Hotcoin Research｜AI革命持續：為何AI股市開始降溫？

By: rootdata|2026/08/07 10:56:46

到2026年7月底，全球對AI的投資熱潮突然降溫，顯示出高估值和高槓桿支撐的市場結構出現裂痕。7月28日，韓國KOSPI指數在一天內下跌超過10%，AI供應鏈中的核心公司，如三星電子和SK海力士，成為拋售的中心。在同一時期，專注於AI股票的對沖基金Situational Awareness在遭受損失後，拋售了其公共股票投資組合。值得注意的是，這一下降並不是在AI需求停滯、芯片收入崩潰或模型能力退步的背景下發生的。相反，微軟Azure、谷歌雲和AWS仍然顯示出強勁的增長，Nvidia的數據中心收入也達到了新高。

這一看似矛盾的現象是理解AI泡沫的起點：技術革命和資產泡沫並不是互斥的。AI可以不斷提高生產力並創造新的產品進入點，同時導致過度的資本支出、融資結構失衡和資產價格被過度拉高。真正需要回答的問題不是「AI是否有價值」，而是行業的收入、資本投資和金融定價是否仍然一致。當技術進步每月變化時，行業回報每年變化，市場定價每秒變化，泡沫的風險就在這三種速度的不一致中積累。

1. AI的資本風險正在累積：行業增長和資產泡沫同時放大

要判斷AI是否存在泡沫，首先必須區分工業事實和金融定價。AI用戶數量、模型能力、雲計算需求和芯片收入都在增加，這足以駁斥「AI沒有真正需求」的說法；然而，工業現實並不等同於合理的估值，也不意味著每一筆資本支出都會產生足夠的回報。

1.1 AI需求持續增長；行業繁榮並非虛構

斯坦福大學的《2026 AI指數報告》顯示，受訪機構中AI的採用率已達88%，生成式AI在三年內達到全球人口的約53%。模型能力也沒有停滯：幾個尖端模型在博士級科學問答、多模態推理和競爭數學等測試中接近或超過人類基準。

來源：https://hai.stanford.edu/ai-index/2026-ai-index-report

商業數據也在改善。到2026年第二季度，微軟Azure的年收入首次超過1000億美元，微軟365 Copilot的付費用戶超過3000萬；亞馬遜AWS的第二季度收入同比增長37%，達到1690億美元的年化收入水平；谷歌雲的收入同比增長82%，積壓訂單達到5140億美元。Nvidia在2026財年的數據中心收入達到1937億美元，同比增長68%。這些數字表明，企業確實在為計算能力、雲服務和AI工具付費；AI不僅僅是沒有收入的空殼。

1.2 泡沫源於「投資超過回報」

對AI泡沫的更準確定義不是由虛假技術支持的增長，而是市場對真實技術的過度資本化。根據MSCI的統計，截至2026年5月，美國AI相關公司的資本支出同比增長近60%，約為非AI公司的十倍，但收入增長顯著低於資本支出增長。與此同時，AI相關公司在大多數市場中享有估值溢價，美國、韓國和台灣的AI相關公司市淨率約為當地非AI公司的三倍。

市場集中進一步放大了這一定價。標普道瓊斯指數的數據顯示，截至2026年6月30日，標普500指數前十名成分股的合併權重約為36.4%；根據不同日期和指數調整，這一比例曾接近40%。除了摩根大通，剩餘的頭寸均由大型科技或半導體公司佔據。當科技巨頭同時承擔指數權重、AI資本支出和利潤增長的角色時，AI不再僅僅是一個行業軌道，而成為全球被動基金、養老基金和指數產品持有的核心風險因素。當市場上漲時，集中度可以放大回報；當市場轉向時，這一結構也可以放大撤回。

1.3 科技股的下滑揭示了市場結構的脆弱性

2026年7月AI股票的調整顯示，市場定價已從「收入增長」轉向「增長是否能覆蓋投資」。在三星電子和SK海力士報告強勁業績後，其股價仍大幅下跌；到7月底，KOSPI指數在一天內下跌超過10%。這表明，當市場預期已經很高時，僅僅實現增長不足以支撐價格；公司必須不斷超越預期，並證明新的能力不會在未來轉化為庫存、折舊和價格競爭。

根據Axios的報導，由前OpenAI研究員Leopold Aschenbrenner創立的AI對沖基金Situational Awareness已經拋售了其整個公共股票投資組合。這並不證明AI泡沫已經破裂，但揭示了資本市場更現實的一面：即使長期的方向性判斷是正確的，高集中度和高槓桿仍可能阻止投資者等待長期邏輯的實現。通常，首先打破投資者的不是公司的基本面，而是現金流和流動性。

AI行業增長和資產泡沫可以共存。需求增長證明AI革命仍在持續，但資本支出、市場集中度和估值溢價已將問題升級為「資本回報能否實現？」最近的下滑並不確認行業週期的結束，但明確表明金融結構開始承受壓力。

2. AI泡沫的形成：資本支出、折舊壓力和金融槓桿的同時擴張

AI泡沫不是由單一公司或單一估值指標造成的，而是一個持續的過程：不足的計算能力驅動資本支出，資本支出支持上游收入，上游收入強化市場敘事，股價上漲降低融資成本，最終吸引更多資本。當這一循環運行得足夠快時，市場很容易將短期供應短缺誤解為可以無限增長的長期利潤。

2.1 四大科技巨頭的資本支出接近歷史極限

根據2026年的最新指導，微軟、Alphabet、亞馬遜和Meta的年資本支出總計約為7200億至7450億美元。如果由於租賃會計變更而從資本支出中剔除的微軟部分重新納入經濟投入，這四家公司實際的AI基礎設施投資規模約為7350億至7600億美元。

這些公司的2026年資本支出指導的最新變化主要集中在：

微軟：約1750億美元（原約1900億美元），因租賃分類變更而下降，但經濟投入計劃保持不變。
Alphabet：1950億至2050億美元，較之前的伺服器、數據中心、網絡和AI研發指導增加約150億美元。
亞馬遜：約2200億美元，較年初增加200億美元，用於AWS、AI芯片、機器人和衛星。
Meta：1300億至1450億美元，指導的下限從1250億美元提高，用於AI訓練、推理集群和數據中心。

數據來源：各公司的2026年財務報告和管理指導。資本支出、融資租賃和其他基礎設施投資的統計標準在各公司之間有所不同，總值用於觀察投資強度，並不代表完全可比的會計標準。

國際能源署（IEA）的統計顯示，在數據中心建設的推動下，微軟、亞馬遜、Alphabet（谷歌母公司）、Meta和Oracle的資本支出總額在2025年超過4000億美元，甚至超過全球石油和天然氣生產的投資規模；預計在2026年增長約75%，接近7000億美元。巨額投資也開始轉化為實際的能源壓力：全球數據中心的電力需求在2025年增長了17%，遠超全球電力需求增長率的3%，而AI數據中心的增長速度更快。根據IEA的預測，到2030年，全球數據中心的電力消耗將是目前水平的兩倍，而AI數據中心的電力消耗可能會增長三倍。

然而，資本支出有著顯著的時間滯後：今天購買的GPU、土地和電力需要未來幾年內的用戶增長來回收。任何需求判斷的輕微偏差都可能迅速從「計算能力不足」轉變為「資本過剩」。

2.2 新投資的回報門檻正在上升

Meta的第二季度收入達到608億美元，同比增長28%，但該季度的資本支出達到310.8億美元，僅剩下7.84億美元的自由現金流。亞馬遜過去12個月的經營現金流達到1614億美元，但對於財產和設備的淨支出上升至1690億美元，將自由現金流從去年同期的182億美元轉變為流出76億美元。Alphabet的第二季度資本支出約為449億美元，將其全年的指導提高至1950億至2050億美元。

微軟的情況相對穩定。其2026財年第四季度的資本支出為410億美元，自由現金流仍為196億美元，Azure的收入增長了43%。這表明，巨額的AI投資並未使所有科技巨頭同時陷入現金流危機。真正值得關注的不是這些公司是否會立即耗盡資金，而是每增加一美元的資本支出能產生多少額外的收入和自由現金流。

這也是當前AI泡沫與2000年互聯網泡沫之間的一個關鍵區別。目前主要承擔資本支出的公司通常擁有來自廣告、雲計算、軟件訂閱和電子商務的成熟現金流來源，使其對風險的抵抗力更強。然而，巨頭不會破產並不意味著其股價不會被重新評價，也不意味著供應鏈和高估值的初創公司能夠抵禦資本支出的減少。

2.3 快速的GPU迭代帶來折舊壓力

微軟披露，其2026財年第四季度約三分之二的資本支出分配給了GPU和CPU等短週期資產。Alphabet也表示，約60%的技術基礎設施投資流向伺服器，其餘主要用於數據中心和網絡。土地和建築可以使用數十年，但GPU、伺服器和網絡設備需要不斷更新，其實際經濟壽命遠短於數據中心建築。

這造成了一個容易被忽視的悖論：AI技術進步越快，前一代設備的經濟價值下降得越快。新芯片可以顯著降低單位推理成本並促進行業採用，但可能迫使雲供應商提前更新設備。技術進步對用戶來說是一種通縮力量，但對設備持有者來說卻可能成為折舊的加速器。

因此，要判斷AI資本支出是否過度，不僅要看數據中心的數量，還要考慮設備利用率、每單位計算能力的收入以及舊芯片與新芯片之間的更換速度。如果新增的產能無法迅速轉化為穩定的負載，GPU庫存可能會從「稀缺資產」轉變為需要折舊的過剩設備。

2.4 循環融資可能高估需求獨立性

AI行業中存在一個獨特的資本循環：雲供應商投資於模型公司，模型公司在獲得融資後購買雲計算能力，然後雲供應商將這些合同計入積壓訂單和未來收入。微軟披露，OpenAI的新Azure服務承諾已達到2500億美元；截至2026財年第四季度，微軟的商業剩餘履約義務達到6780億美元，同比增長84%，如果不計入OpenAI，增長為25%。

這並不等同於收入欺詐。模型訓練確實消耗計算能力，雲供應商確實提供伺服器、電力和網絡服務。然而，這意味著部分需求並不完全來自具有正現金流的最終客戶，而是依賴於模型公司的融資能力。當資本市場願意不斷向模型公司提供資金時，循環可以擴大；一旦融資成本上升，對計算能力的需求可能會比表面訂單下降得更快。

值得注意的是，微軟最新的財務報告還顯示，其商業訂單的環比增長主要來自於領先模型公司以外的客戶，近90%的年雲收入來自於模型公司以外。這表明AI需求正在向企業市場擴展，不能簡單歸因於循環融資。真正需要觀察的是外部企業需求是否能逐步取代依賴融資的需求，並成為AI基礎設施的長期付款者。

III. AI產業鏈的差異化：真實收入，利潤分配不均

AI產業鏈並不是一個完全統一的利益集團。芯片製造商、雲平台、模型公司和應用開發者處於不同的現金流階段，承擔著不同的風險。當前收入增長最快的細分市場可能並不是長期利潤最穩定的市場；投資最重的細分市場最終也可能無法獲得最大的價值分配。

3.1 芯片和設備供應商首先實現收入，但最容易受到訂單逆轉影響

AI資本支出已開始轉化為上游公司的實際收入。NVIDIA在2026財年的收入達到2159億美元，同比增長65%，數據中心收入為1937億美元，增長68%。芯片和基礎設施軟件公司Broadcom也保持快速增長，截至2026年5月3日的季度收入達到222億美元，同比增長48%。這表明AI基礎設施建設已產生了實際的採購需求；然而，快速的收入增長能否長期轉化為穩定的利潤仍取決於客戶的資本支出、產品價格和供應鏈條件。

然而，上游的高繁榮來自於集中客戶的投資。當微軟、亞馬遜、Meta和Alphabet同時擴大數據中心時，芯片、HBM、高級包裝、光模塊和電源設備都將受益；一旦其中兩三家公司減少資本支出，供應鏈公司的訂單變化將被放大。芯片公司面臨的不僅是需求週期，還有技術迭代、庫存和客戶自研芯片的競爭。

因此，當前AI硬件的主要風險在於市場將暫時的高利潤率外推為長期的常態。硬件公司可能會繼續增長，但發現難以永久維持需求超過供應、價格上漲和客戶重複購買的狀態。

3.2 雲供應商控制計算能力的訪問，但承擔著最重的資本支出

雲供應商是AI產業鏈中最接近「收費公路」的細分市場。微軟、谷歌和亞馬遜不僅租用GPU，還提供數據庫、存儲、安全性、身份、模型部署和企業軟件。一旦客戶將其數據和業務流程遷移到雲平台，轉換成本就會增加，使雲供應商能夠從純計算能力銷售擴展到完整的AI技術堆棧。

最近的數據已經顯示了這一能力：Azure的年收入超過1000億美元，AWS第二季度的營業利潤達到166億美元，營業利潤率上升至39.4%；谷歌雲的收入增長82%，積壓訂單達到5140億美元。與單一模型公司相比，雲供應商擁有更廣泛的客戶基礎和更多的收入來源。

然而，雲供應商面臨的問題是必須提前為未來需求購買設備和電力。當應用需求不足時，模型公司可以減少使用，企業客戶可以削減試點項目，但雲供應商仍需承擔數據中心租賃、折舊和能源成本。因此，雲平台擁有更強的長期議價能力，但也承擔著更大的資產負債表風險。

3.3 模型能力持續提升，但模型本身變得更容易被替代

OpenAI披露，其企業業務已貢獻超過40%的收入，API每分鐘處理超過150億個標記；斯坦福AI指數顯示，幾個領先模型之間的綜合能力排名差距已顯著縮小。模型需求持續增長，但領先模型之間的競爭正從「能否完成任務」轉向「誰更便宜、更穩定、更適合特定場景」。

這將產生雙向影響。模型價格的下降和推理效率的提高有助於擴大AI的使用規模，但將壓縮模型公司的單位收入。開放模型、雲供應商自研模型和垂直模型不斷進入競爭，企業客戶也開始採用多模型架構，以避免被單一供應商鎖定。微軟披露，自2026年以來，使用多個模型供應商的客戶數量增加了五倍，表明模型替代已從技術可能性轉變為企業採購策略。

模型公司可能仍然建立強大的品牌、數據和用戶網絡，但僅僅依賴領先模型參數建立長期壟斷變得越來越困難。未來的真正障礙可能來自企業數據、分銷渠道、用戶工作流程和單位推理成本，而不是單一基準測試的領先。

3.4 應用層決定最終需求，但尚未普遍證明利潤貢獻

AI真正創造價值的時候是企業重新設計流程，而不僅僅是為員工添加AI工具。客戶服務、編程、財務分析、醫療記錄和供應鏈管理等領域已出現可量化的案例，但在單點提高效率與整個公司的利潤增長之間仍存在差距，這涉及數據治理、系統集成、員工培訓和責任分配。

應用層的資本支出相對較低，最有機會受益於模型成本的下降；然而，競爭門檻也可能降低。許多AI應用依賴於相同的基礎模型，功能容易複製，導致利潤可能流回擁有客戶關係和商業數據的傳統軟件公司。AI行業的長期贏家可能不是擁有最強模型的公司，而是那些最能將模型整合到付費流程中的公司。

AI產業鏈已經產生了實際收入，但利潤分配不穩定。硬件首先受益，但也面臨訂單週期；雲供應商控制訪問，但承擔資本支出；模型公司快速增長，但面臨價格競爭；應用層最接近最終價值，但仍需證明可擴展的利潤。

IV. 加密貨幣市場成為AI風險的24/7槓桿傳輸層

傳統股市主要在固定時間內交易，但加密貨幣平台正在將對NVIDIA、微軟、AI指數、槓桿ETF和AI初創公司的期望轉變為全天候合約，使用戶能夠通過Binance和Hotcoin等平台方便地參與全球AI資產交易。加密貨幣市場並未創造AI泡沫，但改變了風險的交易、放大和傳輸方式。加密貨幣市場將AI風險從股票交易時間延伸到全天候市場，並通過永久合約、槓桿ETF和AI相關代幣提高風險水平。它增強了全球參與和價格發現的速度，同時允許預言機偏差、資金利率和強制平倉更快地參與資產定價。

4.1 永續股票將AI交易擴展至傳統市場關閉之外

CoinGecko的數據顯示，RWA永續合約的月交易量從2025年初的2.3億美元增長至2026年5月的347.17億美元，2026年前五個月的累計交易量達到1.32萬億美元。永續股票的月交易量從2025年7月的8.31億美元增長至2026年5月的340億美元，增長近40倍。

AI產業鏈是永續股票增長的重要推動力。到2026年5月，與Micron相關的永續股票的交易量從上個月的7.36億美元增長至131.6億美元，增長約17倍；NVIDIA、特斯拉和Circle也名列高交易量目標。到2026年6月，RWA永續合約的月交易量進一步接近470億美元。

這些產品大多不是股票代幣，並不意味著用戶持有相應公司的股票。它們通常是參考預言機價格的合成合約，通過保證金和資金利率維持價格的穩定。用戶交易股票價格變化，而不是公司的投票權、股息或剩餘權益。

4.2 槓桿ETF增加雙重槓桿，將路徑損失轉化為清算風險

永續股票已經包括保證金槓桿。如果合約目標是兩倍或三倍槓桿的ETF，風險結構變得更加複雜：第一層來自ETF內的每日槓桿重置，第二層來自永續合約賬戶的保證金和強制平倉。

槓桿ETF並不保證在一周或一個月內對基礎資產的累積回報有固定倍數。美國證券交易委員會提供了實際案例：一個指數在四個月內上漲2%，而相應的兩倍槓桿ETF下跌6%；另一個指數上漲約8%，而其三倍槓桿ETF下跌53%。原因在於每日重置、複利和波動損失。

如果用戶通過永續合約進一步槓桿化槓桿ETF，基礎資產的路徑損失、永續資金利率和賬戶清算線將同時發揮作用。在持續的市場下跌中，槓桿ETF需要減少風險敞口，而永續賬戶也可能被強制平倉，形成「基礎股票下跌---ETF減少---永續清算---流動性持續下降」的放大鏈。

4.3 AI代幣承載科技敘事，但往往無法捕捉相同的現金流

除了永續股票，加密貨幣市場還通過AI代幣、AI代理和DePIN項目承載科技股的敘事。然而，這些代幣並不具有與上市AI公司相同的股權結構。持有NVIDIA股票代表對公司利潤和剩餘資產的索賠，而持有某個AI代幣可能不會賦予對協議收入、計算能力設備或模型公司的法律權利。

這意味著同樣的「AI增長」敘事在進入加密貨幣市場時可能會進一步抽象化。項目擁有用戶並不意味著代幣捕捉收入，網絡生成的收入也不保證分配給代幣持有者。一些項目的估值更多來自未來採用預期、代幣流動性和市場情緒，而不是可驗證的現金流。

真正值得關注的不是項目是否使用AI概念，而是代幣在系統中的功能：它是用來支付實際計算能力、獲得服務折扣、承擔網絡安全，還是分享可驗證的收入？如果代幣僅僅是敘事的載體，那麼在科技股調整期間，它往往會遭受比擁有成熟現金流的上市公司更大的回撤。

4.4 預言機和持續清算縮短風險傳輸時間

2026年3月，標普道瓊斯指數正式授權Trade[XYZ]在Hyperliquid上推出基於標普500的永續合約，這表明傳統指數提供商開始認識到加密永續合約作為新分發渠道的商業價值。

然而，24/7交易也帶來了新的定價問題。在美國股市關閉後，基礎股票不再繼續交易，股票永續合約只能根據指數期貨、相關資產、市場做市商報價和市場預期的變化進行定價。此時，合約價格反映的是對下一次開盤的預期，而不是立即可套利的現貨價格。週末的重大事件可能導致合約與前一個交易日的收盤價出現顯著偏差。

當傳統市場重新開盤時，現貨價格、預言機數據和永續頭寸需要再次收斂。如果差異過大，高槓桿頭寸可能在現貨市場恢復流動性之前被清算。因此，雖然加密市場提供了風險的更持續表達，但不一定提供更準確的基本價格。它主要是一個情緒、槓桿和預期的持續交易層。

展望與結論：AI不會因泡沫而消失，市場將回歸現金流定價

AI市場同時面臨兩股對立的力量。一方面，微軟、AWS和谷歌雲的最新增長數據表明，計算能力和企業AI的需求仍然強勁；另一方面，Meta、Alphabet和亞馬遜的現金流壓力表明，資本支出已進入需要證明回報的階段。

這種結合意味著市場更可能出現「強勁的盈利報告與疲弱的股價共存」或「高投資導致強勁反彈」的情況。投資者不再交易AI是否有需求，而是實際結果與高預期相比有多好。一旦預期足夠高，即使收入持續增長，增長放緩或資本支出持續增加也可能觸發價格調整。市場的焦點正在從「擁有多少GPU」轉向「每投資一美元能產生多少現金流」。

在接下來的一到兩年內，AI市場可能會出現三種結果：如果企業需求快速增長並吸收新的計算能力，資本支出將逐漸轉化為收入和利潤，導致市場相對溫和的消化；如果需求持續增長但未能跟上投資速度，行業不會崩潰，但將經歷估值調整和利潤再分配，芯片、雲平台、模型和應用公司之間的區別將更加明顯；如果融資條件收緊，模型公司減少計算能力購買，雲供應商減少資本支出，上游訂單可能會同步減弱，導致市場從估值調整進一步下調利潤預期。

要評估風險是否在上升，需要監測五個信號：資本支出是否繼續超過AI收入，自由現金流是否持續惡化，折舊壓力是否顯著增加，雲訂單是否能從模型公司擴展到具有獨立支付能力的企業客戶，以及企業級AI是否能真正改善續約、成本和利潤。如果這些指標同時減弱，加上市場集中度上升、保證金融資和槓桿產品規模，原本有限的基本變化可能演變為更嚴重的價格波動。