、汽车、旅游等行业敏感。它们更怕电价，而不是油价。传统实体经济受油价挤压时，资金反而更容易抱团到 AI 资产里，把「避险」交易和成长交易揉在一起。

估值已经把 2027—2028 年的好日子先吃掉

AI 行情的危险，不在于没有产业支撑，而在于市场定价太快。

美股七巨头 35 倍前瞻市盈率，标普 500 剩余 493 家公司 25 倍。这个估值差背后，隐含的是一套非常顺滑的未来：未来 3 到 5 年 AI 基础设施继续扩张，算力、云、数据中心、半导体需求保持高景气；AI 持续渗透广告、搜索、云服务、办公软件、代码生成、金融风控、客服、投研、内容等场景；收入贡献和效率提升同时兑现。

但技术革命很少这么顺。电力从发明到大规模应用流水线用了约 40 年，计算机用了约 25 年。现在 AI 被市场定价的扩散速度，等于要求它比这些通用技术快 5 到 8 倍。

这不是不可能，但容错空间很薄。只要 AI 应用商业化慢于资本开支，推理需求接不上训练需求，或者折旧和电力成本开始侵蚀利润率，估值就会先反应。产业方向正确，并不等于股票价格可以无限提前。

短期最大风险：利率跑得比 ARR 更快

短期真正的压力来自流动性。

如果霍尔木兹海峡长期不开放，油价维持在 100 美元以上甚至继续上行，通胀会从能源价格扩散到服务业、运输和原材料。4 月美国 PPI 同比已升至 9.8%，为 2022 年 10 月以来新高。通胀一旦固化，美联储的政策路径就会被迫重写。

掉期市场已经定价美联储今年加息 0.8 次，欧央行、英国央行甚至加息 2 次以上。与此同时，美联储换届带来的政策独立性质疑、FOMC 内部分歧增加，也在削弱市场对未来宽松的信心。

日本也是一只灰犀牛。日本长期是全球杠杆交易的融资池，但日元贬值和通胀压力迫使日本央行释放紧缩信号，30 年期日债收益率已上行至 4% 以上。如果日本融资成本继续上升，引发全球套息交易平仓，高估值 AI 资产很难独善其身。

5 月 15 日已经出现过一次预演：10 年期美债收益率突破 4.5%，30 年期突破 5%，高拥挤度动量交易降温，费城半导体指数单日下跌约 4%，纳指跌约 1.5%。这不是趋势逆转的证据，但说明拥挤交易对利率极其敏感。

短期最关键的比较很简单：ARR( 年度经常性收入 ) 上修速度能不能快过利率上行速度。如果不能，资金可能先缩到确定性更高的硬件环节；如果流动性继续恶化，而 AI 收入预期又无法继续上修，估值压力会明显放大。

中长期更难的问题：组织、电力、就业和硬件路线

中期考验是产业兑现。通用技术革命通常不是直线上升，而是「先加速、再减速、再加速」。先有资本浪潮，再有组织磨合，最后才是生产率释放。互联网早期也经历过投资热潮、资本开支扩张和资产泡沫，真正的生产率改善是多年后才逐步显现。

现在 AI 定价的难点在于，它几乎要求企业组织架构快速适配、劳动者快速再训练、商业模式快速跑通、社会层面不出现强抵触。这种速度在人类历史上并不常见。

长期约束更硬。

第一是能源和基础设施。AI 数据中心需要大量电力和冷却水，电网扩容、变压器、储能都不是 PPT 里的变量，而是真实瓶颈。若 AI 基建持续推高全社会电力成本，监管和社会反弹会升温。

第二是就业和消费。AI 短期能提升企业效率，减少工程师、客服等岗位需求；但如果技术性失业快于新岗位创造，居民消费能力会被削弱。B 端效率提升最终仍要靠 C 端购买力变现，非 AI 部门若陷入衰退，AI 也很难长期一枝独秀。

第三是社会接受度。中国年初出现过全民装 Openclaw 的热度，但美国民众对数据中心推高电价、技术性失业的抵触情绪正在升温。这会影响 AI 渗透速度。

第四是硬件技术突变。如果出现类似「DeepSeek 时刻」的工程突破，算力、存储、传输效率大幅提升，那么今天最紧缺的硬件环节，可能突然变成过剩。硬件链条的高景气逻辑并非不可颠覆。

AI 产业长期前景仍然乐观。若不考虑技术性失业和生产关系重构带来的社会矛盾，AI 确实有机会提升全要素生产率，帮助经济摆脱滞胀压力。即便金融市场中途去杠杆，留下的数据中心、低成本技术和已验证应用场景，也可能成为下一轮产业扩张的基础。

但股票定价不是产业愿景本身。这轮 AI 牛市最需要验证的，是市场当前押注的 ARR、ROI 和技术渗透速度，能否在油价、通胀、利率和社会约束都变硬的环境下继续兑现。方向正确，只能解释为什么有牛市；兑现速度，才决定泡沫会不会失控。