撰文：趙穎
來源：華爾街見聞
油價站上每桶 100 美元上方，霍爾木茲海峽尚未恢復正常開放，通脹與利率壓力重新抬頭，美联储降息預期變得更脆弱。按傳統宏觀框架，這並非高估值科技股最舒適的環境。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 應用的擴散帶來了 Token 消耗、推理算力需求以及頭部廠商 ARR 的快速增長；狂熱的一面，是估值已提前消化了 2027—2028 年的增長預期。截至 5 月 20 日，美股七巨頭的前瞻市盈率約為 35 倍，標普 500 指數其餘 493 家公司約為 25 倍。此溢價隱含的並非普通成長股邏輯，而是 AI 的滲透速度需達到過去技術革命的 5 至 8 倍。
但真正決定 AI 牛市能否延續的，不是單一季節的業績，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、利率和日圓套息交易平倉；中期看產業兌現度，AI 渗透速度能否匹配當前估值；長期看能源、電網、就業、社會阻力和硬體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
在上一輪 AI 交易中，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晰。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、更複雜步驟、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。隨著 Openclaw、Claude Cowork 等代表性 Agent 應用的擴散，模型廠商的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 預期已從年初的 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。
這解釋了為何市場不再簡單地懲罰資本支出。只要收入增長足夠快，資本支出便從負擔轉變為護城河。因此，英偉達、博通，以及光模組、存儲等硬體鏈條重新獲得支撐。
油價高於 100 美元，AI 資產為何仍能上漲？
這輪 AI 資產逆油價上漲，並非因為宏觀風險消失，而是有幾股力量暫時壓過了風險。
首先是產業鏈需求擴散。推理階段不僅需要 GPU，CPU、光模組和存儲也加入高景氣邏輯。800G/1.6T 光模組供不應求，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。
其次是科技巨頭的業績過於強勁。第一季度標普 500 的 EPS 增速約為 27.1%，創下 2021 年第四季度以來的新高，其中 Meta、Alphabet 和亞馬遜三家公司的貢獻佔指數盈利增量的 70%。只要這些權重公司持續賺錢，油價衝擊對指數的壓制就會被推遲。
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的敏感度低於航空、快遞、鐵路、化工、汽車、旅遊等行業。它們更擔心電價，而非油價。當傳統實體經濟受到油價壓迫時，資金反而更容易聚集到 AI 資產中，將「避險」交易與成長交易融合在一起。
估值已提前消化了 2027—2028 年的美好時光
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、搜尋、雲服務、辦公軟體、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實現。
但技術革命很少如此順利。電力從發明到大規模應用於流水線約用了 40 年，電腦約用了 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。
這並非不可能，但容錯空間很薄。只要 AI 應用商業化速度慢於資本支出，推理需求跟不上訓練需求，或折舊和電力成本開始侵蝕利潤率，估值就會率先反應。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，通脹將從能源價格擴散至服務業、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。
掉期市場已為美联储今年加息 0.8 次定價，歐洲央行、英國央行甚至加息 2 次以上。與此同時，美联储換屆帶來的政策獨立性質疑以及 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，但日圓貶值和通脹壓力迫使日本央行釋放緊縮訊號，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 日曾出現一次預演：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%，納指下跌約 1.5%。這並非趨勢逆轉的證據，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）上修速度能否快過利率上行速度。如果不能，資金可能先縮向確定性更高的硬體環節；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、就業和硬體路線
中期考驗是產業落地。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。
The current challenge with AI pricing lies in its near requirement for enterprises to rapidly adapt their organizational structures, workers to quickly retrain, business models to rapidly achieve viability, and for no strong resistance to emerge at the societal level. Such speed is uncommon in human history.
Long-term constraints are stricter.
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 在短期內能提升企業效率，減少工程師、客服等崗位需求；但如果技術性失業速度快於新崗位創造，居民消費能力將被削弱。B 端效率提升最終仍需依賴 C 端購買力實現變現，若非 AI 部門陷入衰退，AI 也難以長期獨領風騷。
第三是社會接受度。中國年初曾出現全民安裝 Openclaw 的熱潮，但美國民眾對數據中心推高電價和技術性失業的抵觸情緒正在升溫。這會影響 AI 的滲透速度。
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 產業的長期前景仍然樂觀。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，留下的資料中心、低成本技術和已驗證的應用場景，也可能成為下一轮產業擴張的基礎。
但股票定價並非產業願景本身。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、利率與社會約束都變硬的環境下繼續兌現。方向正確，只能解釋為何有牛市；兌現速度，才決定泡沫會不會失控。