现在全球投资圈对 AI 的看法高度一致：这条路还在往前冲，没人觉得会停下来。不管是美国、欧洲还是亚洲的投资者，抽样聊下来，绝大多数都看好 AI，只是买多买少的区别。



正因为大家都这么看多，反而要小心一种情况 —— 很多人把泡沫周期图拿出来讲。意思是说，泡沫涨到顶之后开始往下掉，第一轮下跌的时候，大多数人还不愿意承认泡沫破了，觉得 "只是回调"。
现在 AI 是不是已经泡沫破裂了？市场上确实有这种声音。但对比两种说法，当前更像是后面这种：所有人都还在拼命看多，风险信号已经冒头，只是大家集体不愿意认。



有人会说，你看韩国海力士这种做存储芯片的公司，市盈率才 3 倍。彭博终端上随手就能查到这个数，全市场都盯着。
为什么估值这么低？因为存储行业周期性太强，现在正好是盈利最高点，市场不愿意给高价钱。
老股民都懂一个道理：周期股盈利最高的时候别买，存储芯片又是周期波动最猛的行业之一。市盈率低，就说明市场觉得这家公司明年后年的利润很难再往上冲了。



那为什么新兴云厂商那边却开始慌了？既然大家都看好 AI，为什么焦虑情绪四处蔓延，好多人盯着 CoreWeave 的债券价格往下掉说事？
新兴云厂商是 AI 融资链条的外围先搞清楚新兴云厂商到底是干什么的。这类公司核心业务就是建数据中心、买 GPU、搞算力，然后把算力租给客户。一部分客户是签了长期合同的，另一部分是临时想用算力的。不管这种生意模式靠不靠谱，它们确实站在 AI 赛道的最前面。



但问题是，很多这类公司几乎没有正儿八经的经营现金流，账上的现金少得可怜。它们是整个 AI 融资链条里风险最大的一环，这一点没人否认。
有人帮它们辩护，说这些公司本质上就是换了个马甲的不动产投资信托，风险没那么吓人。这个说法可以讨论，但它们跟谷歌、亚马逊这种手里攥着几千亿美元现金流的巨头比，完全不是一回事。



打个比方可能更清楚 —— 不过咱们不绕弯子，直接说：新兴云厂商就是外围资产，超大云厂商才是核心资产。就像 2008 年金融危机之前，不是大银行先出问题的，早在雷曼倒下之前一年到两年，次级抵押贷款那些产品就已经开始爆雷了。现在最该盯紧的信号，就是新兴云厂商已经开始融不到钱了。



证据就是一家叫 Cypher 的公司。它想靠可转债融资，结果消息一出，股价直接崩了。为什么？因为它根本没资格直接去债券市场借钱。好多人甚至都没听说过 Cypher 这家公司。
但 CoreWeave 的债券被疯狂抛售，不是因为它自己出了什么坏消息 —— 那一周它啥负面公告都没发。真正的导火索就是 Cypher 融资失败、股价暴跌。
嗅觉灵的投资者马上就想：今天是 Cypher 出事，明天会不会轮到 CoreWeave？风险情绪就这么扩散开了。
再看数据中心相关的债券，比如 Meta 发的那些债，早在 Cypher 出事之前好几个月，利差就已经开始拉大了。
投资级的超大云厂商债券，利息差也在慢慢往上走。Cypher 本来是做比特币挖矿的，后来转行做 AI 算力。关键在于：融资端出问题，最先从链条最外面那一圈开始冒出来。
回到一个根本问题：大家到底看多还是看空？团队在全球调研的时候问过投资者一个问题：你觉得在不远的将来，AI 公司融资会变成一件难事吗？60% 的人说会。
按理说，过去这几周发生了这么多事，这个比例应该接近 100% 才对。但居然还有差不多一半的投资者觉得融资不会出问题。
这说明什么？说明 AI 市场现在就是一种集体否认的状态 —— 风险已经摆在眼前了，但大家不愿意相信。
CoreWeave 被抛售还有一个推手。它的创始人布兰登・麦克比接受《金融时报》采访的时候说，公司可以无限制借钱。



这话正好戳中了市场最担心的那根神经：资本是有约束的，不是你想借多少就借多少。
融资市场内部已经开始分化了 —— 出钱的人对不同 AI 公司区别对待，不再是不管谁来都给钱。
前一阵子市场好像钱多得用不完，企业不管是发投资级债还是申请贷款，想要多少就能融到多少。
现在风向变了：资金方挑得越来越严，不是谁都能像以前那样轻松拿到钱。
利率不再无关，融资也有天花板团队在全球跑了一圈，跟大量投资者聊完，汇总结论：之前市场几乎形成了一种共识 ——AI 不受高利率影响。但事实证明这个说法站不住脚。风险是一层一层的，Meta 最新的财报就是一个重要参照，它清清楚楚地证明了一件事：融资是有天花板的，不是无限的。



今年夏天做过一项研究，不只是盯着 AI 看，而是统计整个市场的净融资规模。涵盖了投资级债券、高收益债券、美国国债、股票市场。
从 1995 年开始，把每一年各类资产的净发行规模除以当年对应板块的总市值，拉成一条时间线。结果不出所料：利率往下走的时候，整体融资规模就往上抬；利率往上走的时候，融资就收缩。这就是经济学最基本的规律。



但 2025 年和 2026 年，市场好像把这个规律暂时忘了。重点是，2026 年的数据直接打破了过去的常态。把两年期美国国债收益率和市场净融资规模放在一张图上对照，两者之间的相关性在 2026 年直接失效了。
按照当前的基准利率水平，市场发债、借钱的规模达到了历史上罕见的程度。数据最早能追溯到 90 年代，跟互联网泡沫时期比也完全不一样：互联网泡沫那会儿主要是股票融资多，利率偏高，但美国政府当时财政是有盈余的。现在的环境是独一份的。



资金竞争是真实存在的。AI 公司借钱不是在真空里借，其他行业也要融资，市场上的钱总量就那么多。预测今年投资级债加上高收益债的净发行规模会达到 1.1 万亿美元。大家张口就说万亿，但钱的供给终究是有上限的。
矛盾就在这儿：市场共识还是看多 AI，赛道还在全速往前跑，为什么出钱的人开始犹豫了？CoreWeave、Iron、Cypher 这些外围标的，资本市场已经给出了负面定价。但如果真的相信 AI 长期往上走，看多的人会说：算力总归有人要，GPU 需求一直涨。只要买到了 GPU、接上了电能跑起来，这些资产就不会变成废纸，总能找到下家接盘。



这确实是多头最核心的逻辑。"建好了自然有人来" 这个思路本身没毛病。但有两点必须盯住：一是这些外围企业就是最先报警的地方，苗头不能忽视；二是说到底，最后要看收入能不能真金白银兑现出来。
8 月底发过一篇研报叫《谨慎布局 AI 芯片》。当时 SpaceX 给了一个总潜在市场规模的预估，高达 30 万亿美元，差不多等于美国一整年的 GDP。同事卡梅伦・克里斯整理过一个数据：从 1990 年到现在，现代史上最成功的两家科技公司 —— 微软和苹果，把它们的累计营收扣除通货膨胀之后加在一起，都不到 10 万亿美元。而一份预估直接给出 30 万亿的市场空间，是两家巨头加起来的三倍。这笔钱到底从哪儿来？
标普 500 成分股的总营收大概 17 万亿美元，总开支 11 到 12 万亿，净利润大概 5 到 5.5 万亿美元。大家尽可以畅想企业愿意拿出多少预算来租算力、投 AI，但看实际调用量的数据、看 Open Router 平台的数据，短期 token 消耗的增速已经在放缓了。
巴克莱是 Anthropic 上市的承销商之一，招股书里当然不会问尖锐问题。但不得不说，它招股书里的营收数据确实亮眼。很多人会参考 Open Router 的数据 —— 这个平台上很多用户优先选性价比高的国产开源模型，所以它只能反映一部分市场。但 Anthropic 提交给美国证监会的文件显示，营收曲线还是陡峭往上走的。
开源模型、本地部署与 C 端破局前沿大模型赛道，多头的逻辑是：模型和智能体持续迭代变得更好，客户就愿意付钱。但市场心里一直有个疙瘩：开源模型追得太快了。基准测试上跟闭源前沿模型的差距已经不大，运行成本还低得多。现在市场怎么看开源模型和前沿闭源模型之间的竞争？
这里刚好跟整体看多的叙事形成了一个矛盾：多方数据显示，开源模型的市场占比从 20% 一路最高冲到 80%。单个 token 的成本只有闭源模型的百分之一。AI 推理成本一直在通缩，几乎是历史上通缩速度最快的品类之一，连 2021 年的 NFT 热潮都比不上。但奇怪的是，GPU 租赁价格反而在涨。所以这个话题正反两方都有证据，AI 叙事不再是单边上涨、普涨普跌，个股和赛道之间会剧烈分化。
现在大家讨论的重点，已经不只是开源模型本身，更是本地部署开源模型。这个话题说白了就是：你到底押注人类的创造力会被技术取代，还是押注技术会服务于人的创造力。
拿 2007 年 iPhone 刚出来的时候打个底 —— 那时候如果有人告诉你，20 年后算力会提升好几个数量级，但电池体积不变，2007 年的人肯定觉得是天方夜谭，手机得做成桌子那么大才行。但我们做到了。未来未必每次调用智能体处理邮件、写一封投诉酒店的回信，都得把请求发到俄亥俄州的数据中心服务器集群。再过一年，手机本地芯片就能完成这类任务，甚至现在已经能做到了。口袋里相当于揣着一台超级计算机，不管是开源还是闭源模型，英伟达 Nemo、Meta 发布的模型，现在已经能在笔记本电脑本地跑几十亿参数的大模型了。技术正在沿着效率曲线快速迭代，这也直接关系到前沿模型的收入能不能兑现的问题。
前沿模型未必需要用来解决普通人的日常需求。在旧金山听到一个说法叫 "前沿模型陷阱"：到底哪些行业真的需要博士级别的超强算力？能想到的方向不多：生物医药研发，做药永远不嫌智能算力强；芯片设计本身；还有量化交易，这个不一定。大量行业其实只需要达到某一个智能门槛就够用了。
接着说 iPhone 的例子 —— 当年第一代 iPhone 出来，大家沉迷于模拟喝啤酒的小游戏，觉得无比新奇。现在其实还看不太清楚 AI 最终落地是什么形态。当下普通人处理邮件、投诉租车公司乱收 2000 美元维修费这类事，本地轻量化的智能体就完全够用，暂时不需要顶级前沿大模型。
那什么时候才会重新强烈看多 AI？答案很明确：出现爆款的 C 端应用。说到底，消费端才是经济的基本盘。企业端的收入很难补上巨大的估值缺口，看不到企业付费能在市场期待的时间里交出合格的投资回报。必须在 C 端破局。
一直持一个观点：人类历史上影响深远的技术变革，很多时候不是发明全新技术，而是找到现有技术的落地场景。未来 12 到 18 个月，具备基础智能的自动化工作流很可能普及开来，找到丰富实用的场景，这才会带动 AI 迎来下一轮上涨。
接下来看什么信号新兴云厂商是预警信号，市场处在否认阶段。那什么信号会真正把多头的信心打垮？
最先想到的：某家超大云厂商宣布大幅削减资本开支。来录节目之前，还有客户问，这周财报会不会出现这个信号。现在下结论还太早。东西海岸的投资者观点差异很有意思：西海岸离 AI 产业核心更近，企业和投资者更容易沉浸在看多的叙事里，圈子里容易形成回音室效应。判断是，本周财报大概率不会出现大幅降温，市场热情退潮可能要等到明年。
谷歌上一轮财报调高了资本开支预期，重新点燃了市场热情。不过甲骨文在投资者日上表态，到明年 5 月之前新增融资上限控制在 200 亿美元。或许拐点已经不远了。但市场当下的解读反而偏乐观：只要融资额度可控，算力建设就能持续。
放到大盘层面，标普 500 会陷入拉锯：利好云厂商的消息，可能利空存储芯片股。板块之间剧烈轮动，多空对冲基金做起来非常折磨人。
CoreWeave 这类标的焦虑拉满，市场局部波动剧烈，但波动率指标却异常平静。已实现波动率很低，VIX 恐慌指数也不高。为什么 AI 这个最重要的交易主线暗流汹涌，波动率指标却波澜不惊？
原因可以分成结构性和技术性两类。结构性原因跟资金结构有关。股票本来是单边做多的资产，但现在已经不是了。2020 年多经理对冲基金总规模大概 3000 亿美元，现在已经突破 1 万亿美元。高利率环境对多空策略非常友好：多头、空头同时布局，真正占用的本金只是保证金，还可以通过主经纪商加杠杆。本金放在高息资产里拿稳定的票息，再用杠杆资金博取超额收益。这套商业模式本身很有吸引力。但规模翻了三倍不止，可交易的标的数量没有同步增加，甚至还在变少，结果就是交易变得非常拥挤。
基金用 Barra、Axioma 这类风险模型，用质量、价值、成长、规模等风格因子做中性对冲，把系统性风险剥离掉，抓取个股的特异收益。但所有人都在用同一套框架做对冲，拥挤只是换了一种形式。所以波动不会体现在指数层面，很多资金的交易本身就跟指数无关。于是看到剧烈的风格轮动，拥挤的仓位来回切换。
技术层面：现在绝大多数基金还没法搞定 "AI 因子"。几乎所有资产都被打上 AI 或者非 AI 的标签，这个因子本身一直在变化，贝塔系数持续漂移。年初很多机构做空软件股，软件股当时属于 "空 AI" 的交易；现在软件板块逼近 12 个月高点，AI 因子的定义已经变了。因子叙事持续切换，对冲难度极大。现在市场交易的本质就是押注看多 AI，或者押注看空 AI。过去三年，做空 AI 很难赚到钱。
Alphabet 和微软财报出炉，反差巨大。Alphabet 跌了 7.9%，剔除 TAC 的营收不及预期；微软大涨 6.4%，一季度云收入超预期。两只巨无霸反向剧烈波动，指数层面正负抵消，看起来波澜不惊。微软 Azure 云收入增速，市场一致预期 44.8%，最终给到 48%。体量这么大的公司，接近 50% 的增速。谷歌云营收 300 亿美元，增速更是达到 103%。
亮眼的业绩也是很多人说标普 500"无敌" 的原因。标普盈利增长高度集中，明年标普 500 大约三分之二的盈利增长来自半导体板块，算上整个 AI 生态，75% 的盈利增量都来自 AI。指数 AI 化的程度越来越高。
最核心的趋势就是分化：资金不再无限供给，资本方开始择优，不同商业模式的企业会承受完全不同的定价。市场曾经流行一句话：利率已经不重要了。很多人自我安慰：一年增长 44%，5% 还是 5.25% 的利率根本无所谓，算力建设只管往前冲。但这是投资者的自我安慰。利率在边际上一定会产生影响，尤其是新兴云厂商这类高杠杆的外围标的。
指数高度 AI 化这件事也很惊人。云厂商的盈利逻辑建立在其他企业采购算力、提升自身利润之上，但下游企业的盈利改善还没有兑现。指数的上涨，更多是在押注未来的终局。
多经理基金本来寻找独立的阿尔法收益，但过去一年，能赚到大钱的机构，收益源头几乎都绕不开 AI 因子，本质就是加杠杆做多 AI。当下市场充满分歧，也非常有意思。Alphabet 每分钟处理 320 亿 token，环比上涨 40%，这些数字对很多人来说已经没有直观概念了。