當AI大廠的資本開支從"印鈔機"變成"碎鈔機"，一場關乎流動性與資產定價的劇變或許正在醞釀。在距離美國中期選舉還有9個月之際，美銀王牌分析師Michael Hartnett在2月15日最新發布的《Flow Show》報告中，將他對市場的警告提升到了一個新的層級。相較於三天前的"預警"，Hartnett這次的觀點更加犀利且具體。他指出，隨著AI資本開支（Capex）預期的進一步上修，"AI破壞交易" （AI disruption trade）正以驚人的速度從科技類股向傳統服務業擴散。而對投資人而言，真正的變盤訊號可能只取決於一個動作：科技巨頭何時"認悵"削減開支。01 7400億美元：從“印鈔”變成“碎鈔”Hartnett本次報告中最具衝擊力的增量資訊在於AI資本支出的重新定價。三天前市場還在消化6,700億美元的支出預期，而這次Hartnett指出，2026年超大規模雲端廠商（Hyperscalers）的資本支出預期已飆升至7,400億美元。這一天文數字不僅是驚人的，更是危險的。這種瘋狂的投入將產生極端的財務後果："這可能會將Mag 7的自由現金流推向零，甚至轉為負值。"為了維持這種規模的資本開支，科技巨頭們可能被迫開啟大規模的債券發行狂潮。這意味著，曾經擁有完美資產負債表的科技成長股，正在全面"信用化"。Hartnett認為，現在的市場敘事，正在加速從「對AI的敬畏」（AI-awe）轉向「被AI搞窮」（AI-poor）。在這種背景下，Hartnett給出了一個極為明確的交易訊號："扭轉這一局面的最明顯催化劑，將是某家AI超大規模廠商宣布削減資本支出。"一旦發生這種情況，將直接觸發從科技巨頭向"主街"（Main Street）資產的劇烈輪動。02 "野火般"的AI顛覆效應擴散如果你以為AI的衝擊只停留在科技股內部，那就錯了。最新研發顯示，破壞效應正向傳統服務業瘋狂擴散。Hartnett將這種現象稱為"像野火一樣的AI顛覆"（wildfire AI disruption）。他按時間列舉了AI衝擊的擴散："（上）周一是保險經紀崩了，周二是財富顧問，周三是房地產服務，周四是物流…"值得注意的是，首個被AI顛覆的類股——2025年第一季的印度科技股（如Infosys, TCS）——至今仍未看到任何買盤支撐。這意味著，一旦被市場認定為"AI受害者"，其股價修復將遙遙無期。03 政治倒數：2月24日Hartnett再次提醒，政治因素正在加劇這種輪動。Hartnett指出，川普在華爾街的支持率創歷史新高，但在主街（一般民眾）的支持率卻創新低（對通膨的不滿高達36.4%）。Hartnett明確指出，2月24日的國情咨文（State of the Union）將是關鍵節點。「如果屆時沒有出現所謂的『川普提振』（Trump bump），預計政府將轉向更激進的『可負擔性』政策以贏得中期選舉。"為了安撫因AI而焦慮的選民，這些政策可能包括壓低能源、醫療、住房成本，其可能會透過控制收益率曲線（YCC）來發錢（全民基本收入），這將進一步利多小盤股，而不是那些高高在上的科技巨頭。從持股和價格表現來看，Hartnett認為「做多主街（Main Street），做空華爾街（Wall Street）」的策略正在生效。自10月29日降息以來，資產表現極度分化：贏家（通膨/主街資產）： 白銀（+56%）、韓國KOSPI（+34%）、巴西Bovespa（+30%）、能源（+20%）。輸家（泡沫/華爾街資產）： Mag 7（-8%）、加密貨幣（-41%）、軟體類股（-30%）。04 日元：從避險到"長牛"訊號在資產價格方面，Hartnett捕捉到了一個極具歷史意義的訊號變化。日元與日經指數的相關性，自2005年以來首次轉為正值。簡單說，就是日元漲，日本股市也漲。 Hartnett認為："沒有什麼比匯率上漲、股市同時也上漲更能說明'長期牛市'了。"這現象曾出現在1982-1990年的日本、1985-1995年的德國以及2000-2008年的中國。儘管這對日本股市是長期利多，但短期內強勢日元加劇了加密貨幣、白銀和軟體股的平倉痛苦。 Hartnett特別警告了匯率的"紅線"：「日本不能容忍日元無序飆升（即日元兌美元匯率低於145）。這將壓垮日本出口商，打擊全球流動性，並歷來與全球去槓桿化同時發生。"05 資金流向：賣出訊號還在亮著儘管上周全球股市流入了463億美元，看起來大家還在買買買：股票流入463億美元債券流入254億美元現金流入145億美元黃金流入34億美元（「沒有恐慌性拋售」）加密貨幣流入1億美元，且比特幣在去年10月歷史高點後經歷約50%下跌、伴隨槓桿清算後，「賣盤也結束了」。但美銀的牛熊指標（Bull & Bear Indicator）讀數從上次的9.6小幅回落至9.4，依然處於「賣出」區間。同時，Hartnett提醒，風險資產的"賣出訊號"（自12月17日開始）仍然有效。Hartnett堅持認為，風險資產的調整還沒結束，只有當大家開始恐慌囤現金、科技股部位降下來，指標回落到8左右時，這波始於12月的調整訊號才會真正解除。現金佔比從歷史低點3.2%大幅上升至3.8%或更高；債券從淨低配35%回補至淨低配25%或更少；科技股從淨超配17%降至中立；必需消費從淨低配30%回補至淨低配10%或更少。06 50年「偉大輪動」複盤：大事件點火、領導資產變換，下一棒指向新興市場與小型股Hartnett在周報中以「過去50年的偉大輪動」解釋當下：重大政治、地緣、金融事件往往改變資產領導權——1971布雷頓森林體系終結：新領導者為黃金與實體資產（1971-1980上漲417%），落後者為債券與金融資產（僅67%）。1980雷根/柴契爾/沃克衝擊：通膨見頂（1980年3月14.8%），10年期美債殖利率從16%降至1985年的6%，債券成為領導者。1989柏林圍牆倒塌、全球化與通貨緊縮：美股在全球資產的相對位置觸及75年低位，90年代大宗商品落後，銅甚至是90年代唯一出現負年化回報的資產。2001「9·11」與中國加入世貿：落後者為美元與科技股，領導者轉向新興市場/大宗商品與資源金融類股。2009金融危機後QE與回購：美股再成領導者，私募與成長抬升（ACWI中科技/電信/醫療佔比從2008年的24%升至2020年的44%；金融/能源/材料從44%降至20%）。2020疫情與貨幣財政擴張：美國政府支出+56%、名目GDP成長>50%；領導者包括「七巨頭」等，落後者為債券（2020-2023年美國30年期公債下跌50%）。展望未來，Hartnett判斷下一輪結構性領導者將是：新興市場與小型股。他給予的支撐包括：從美國大盤成長到小盤價值：服務業向製造業、資產輕向資產重切換，以及AI軍備競賽成本上行；並指出hyperscaler過去5個月發債1700億美元，顯著高於2020-2024年每年約300億美元的節奏，利差上行已開始形成壓力。從美國到新興市場：他用「新世界秩序=新世界牛市」描述全球再平衡，並提到新的「除了美元什麼都買（ABD）」交易；同時強調對中國與印度的資產配置仍很低，而兩國已是全球四大經濟體中的兩員；並指出中國銀行股悄然升至8年新高。 (華爾街見聞)

一、爭議1：消費端 AI 使用現狀如何？使用者習慣是否在重構？消費端AI 呈現 “高滲透、低 monetization” 特徵，使用者行為分化明顯，2026 年將成商業化關鍵節點：使用者規模爆發，使用場景分化消費級AI 工具使用者增長迅猛，OpenAI 2025 年 7 月資料顯示 ChatGPT 周活躍使用者達 7 億，較上線初期翻倍；但不同平台功能定位差異顯著 ——ChatGPT 非工作場景佔比 70%（如資訊查詢、創意寫作），Anthropic 的 Claude 則 36% 用於編碼 / 計算類技術任務，體現 “場景細分” 趨勢。此外，90% 企業員工會用個人 AI 工具處理工作，但僅 40% 企業採購官方大模型訂閱，形成 “影子 AI 經濟”。商業化滯後，2026 年迎突破當前消費AI monetization 仍依賴專業訂閱（如 ChatGPT Plus），廣告與電商場景尚未規模化。貝恩資料顯示，2030 年 AI 企業需實現 2 兆美元年收入才能覆蓋算力成本，但預計存在 8000 億美元缺口。不過 2025 年 Q3 已出現商業化突破訊號：OpenAI 推出 “ChatGPT 即時結帳” 功能，支援使用者在對話中直接購買 Etsy、Shopify 商品；Google與 PayPal 合作打造 “智能代理電商”，AI 可自動完成比價、下單，預計 2026 年廣告與電商相關收入佔比將超 30%。頭部平台壟斷，使用者粘性差距大全球AI 聊天機器人市場集中度高，ChatGPT 在全球與美國市場 MAU（月活使用者）均居首，Gemini 憑藉Google管道優勢位列第二，但使用者規模僅為 ChatGPT 的 50%；Claude、Perplexity 等平台 MAU 不足 ChatGPT 的 10%，且使用者集中在技術圈層。從日活（DAU）看，ChatGPT 全球 DAU 是 Gemini 的 2 倍，使用者粘性優勢顯著。二、爭議2：企業端 AI 部署進展如何？內部效率與外部創收差距顯著企業AI 呈現 “內部效率提升快、外部收入轉化慢” 的特點，僅 5% 企業實現可衡量的 P&L 影響，大型企業轉型領先：內部應用：降本增效成核心，頭部企業已見成效企業內部AI 部署聚焦 “減少營運摩擦”，如內容生成、軟體開發周期縮短（平均縮短 30%）、廣告創意自動化等。IBM 2025 年資料顯示，其內部 AI 工具實現 35 億美元年化效率節省，包括 HR 諮詢工具 AskHR 解決 94% 員工問題、IT 支援人員配比從 1/400 最佳化至 1/4000；Salesforce、Workday 等 SaaS 廠商也披露 AI 相關 ARR（年化經常性收入），其中 Workday 2025 年 Q2 AI ARR 達 1.5 億美元。但整體看，僅 5% 企業能通過 AI 實現財務層面的正向影響，多數仍停留在試點階段。外部應用：收入轉化滯後，廣告與電商是突破口企業AI 外部創收（如客戶服務、產品創新）進展緩慢，過去 18 個月僅 10% 企業通過 AI 實現市場份額提升。但部分行業已出現突破：廣告領域，Google Performance Max、Meta Advantage + 等 AI 工具正在替代傳統廣告代理功能，全球 1610 億美元廣告代理利潤池面臨重構；電商領域，AI 驅動的個性化推薦使轉化率提升 15%-20%，但中小平台因缺乏獨特庫存，面臨被 AI 購物助手 “繞過” 的風險（如使用者直接通過 AI 查詢商品而非訪問平台）。SaaS 廠商加速 AI 整合，併購補短板企業AI 工具依賴 SaaS 生態落地，2025 年頭部廠商通過 “自研 + 併購” 完善能力：微軟在 Build 大會升級 CoPilot 與 Power Automate 的整合，解決此前使用者反饋的 “功能割裂” 問題；ServiceNow 收購 MoveWorks 以補強 AI 客服能力。但當前 AI 收入佔比仍低，Workday AI ARR 僅佔總營收的 3%，Salesforce AI 相關收入佔比不足 5%，尚未成為核心增長引擎。三、爭議3：AI 支出當前規模與未來展望如何？ hyperscalers 主導，2027 年支出將達 1.4 兆美元AI 支出呈現 “短期供需缺口、長期依賴利潤池重構” 特徵， hyperscalers（超大規模科技公司）是投資主力：2025 年支出爆發， hyperscalers 佔比超 70%全球AI 基礎設施支出 2025 年迎來拐點，美國五大 hyperscalers（亞馬遜、微軟、Google、Meta、甲骨文） capex（資本支出）合計達 3810 億美元，同比激增 68%；其中甲骨文與 OpenAI 的 5 年 300 億美元合作、輝達對 OpenAI 100 億美元投資（含晶片供應）成為標誌性事件。當前支出主要集中在算力基建（GPU 採購、資料中心建設），雲廠商 AI 訂單積壓規模達 800 億美元，若全部兌現，將支撐未來 2-3 年營收複合增長 15%+。2025-2027 年支出將破 1.4 兆美元，需利潤池支撐高盛預測，2025-2027 年全球 AI 相關 capex 將達 1.4 兆美元，但如此大規模支出需依賴 “行業利潤池重構” 才能可持續：目前僅廣告行業（1610 億美元代理利潤池）、企業效率（186 美元 / 人 / 月的 “無效工作” 成本節約，HBR 資料）有明確收益，未來需拓展至醫療、金融等領域（如 AI 輔助診斷、智能風控），若 2030 年未能開闢新利潤池，部分項目可能面臨回報不及預期風險。區域佈局分化，新興市場成增量hyperscalers 加速全球佈局，2025 年公告顯示：亞馬遜計畫 2029 年前在澳大利亞投資 200 億澳元建資料中心，在智利投資 40 億美元；微軟承諾 2028 年前向英國 AI 基建投入 300 億美元；輝達在英國投資 110 億英鎊，新興市場支出佔比從 2023 年 10% 升至 2025 年 25%，成為重要增量。四、爭議4：支撐 AI 長期部署需多少電力與基建？2030 年電力需求翻倍，60% 需新建發電設施AI 算力擴張帶來 “電力剛需”，2030 年全球資料中心電力需求將激增 165%，電網投資缺口達 7800 億美元：電力需求爆發，相當於新增一個“全球前十用電國”2025 年 Q2 全球資料中心電力需求為 62GW，其中 AI workload 佔 13%；預計 2027 年需求達 92GW（AI 佔比 28%），2030 年進一步增至 137GW，較 2023 年增長 165%，相當於新增一個德國的年度用電量。美國是核心需求國，60% 的電力需求需新建發電設施，預計新增 72GW 裝機容量，其中天然氣佔 60%、太陽能 25%-30%、風電 10%-15%。電網投資加碼，2030 年需 7800 億美元電力基建成為AI 落地關鍵瓶頸，2025 年 7 月高盛將 2030 年全球電網投資預期從 7200 億美元上調至 7800 億美元，重點投向配電網路（如智能電表、微電網）與輸電線路（以適配偏遠地區的資料中心）。當前制約因素並非電力成本，而是裝置供應（如變壓器交貨周期延長至 18 個月）、審批流程（美國新建輸電線路平均耗時 7 年）與勞動力短缺，可能導致部分 AI 資料中心投產延期。hyperscalers 主動佈局能源，降低依賴為緩解電力約束，科技巨頭開始垂直整合能源供應鏈：Google投資30 億美元改造賓夕法尼亞州水電站，為資料中心供電；Meta 在阿拉巴馬州資料中心配套建設太陽能電站；亞馬遜與沙烏地阿拉伯公司 HUMAIN 合作打造 “AI 能源特區”，整合太陽能、儲能設施，預計 2030 年頭部廠商 30% 的電力需求可自供。五、爭議5：當前 AI 行業是否處於泡沫？對比 1990 年代，估值更低、盈利支撐更強當前AI 行業雖有泡沫特徵（如主題集中、私有市場估值高），但核心指標未達泡沫水平，系統性風險可控：估值：納斯達克100 PE 較網際網路泡沫低 46%2025 年 10 月 3 日資料顯示，納斯達克 100 動態 PE 為 37 倍，而 1999 年底網際網路泡沫峰值時達 68.4 倍，當前估值折讓 46%；從個股看，AI 龍頭 “Magnificent 7”（輝達、微軟等）24 個月前瞻 PE 為 26.8 倍，僅為 2000 年科技泡沫龍頭（52 倍）的一半（參考高盛此前報告資料），且淨利潤率達 29%，遠超泡沫時期的 16%，盈利支撐更強。資本活動：IPO 數量少但規模大，私有市場更成熟1998-2000 年網際網路泡沫期間，美國 AI 相關 IPO 達 892 家，平均募資規模 1.76 億美元；2023-2025 年 YTD 僅 22 家 IPO，但平均募資 2.54 億美元（經通膨調整後），體現 “少而精” 特徵。此外，當前私有市場更成熟，2022 年全球 VC 行業 AUM 達 9950 億美元，是 2000 年（1430 億美元）的 7 倍，企業可在私有市場完成多輪融資，減少對 IPO 的依賴，降低上市後估值波動風險。宏觀環境：利率更寬鬆，但政策約束更強1999-2000 年美國 10 年期國債收益率平均為 6.0%，2024-2025 年平均為 4.3%，且高盛預測 2025 年 10 月、12 月將各降息 25BP，流動性環境更友好；但當前存在更強的政策約束，如歐盟《AI 法案》對高風險 AI 應用的限制、美國對 AI 晶片出口的管控，一定程度上抑制了 “非理性投機”。六、總結：AI 行業三大核心結論與投資啟示短期看消費端商業化，長期看企業端效率釋放：2026 年重點關注 ChatGPT、Google等平台的廣告 / 電商收入落地，2027 年後企業端 AI（如 SaaS+AI、工業 AI）將成增長主力；電力基建是關鍵瓶頸：優先佈局資料中心供電相關領域（如天然氣發電、智能電網），規避電力短缺地區的AI 算力項目；當前非泡沫，但需分散配置：估值與盈利匹配度優於歷史泡沫時期，但市場集中度高（前10 大 AI 相關公司佔全球股市 25%），建議搭配非美市場（如歐洲工業 AI、日本機器人 + AI）與傳統行業 AI 轉型標的（如 AI + 醫療、AI + 製造）。 (資訊量有點大)