按：近期，字節跳動推出的多模態視訊大模型 Seedance 2.0 在2026年初引爆全球開發者社區，被視為中國AI原生創新的標竿，彰顯本土技術從“追趕”邁向“引領”的潛力。很多人感興趣當前中美AI企業的競爭形勢究竟如何？以下分享來自巴克萊的最新研報，算是瞭解當前中美AI創新企業競爭格局的科普文。其實自2022年ChatGPT公開發佈以來，人工智慧（AI）已成為推動全球股市盈利增長、資本支出（capex）和投資回報的主要引擎。進入2026年，隨著生成式AI技術從實驗階段邁向規模化部署，中國科技公司正迅速崛起，挑戰美國在全球AI競賽中的主導地位。然而，這一處理程序並非一帆風順：全球AI相關企業估值持續攀升的同時，美國AI公司面臨融資壓力，而中國同行則在艱難的定價環境與不斷調整的稅收政策中艱難前行。在本篇報告中，巴克萊從回顧美中股市（尤其是各自科技類股）近期的表現趨勢；對比了西方與東方市場的AI融資架構，以幫助理解AI投資如何塑造當前市場動態；到深入分析中美AI技術堆疊的技術細節；隨後探討中美雙方在AI採用、普及及變現前景上的不同路徑。最後，巴克萊認為，供給約束、市場邊界侷限以及使用模式差異共同導致中國AI生態在資本投入和算力消耗規模上與美國存在顯著差距。這一差距不僅體現在當前支出水平，也可能影響未來技術迭代與生態競爭力的長期格局。一、股市表現與估值自2022年底ChatGPT發佈以來，美股表現強勁。標普500指數的未來12個月市盈率（NTM P/E）從2022年第三季度末的15.3倍擴張至目前的21.7倍，AI是關鍵推動力。其中，超大型科技股（mega-cap Tech）在指數表現和盈利貢獻中佔據了不成比例的高份額。具體來看，“Big Tech”（大型科技公司）對標普500每股收益（EPS）的貢獻佔比從2022年第三季度的約12%躍升至2025年第四季度的約30%。同期，Big Tech的NTM市盈率從22.9倍上升至27.3倍；而科技類股中其他公司的市盈率也從15.4倍顯著擴張至24.5倍。相比之下，恆生指數（HSCI）自2022年以來的表現更為波動，其中2023年成為拖累三年整體回報的關鍵年份。當年中國經濟放緩導致中資股票大幅走弱：恆生指數最大回撤達-28.2%，而標普500同期僅為-10.3%。儘管如此，自2022年第三季度末以來，恆生指數已累計上漲約68%，表現健康，但仍落後於美股。與美國類似，科技股在中國股市也是推動回報的主要力量——過去三年，該類股是恆生指數中表現最好的行業之一，累計漲幅達96.7%。然而，一個關鍵區別在於對整體指數回報的傳導效應：恆生指數的行業分佈遠不如標普500集中於科技類股。標普500約33%的市值集中在科技行業，而恆生指數中科技股權重僅為5%左右。相比之下，金融和可選消費類股合計佔恆生指數市值權重的47%。這意味著，中國經濟的整體狀況及其消費者信心對恆指表現的影響，遠大於科技公司。若單獨比較標普500與恆生指數中的科技類股，差距更為顯著：自2022年第三季度末以來，美國科技股絕對回報高達約172%，大幅領先中國同行。這一分化背後，美國AI熱潮無疑是核心催化劑，而中美之間的貿易緊張局勢進一步加劇了這一鴻溝。美國的出口管制限制了中國獲取先進計算晶片和半導體製造裝置的能力，對部分中國AI技術堆疊（尤其是算力層）構成了明確的制約。美國在AI研發和盈利方面的領先地位，對中國企業而言可能難以快速彌合。我們認為，考慮到近期估值的重新定價，中國科技股中任何所謂的“AI溢價”都顯得更為脆弱，且更依賴經濟周期，相較之下，美國科技股的AI估值支撐則更具結構性和可持續性。二、AI投資：東方與西方之比較作為一項早期技術，AI的發展高度依賴持續的投資與資金支援。我們將中美兩國的AI支出劃分為兩大類進行對比：政府支出與非政府支出。核心區別在於：美國的技術投資主要由非政府主體驅動（即超大規模雲服務商的資本開支），而中國的科技基礎設施建設則更多受到政府主導型資金的引導。1、非政府支出我們估算，過去三年美國主要超大規模雲服務商（包括Meta、Alphabet、亞馬遜、微軟和Oracle）的資本開支總額從1281億美元大幅擴張至3922億美元，並預計2026年將增長約52%，2027年再增長約19%。中國的主要超大規模企業包括騰訊、字節跳動、阿里巴巴和華為。我們估計，2025年：1）騰訊資本開支為120億美元，2）字節跳動為120億美元，3）阿里巴巴為180億美元。4）華為作為非上市公司，披露的財務資料口徑不同，但其2024年年報顯示研發支出達1797億元人民幣（約合257億美元），較2022年的1615億元人民幣增長10.8%。展望未來，阿里巴巴和騰訊預計將成中國AI投資的主要推動力。例如，阿里巴巴已宣佈計畫在未來三年（2025–2027財年）投入3800億元人民幣用於AI和雲端運算基礎設施。此外，中國的國有電信營運商（如中國移動、中國電信）也是資料中心投資的重要來源，我們將在後文進一步討論。儘管中美超大規模企業的資本開支增速相近，但總支出規模仍嚴重偏向美國——美國雲巨頭正持續大規模擴建算力基礎設施，並投資下一代AI晶片，而中國企業在高端算力獲取受限的背景下，整體投入體量仍明顯較小。2、政府支出由於中美在AI投資模式上存在根本差異，兩國政府支出難以直接對標。我們觀察到，中國政府對AI及科技領域的財政支援主要通過三種形式實現：1）直接政府投資：由地方政府設立的市級或省級科技產業基金；2）政府背景的風投/私募基金：通過國有投資平台募集並管理的資金；3）面向高校與科研機構的公共科研經費：用於支援基礎科技與前沿研究。基於這一框架，我們彙總了若干主要資金來源，包括：1）國家積體電路產業投資基金（“大基金”）三期；2）北京人工智慧與機器人產業基金等重點城市及科技樞紐的省級基金。據此估算，未來十年中國政府主導的科技投資承諾總額至少達9480億元人民幣（約合1350億美元），資金來源涵蓋直接財政撥款與政府引導撬動的資本。其中：1）政府引導基金是最大來源，規模約6100億元人民幣（佔總額的64.3%），計畫在未來5–10年逐步投放；2）直接投資佔比11.6%；3）其餘部分為高校與科研機構的公共研究經費。需要指出的是，這只是一個粗略估算，實際政府投入可能遠高於此。例如，我們的測算未包含“國家創業投資引導基金”——該基金目標是在未來20年內撬動1兆元人民幣（約1420億美元）支援科技創新項目。若政策性金融動員目標全面落地，中國官方對AI生態系統的支援力度可能被顯著低估。美國政府對AI基礎設施的投資主要通過《晶片與科學法案》（CHIPS Act）實施。該法案撥款約520億美元聯邦資金，用於支援半導體製造激勵、研發補貼及針對晶圓廠和裝置製造商的稅收抵免。截至目前，這項政策已撬動數千億美元的私人投資。自2022年8月法案頒布以來，大部分撥款已獲批或分配，但由於採用基於里程碑的支付機制，實際資金撥付預計將延續至未來數年。除CHIPS法案外，美國政府預計每年還將額外投入數十億美元用於與AI相關的各類項目，包括清潔能源稅收抵免、基礎設施與電力投資，以及國防部（DoD）和國家科學基金會（NSF）的專項經費。簡言之，美國在AI領域的資金投入憑藉超大規模雲服務商的資本開支和強勁的私人投資，總體規模遠超中國；而中國則更依賴政府主導的財政承諾來縮小差距。三、中美AI技術堆疊在接下來的部分中，我們將深入分析中美AI技術堆疊的技術細節，並比較其應用普及與分發模式。我們聚焦於AI生態系統的三個核心維度（或層級）：應用層（Applications）、模型層（Model Layer）、算力層（Compute Layer）。1、應用層（Application Layer）（1）月活躍使用者（MAU）：中國AI聊天機器人使用者規模遠小於西方同行，且高度集中於本土。根據第三方2025年9月的估算資料：DeepSeek全球月活使用者（MAU）達約2.49億（涵蓋App與網頁端），在中國AI聊天機器人中排名第一；字節跳動的 Doubao 約1.99億；騰訊的 Yuanbao 約4900萬；月之暗面（Moonshot AI）的 Kimi 約2300萬。相比之下，西方主流產品同期表現如下：ChatGPT MAU約7.99億；Gemini約3.01億；Grok約4900萬（見圖14）。這意味著，中國領先的AI聊天機器人使用者規模僅相當於ChatGPT同期的約30%。儘管第三方資料可能存在偏差，僅可作為趨勢參考，但結合企業最新披露：ChatGPT在2025年10月宣佈周活躍使用者（WAU）已達8億，Gemini在2026年2月MAU突破7.5億，表明西方AI聊天機器人的擴張速度仍在加快。此外，ChatGPT使用者高度全球化——據《The Information》報導，其近90%的使用者來自美國和加拿大以外地區。而中國聊天機器人的使用者幾乎全部集中於境內，海外滲透率接近於零，唯一例外是DeepSeek：其海外MAU達約5200萬，與Grok同期流量相當，佔其總使用者的約21%。（2）移動端 vs 網頁端：中國AI使用以移動端為主導。QuestMobile資料顯示，2025年9月中國移動端AI使用者達7.29億，約為PC端（網頁及桌面應用）使用者的3.6倍。比如Doubao 在移動端流量領先，其移動MAU是網頁端的6.5倍；DeepSeek則在網頁端表現最佳，但其移動MAU仍是網頁端的2倍。這凸顯了中國AI應用具有鮮明的“移動原生”和“消費者導向”特徵。相比之下，西方模型在網頁端的工作流場景中參與度更高：ChatGPT、Gemini和Claude的網頁端MAU均顯著高於移動端（見圖14），反映出其在生產力工具和工作流程整合方面的更強滲透力。（3）贏家通吃？頭部效應顯著，使用者黏性極強。當前，無論東西方，AI聊天機器人使用者高度集中在前兩名玩家手中，且使用者表現出極強的產品黏性。在中國，DeepSeek與Doubao 合計佔據獨立AI聊天機器人絕大部分MAU（涵蓋網頁與移動）；在西方，ChatGPT與Gemini 主導市場。值得注意的是，儘管各大語言模型（LLM）在基準測試中持續刷新性能紀錄，但聊天機器人端的使用者遷移意願極低——這很可能源於產品設計優勢和已形成的使用習慣。然而需提醒的是，中國AI應用的使用者規模仍遠小於海外領導者，也遠低於國內成熟超級App（如微信日活超10億）。市場仍處早期階段，增長路徑可能隨時間演變。為此，阿里巴巴、騰訊、百度等科技巨頭已在2026年春節假期推出“紅包引流”活動，以爭奪AI使用者。具體使用者增長動態如下：移動端方面：Doubao在2024年12月MAU為7500萬，到2025年9月迅速增至1.72億；36氪報導稱其DAU已於2024年12月突破1億。騰訊Yuanbao從2024年12月的200萬MAU增長至2025年9月的3300萬。Kimi和百度文心一言（Wenxiaoyan）的MAU則出現下滑。DeepSeek無疑是此階段使用者增長的最大黑馬：自2025年1月上線後，其中國區MAU從1月的約3400萬飆升至9月的1.45億。阿里通義千問（Qwen）：截至2025年9月MAU僅300萬，但在2025年11月重新發佈後，2026年1月MAU已突破1億。（4）嵌入式應用 vs 獨立聊天機器人：在中國，嵌入現有超級App內的AI功能（如AI搜尋、智能助手） 遠超獨立聊天機器人。我們認為，中國的AI使用者流量高度依附於既有消費平台，AI能力被直接整合到微信、抖音、百度App等“超級App”中。例如：百度的AI搜尋在2025年9月達到3.47億MAU，佔其整體搜尋流量的一半以上；百度還披露，截至10月底，約70%的移動端搜尋結果頁已包含AI生成內容。字節跳動在其抖音App內推出的Doubao AI搜尋，MAU達2.15億。騰訊微信的AI搜尋MAU為1.66億。阿里巴巴也在支付寶、高德地圖（Amap）、夸克（Quark）等多個核心應用中全面嵌入AI功能。這些管道極大地加速了AI在中國大眾市場的普及，且相關AI功能普遍免費使用。但這也可能導致AI使用高度依賴平台生態，難以培育出真正獨立的AI品牌。（5）變現模式：中國聊天機器人基本免費，海外使用者付費意願更強。在中國，大多數通用AI聊天機器人（如DeepSeek、智譜Zhipu）目前仍免費開放，以最大化使用者覆蓋和分發規模。根據智譜在港交所IPO檔案披露，儘管AI助手和工具不斷湧現，中國使用者對大語言模型（LLM）的付費意願依然很低。因此，其收入主要來自企業客戶的API呼叫和本地化LLM部署服務。對於大型科技公司而言，AI變現主要通過雲端運算服務和API消耗實現。例如阿里巴巴和百度，當企業客戶擴大模型訓練、微調和推理工作負載時，它們便從中獲得收入。此外，AI也正在賦能現有業務：提升廣告與搜尋推薦效果；為電商提供智能化廣告工具；最佳化客戶服務體驗。不過，MiniMax是一個例外。根據其IPO檔案，2025年前三個季度約70%的收入來自面向消費者的AI產品。但值得注意的是，這些消費端收入幾乎全部來自音訊、圖像、視訊及AI陪伴類應用，而其通用AI聊天機器人/智能體應用“MiniMax”的變現貢獻僅佔總收入的1%。更關鍵的是，在其AI原生產品收入中，超過80%來自中國以外市場，這清晰表明：海外消費者對AI服務的付費意願顯著高於中國使用者。2、模型層（Model Layer）（1）中國開源社區 vs 美國閉源模式中國的大語言模型（LLM）生態明顯趨向開源發展。眾多領先初創企業（如 DeepSeek、月之暗面 Moonshot AI、MiniMax、Z.ai）以及超大規模科技公司（如阿里巴巴、騰訊、百度、字節跳動）紛紛將其最新或接近前沿的模型開源，以加速集體創新。這種策略促進了學術界和商業界的廣泛採用，支援快速迭代，並借助開源社區的集體力量推動模型技術進步。不過，中國超大規模企業普遍採取混合策略：其最先進、高算力消耗的旗艦模型（如阿里通義千問 Qwen3-Max、百度文心 ERNIE-5.0、騰訊混元 HY-2.0-Think、字節跳動 Doubao-1.8）仍保持閉源，以維持商業差異化優勢。政策層面，北京和上海在2025年12月分別發佈規劃，明確將在未來幾年大力發展開源生態，包括到2028年建構數百個行業專用的開源大模型，並向中小企業開放相關技術。相比之下，美國主要玩家——包括 OpenAI、Anthropic 和 Google——仍堅持閉源路線，嚴格保護模型權重不對外公開。（2）定價：DeepSeek輸出價格僅為GPT-5.2的3%中國領先的 LLM 提供商在價格上展開激烈競爭，近期發佈的基礎模型輸出定價普遍不到 GPT-5.2 的 30%。這種大幅折扣反映了其更高效的訓練成本結構和推理最佳化，有助於推動 AI 在中國的廣泛普及。具體案例：DeepSeek V3.2（2025年12月發佈）：輸入價格：0.28美元/百萬token（為 GPT-5.2 的 16%）；輸出價格：0.42美元/百萬token（僅為 GPT-5.2 的 3%；GPT-5.2 定價為輸入 1.75 美元、輸出 14 美元）。字節跳動 Doubao-Seed-1.8（2025年12月發佈）：輸入/輸出價格分別為 GPT-5.2 的 7% 和 8%。即使是大型模型，如百度 ERNIE-5.0（2.4T MoE 架構）和阿里 Qwen3-Max（1T MoE），其輸出定價也僅為 GPT-5.2 的 約24%在美國方面：Anthropic 的 Claude Opus 4.5 定價處於高端；Google 和 OpenAI 的模型略低，但仍顯著高於中國同類產品。（3）模型性能：中國開源模型正快速縮小與美國前沿模型的差距我們參考兩個“人工分析”（Artificial Analysis）指數，從綜合智能水平（涵蓋英語、程式碼、數學、智能體任務、工具使用等基準）和智能體能力（agentic capabilities）兩個維度對比中美模型。DeepSeek 在2025年12月發佈的 V3.2 論文指出：過去幾個月，Anthropic、Google 和 OpenAI 的閉源模型進步速度快於中國開源模型。當前，GPT-5.2（High）和 Claude Opus 4.5 仍在綜合智能和智能體任務上保持領先，而開源模型整體仍處追趕狀態。但值得注意的是，部分中國模型已在關鍵指標上追平甚至超越部分西方中端模型：Kimi-K2.5、GLM-4.7、DeepSeek V3.2、Qwen3 Max Thinking 和 MiniMax-M2.1 在“綜合智能指數”上已達到與 Claude Sonnet 4.5 相當的水平。在智能體能力方面，中國模型進步尤為顯著：Kimi-K2.5、GLM-4.7、DeepSeek V3.2 和小米的 MiMo-V2-Flash 均優於 Gemini 3 Pro 和 Claude Sonnet 4.5。具體亮點：GLM-4.7：作為智譜（Zhipu）最新基礎模型，在開源模型中智能體任務表現突出。智譜於2026年1月8日成為首家在港交所上市的中國生成式AI公司。DeepSeek V3.2 針對閉源模型的三大結構性劣勢進行了創新突破：計算成本與長上下文效率：提出 DeepSeek Sparse Attention (DSA) 結構，顯著降低注意力機制複雜度；複雜任務性能：在後訓練階段強化了強化學習（RL）；智能體能力：開發了一套新型合成訓練流程，包含1,800+ 種不同環境和85,000+ 複雜提示，將推理能力深度融入工具呼叫場景。此外，DeepSeek 還發表論文提出 mHC 架構，以更高效的方式擴展訓練並提升性能。Kimi-K2.5：可自主協調多達 100 個 AI 子智能體協同工作，每個子智能體能獨立使用工具進行搜尋、生成、分析和資訊組織。MiMo-V2-Flash：小米推出的開源高速推理與智能體大模型，總參數量達 3090 億，啟動參數 150 億。MiMo LLM 團隊負責人羅富麗（Fuli Luo）曾是 DeepSeek V2 模型的核心貢獻者。（4）智能水平 vs 成本效率：中國模型在實現具競爭力的智能評分的同時，展現出顯著更優的成本效益。有人可能會指出，儘管中國模型定價大幅折扣，但開發者評估模型整體效率和經濟性時，執行具體任務的實際成本（即“token效率”） 才是關鍵。圖21對比了各模型在“智能指數”（Intelligence Index）得分與其運行測試所需成本之間的關係：GPT-5.2 雖然取得最高的智能評分，但其運行成本也是所有東西方模型中最昂貴的。若以 Grok 4 的智能指數作為東西方模型的中位基準，則西方模型中，Gemini 3 Pro、GPT-5.1 和 Claude Sonnet 4.5 表現出較好的成本效率——在相對較低的運行成本下實現了高於平均水平的智能表現。DeepSeek V3.2 同樣實現了高於平均水平的性能，但其運行成本極低：僅為 GPT-5.2 的約 3%，也僅相當於 Gemini 3 Pro 的約 9%。總體而言，中國模型普遍以遠低於西方同行的成本運行，在性價比方面具備明顯優勢。（5）Hugging Face 下載資料：另一個有價值的參考指標來自 Hugging Face——全球領先的開源AI與機器學習模型平台。根據最近一個月的下載資料顯示（見圖22）：阿里巴巴的通義千問（Qwen）系列佔據了熱門下載榜單的主要份額；其餘上榜模型主要來自 OpenAI、Meta 和 Mistral。值得注意的是，榜單上的大多數模型均為輕量級模型（參數量通常低於100億），這很可能是出於本地部署的實用性、硬體資源限制以及性能與效率之間的權衡。阿里巴巴通過其豐富且多層次的開源Qwen模型矩陣（涵蓋數百種變體及衍生模型），有效滿足了開發者多樣化的應用需求。另一方面，DeepSeek R1 在 Hugging Face 上獲得了累計最多的點贊數（likes），顯示出其在開源社區中的極高人氣與認可度。3、算力層 / 資本支出（Compute Layer / Capex）在本節中，我們嘗試估算中國領先AI企業為滿足其推理（inference）所需的年度總Token使用量及相應的GPU叢集規模。我們採用自下而上的方法，將每家公司的Token使用劃分為以下三類：1）第一方應用推理（1P Application Inference）：指各公司在其自有AI助手（如字節跳動的Doubao、騰訊的Yuanbao）以及高流量App內嵌AI功能（如微信和抖音中的AI搜尋）所產生的Token消耗。我們估計，目前1P應用推理構成了中國AI公司推理算力需求的主體。2）公有雲MaaS（Public Cloud MaaS, Model as a Service）：反映面向第三方企業客戶的模型商業化，主要來自外部API呼叫（如阿里雲的“百煉”、字節火山引擎的AI服務）。儘管該業務增長迅速，但目前仍僅佔整體Token使用量的很小一部分。3）內部訓練（Internal Model Training）：代表這些公司的“固定”計算成本，包括基礎模型預訓練、持續的後訓練（post-training）和微調所需的Token消耗。不過，由於峰值推理需求才是GPU採購決策的主要驅動因素，而內部訓練通常可錯峰進行，因此我們在後續GPU需求測算中不將其納入考量。1）第一方應用推理的算力需求在上述三類中，1P應用推理所需的算力最多，也是推動Token用量和GPU需求快速上升的核心驅動力。除DeepSeek外，中國主要AI玩家均為成熟的網際網路巨頭，它們不僅營運自有AI聊天機器人，還在旗下眾多移動與PC應用中廣泛部署AI功能，覆蓋電商、社交、內容、地圖等多個垂直場景。以騰訊為例：其移動端AI助手“元寶”（Yuanbao）截至2025年9月MAU達3300萬（QuestMobile資料）；同時，騰訊在其旗艦應用微信（MAU超14億）中推出AI搜尋功能，已有超過1700萬使用者使用過該功能。為估算這些公司1P應用產生的總AI查詢量，我們做出以下關鍵假設：日活/月活比率（DAU/MAU，即日活滲透率）：根據應用普及度不同，該比率約為20%至60%。應用規模越大、使用者體驗越好，使用者黏性越強，日活滲透率越高。例如，媒體曾報導Doubao在2024年12月DAU已突破1億，而其2025年9月MAU為1.72億，意味著其DAU/MAU比率可能已超過50%，接近60%。作為參照，Similarweb資料顯示，ChatGPT在2025年8月的DAU滲透率接近44%；同期DeepSeek的DAU滲透率約為20%，但此後很可能已顯著提升。每位日活使用者的日均互動強度：假設每位DAU每天使用移動或桌面App 3–4次，每次平均進行5輪對話，即每天產生15–20次查詢。參照Axios在2025年7月援引的資料：ChatGPT每日處理約25億次查詢，相當於每位DAU每天15–20次查詢，與我們的假設一致。市場格局：頭部效應顯著根據我們的分析，Doubao和DeepSeek無疑是中國最受歡迎的兩大AI模型系列，分別處理了全國約60%和25%的AI查詢總量。需要強調的是，由於相關公司披露資訊極為有限，上述結論基於大量估算假設，最終數值應僅作趨勢參考。但我們認為，這一結果精準反映了當前中國AI行業的基本動態：市場高度集中，頭部兩家玩家很可能佔據了絕大部分份額。我們估計，文字/語音類查詢佔總查詢量的絕大部分，並驅動約80%的Token消耗。儘管圖像生成僅佔總查詢量的1%–2%，卻貢獻了約15%的Token用量，這主要是因為AI圖像生成（通過擴散模型）單次所需Token量極大。例如，使用2×2的圖像塊（patch size）生成一張1024×1024解析度的圖像，並進行20步擴散採樣，大約需要8萬個Token——相當於一本220頁的書的文字量。在文字/語音查詢中，我們認為深度推理類查詢（reasoning queries）佔比已升至總查詢量的約30%，這得益於推理模型在速度和精準性上的持續提升。作為參考，據Zebracat分享的Perplexity AI使用者資料顯示，2025年有29%的查詢與學術或研究相關，可作為合理基準。這類推理查詢顯著推高了Token用量：單次推理查詢平均消耗約1萬個Token，而普通訊息類查詢僅需約2000個Token。僅1P應用推理就已催生對H20 GPU的巨大需求即使僅考慮第一方應用推理需求，各公司也亟需大量輝達H20 GPU，並正激進擴大資本開支。以字節跳動為例：為支撐其每年超7,100兆（7,100T）的Token處理量，我們的測算顯示，該公司至少需要超過37.3萬張H20 GPU，才能滿足高峰時段的算力需求。我們採用了200%的峰均流量比（peak-to-average ratio），以反映結構性流量波動——例如工作日白天或晚間使用者活躍高峰——這要求企業必須大規模超配GPU，以保障使用者體驗。這一估算可與《南華早報》（SCMP）的報導相互印證：該報導稱，字節跳動2025年GPU預算約為850億元人民幣（約120億美元）。若其將全部晶片預算用於採購H20（每台8卡伺服器成本約16萬美元，含機箱、網路及其他基礎設施），我們估計其2025年實際採購量約為30萬至40萬張H20。報導還指出，字節計畫在2026年將預算進一步提升至超1000億元人民幣（約140億美元）。阿里巴巴則承諾在未來三年（2025–2027財年）投入3800億元人民幣用於AI相關資本開支，超過其過去十年的總資本支出。騰訊方面，最初在2025財年初指引全年資本開支佔收入比例為“低兩位數區間”（low-teens%）。但到2025年11月，公司下調了指引，雖低於原區間，但仍高於2024年的12%。管理層強調，這一調整完全源於AI晶片供應變化，而非AI戰略或未來Token需求預期的改變。此外，騰訊透露，微信計畫未來在其小程序生態中推出內建AI智能體（agent），覆蓋電商、支付及廣泛網際網路場景。考慮到微信MAU已超14億，我們估算此舉可能帶來每年約2,000兆Token（2,000T）的新增消耗，進一步推高其資本開支需求。2）公有雲/MaaS市場格局目前，中國公有雲MaaS（模型即服務）市場由字節跳動、阿里巴巴和百度主導。根據IDC發佈的資料，2025年上半年，字節跳動按Token用量計佔據約50%的市場份額。字節在2024年中率先發起價格戰，將其面向企業的模型API定價大幅低於競爭對手。儘管其他廠商迅速跟進並匹配價格，但字節成功吸引了大量高頻、價格敏感型API客戶。相比之下，阿里巴巴聚焦於提供最完善的開源模型與整合化雲解決方案：其通義千問（Qwen）系列擁有數百種變體和衍生模型，在Hugging Face上下載量居首，充分滿足開發者多樣化需求；同時提供整合的雲服務，包括底層安全與合規基礎設施，特別適合金融、汽車等傳統行業企業客戶。因此，儘管阿里處理的Token量可能低於字節，但其單位Token產生的收入更高，商業模式更具價值密度。目前，中國的公有雲/MaaS（模型即服務）在整體Token消耗和算力使用中僅佔較小份額。根據我們的測算，其佔比約為10%出頭，遠低於第一方應用推理（1P App Inference）的消耗量。不過，這一比例因公司戰略重心不同而有所差異：字節跳動和騰訊更側重B2C業務，其Token使用高度集中於1P應用推理和內部用途。這一點可從騰訊管理層近期表態得到印證：“我們的GPU資源實際上已足夠滿足內部需求……但外部雲業務收入仍受某些限制因素制約。”相比之下，阿里巴巴和百度在MaaS市場處於領先地位，且自有消費級App流量相對較小，因此其算力分配更為均衡，B2B與B2C之間的比例更趨平衡。由於公有雲/MaaS整體規模有限，各公司為此所需的H20 GPU數量也明顯較少，每家大約僅需1萬至2萬張。3）內部訓練：受限於晶片供應，佔比被迫壓縮在中國當前的市場環境下，內部模型訓練所佔算力需求比例相對較小，主要原因如下：GPU供應嚴重受限：所有中國公司都無法按需採購H20晶片；資源分配面臨兩難抉擇：是將大量GPU用於訓練以提升模型能力，還是優先保障面向使用者或企業客戶的推理服務？在激烈的中國消費網際網路競爭中，“先搶使用者、再最佳化體驗” 的策略已被反覆驗證有效。因此，大多數公司選擇將稀缺算力優先用於推理服務，以贏得“使用者爭奪戰”，同時通過演算法最佳化、資料提純等方式，在有限晶片條件下持續改進模型。面對算力約束，中國企業正積極探索高效利用已有NVIDIA晶片的方式，包括：逐步將部分H20轉向訓練任務，並用國產AI ASIC晶片（如華為昇騰、崑崙芯等）替代其在推理場景中的角色；利用為高峰推理預留的冗餘算力，在非高峰時段執行微調（fine-tuning）、知識蒸餾（distillation）等輕量級訓練任務。據媒體報導，幾乎所有中國頭部AI公司目前已部署華為晶片，例如螞蟻集團已部署數萬張昇騰晶片。如果中國監管機構批准企業向輝達下單採購H200（該型號已獲美國政府許可對華銷售），企業有望以更低資本開支實現同等性能。具體而言：一台8卡H200伺服器成本約為H20伺服器的2倍；但其理論算力（FP8/INT8）可達H20的約6倍；因此，在不考慮實際運行中MFU（Model FLOPs Utilization）差異的情況下，實現相同性能所需資本支出可減少約20%。路透社近期報導稱，中國科技公司計畫在2026年訂購約200萬張H200。但據我們瞭解，這些訂單仍需經中國監管部門審批——當局正在評估各企業的實際需求，相關流程仍在進行中。4）綜合算力需求估算綜合1P應用推理、公有雲/MaaS及內部訓練需求，我們估算：騰訊、阿里、百度等頭部AI企業各自約需10萬張H20；字節跳動需求更高，可能接近40萬張H20（此估算尚未包含其內部編碼、行銷自動化、AI工具鏈等潛在用途——這些需求可能相當可觀，但極難量化）。值得注意的是，部分公司的內部AI使用可能實際佔更大比重。正如阿里和騰訊所透露，在晶片短缺背景下，它們正優先保障內部AI應用，這可能意味著未公開的Token消耗遠超外界預期。若形勢進一步惡化，這些公司可能被要求主要甚至全部採購國產晶片。這將帶來新的挑戰：中芯國際（SMIC）的7奈米製程產能仍有限，儘管其計畫在2026年大幅擴產，但產能爬坡需要時間，供應瓶頸在擴產完成後仍可能持續存在。如果企業能夠：獲得足夠數量的國產晶片（如華為昇騰910C），並解決系統與模型層面的相容性問題，那麼在某些場景下，從H20切換至昇騰910C甚至可能降低約10%的資本開支。四、2026年展望：Token用量與資本開支預測我們預計，2026年中國主要AI公司的總Token生成量將同比增長約117%，達到25,221兆（25,221T），主要驅動力來自：AI聊天機器人App的普及；超級App（如微信、抖音、支付寶）內嵌AI功能的廣泛採用。相應地，這些公司的H20相關資本開支合計將達到約285億美元；若計入伺服器機箱、網路裝置及其他配套基礎設施等非GPU支出（約佔AI總Capex的另一半），整體AI相關資本開支預計將達約540億美元。當然，這一估算可能偏保守——如果類似美國的智能體（agentic）在中國快速流行，或對輝達晶片的採購限制有所放鬆，實際需求可能遠超預期。為何我們的Capex估算低於公司指引？投資者可能會注意到：即便在我們對使用者增長和使用強度做出樂觀假設的前提下，我們對阿里和騰訊2026年H20相關Capex的估算仍顯著低於公司官方指引或媒體報導的內部目標：阿里管理層指引未來三年AI Capex為3800億元人民幣（約合每年180億美元）；騰訊2025年Capex佔收入“低兩位數百分比”，若2026年維持相同比例，按其收入規模推算，年Capex約為140億美元；《南華早報》亦報導稱，字節跳動2026年GPU預算將超1000億元人民幣（約140億美元）。這一差距主要可歸因於以下四點：1）公司整體Capex包含大量非GPU支出：GPU僅佔AI總Capex的一半左右，其餘用於伺服器機箱、高速網路、冷卻系統、資料中心建設等配套基礎設施。2）需疊加歷史基線Capex：公司披露的Capex目標包含其傳統業務（如遊戲、廣告、電商）所需的常規IT投入，並非全部用於AI。3）大量算力用於內部非AI大模型業務：企業還需為軟體開發、推薦系統、廣告平台、內容稽核、合規與法務等內部系統分配GPU資源，這些同樣產生可觀Capex。4）前瞻性投資策略：公司預期未來幾年AI需求將爆發式增長，因此選擇提前大規模投入，以搶佔生態位和人才。經上述因素調整後（見圖35），我們的測算結果與各公司Capex指引區間基本吻合。我們清楚地看到，中國企業在AI資本開支（Capex）方面明顯落後於美國同行。根據我們此前的估算及公司指引，中國四大領先AI企業（阿里、騰訊、字節、百度）——合計AI相關資本開支僅相當於彭博共識預測的2025年美國五大超大規模雲服務商（Meta、微軟、亞馬遜、Google、甲骨文）。而據彭博共識預計，這些美國雲巨頭在2026年還將同比再增加約50%的資本開支。造成這一差距的原因是多方面的：1）晶片供應受限：中國公司常常面臨硬體（尤其是高端AI晶片）供應瓶頸，即使預期業務將快速增長，也難以提前大量採購庫存，從而制約了資本支出規模。2）使用者基數與全球化程度差異顯著：美國企業服務的是全球使用者，使用者規模遠超中國公司。例如，《The Information》報導稱，ChatGPT近90%的使用者位於美國以外；其他媒體資料顯示，Google Gemini約87.5%的流量來自國際市場。相比之下，中國AI聊天機器人及App內嵌AI功能的使用者幾乎全部集中於境內，海外滲透率極低。3）使用者行為存在本質差異：美國使用者普遍將AI工具深度融入PC端日常工作流，頻繁發起複雜、高Token消耗的推理型查詢（如程式設計、研究、文件生成等），推動Token用量大幅攀升；中國使用者則主要通過移動端使用AI，多用於簡單任務（如問答、搜尋、娛樂），單次互動Token消耗較低，整體使用強度和複雜度不及西方。綜上，供給約束、市場邊界侷限以及使用模式差異共同導致中國AI生態在資本投入和算力消耗規模上與美國存在顯著差距。這一差距不僅體現在當前支出水平，也可能影響未來技術迭代與生態競爭力的長期格局。 (衛斯李的投研筆記)

黃金白銀的劇烈震盪還在繼續，各大投行關於金銀價格的中期走勢預判也出現了重大分歧。2月3日，國際現貨黃金、白銀價格出現強勁反彈，銀價反彈超過10%，金價反彈超過5%。巴克萊銀行在最新發佈的一份研究報告中，堅定表達了看多黃金中長期趨勢的看法。巴克萊判斷，當前黃金市場的回呼並非牛市終結的訊號，而是一場必要的“中場休息”——短期持倉重設後，支撐金價高位運行的結構性力量仍將持續發酵。據巴克萊測算，黃金當前的公允價值約為4000美元/盎司，儘管存在20%的溢價，但這一溢價具備持久性，與泡沫有著本質區別。Part.01 短期回呼：技術面修正與政策噪音巴克萊認為，此次金價回呼的直接誘因，是市場短期技術面的過度透支與政策預期的邊際變化。從交易層面看，黃金已處於“過熱”狀態：期權、相對強弱指數等關鍵技術指標均顯示其被過度交易，投機性多頭持倉擁擠度創下近期新高，而美元空頭頭寸也已趨近飽和。在連續暴漲後，部分獲利資金選擇落袋為安，推動金價進行技術性修正，這一過程本質上是市場情緒從“非理性繁榮”向理性回歸的必然結果。政策面的短期擾動進一步放大了波動。凱文·沃爾什被提名聯準會主席的消息，成為市場情緒轉向的催化劑。作為候選人中被視為最鷹派的一員，沃爾什的提名被市場解讀為聯準會政策可能趨於穩健的訊號，一定程度上緩解了對央行獨立性受損的擔憂，推動此前超賣的美元獲得短期支撐，進而對以美元計價的黃金形成壓制。但值得注意的是，此次回呼已消化了部分過度的風險溢價。巴克萊指出，回呼前黃金相對於公允價值的溢價一度高達40%，而當前20%左右的溢價已回歸至相對合理區間。更為關鍵的是，回呼過程中並未出現資金大規模撤離的跡象，黃金ETF流通份額仍維持在高位，這表明投資者對黃金的長期信心並未動搖，短期賣出更多是交易層面的調倉行為，而非對核心邏輯的否定。Part.02 估值爭議：“高估”≠“泡沫”面對當前4900美元左右的金價，市場最大的爭議莫過於“是否存在泡沫”。巴克萊的測算給出了明確答案：黃金當前的公允價值約為4000美元/盎司，儘管存在20%的溢價，但這一溢價具備持久性，與泡沫有著本質區別。從歷史規律來看，黃金與公允價值的偏離是常態而非例外。回顧過去30年，黃金曾在1990年代初、2000年代中期、2010年代初中期等多個階段出現持續的估值偏離，且偏離周期往往長達數年。更重要的是，當前4400美元對應的溢價仍處於一個標準差之內，尚未突破歷史極端水平，這意味著溢價仍有存續空間。從統計角度而言，黃金在經歷長期低於公允價值的階段後，出現持續的高估是市場價格發現的正常過程，無需過度恐慌。支撐溢價的核心邏輯，源於通膨與政策不確定性的雙重驅動。巴克萊的模型顯示，後新冠時代的累計通膨是金價上漲的首要動力——在其他條件不變的情況下，美國CPI每上漲1%，金價將相應上漲5%。展望未來12個月，全球通膨大機率維持在3%左右的水平，僅這一因素就有望為金價提供至少15%的上行空間。同時，各國央行的購金行為將進一步強化支撐：2025年全球央行以美元計價的購金量同比增長13%，2025年四季度更是創下歷史次高，若這一節奏持續，將為金價額外貢獻4%的漲幅。更為關鍵的是，當前全球政策環境賦予了黃金“風險避險溢價”。美歐央行獨立性面臨挑戰、美國政府持續推進財政擴張與關稅政策、地緣政治衝突此起彼伏，這些因素共同引發了市場對法幣貶值的擔憂。黃金作為“無信用風險的價值儲藏工具”，其角色已從單純的通膨避險工具，升級為應對政策動盪、尾部風險的“終極保險”。這種特殊屬性帶來的溢價，遠超歷史上單純通膨周期中的估值水平，也是當前金價看似“高估”卻非泡沫的核心原因。Part.03 長期邏輯：四大結構性力量支撐牛市如果說短期回呼是黃金牛市的“中場休息”，那麼支撐這場牛市走向“下半場”的，是四大難以逆轉的結構性力量。1、宏觀政策環境：降息與財政擴張當前全球宏觀政策的組合拳，對黃金形成了明確支撐。聯準會已於2025年9月啟動降息周期，巴克萊預測，無論新主席是誰，2026年降息趨勢仍將延續——這與其他主要央行取消進一步降息的預期形成反差，將推動美元走弱，而美元與黃金的負相關性將持續為金價提供支撐。同時，美國政府在2026年至中期選舉期間將持續加碼財政刺激，財政赤字擴大、貨幣寬鬆預期升溫、聯準會結束縮表（QT）等政策組合，將進一步加劇通膨預期，促使投資者加大對黃金等通膨避險資產的配置。2. 儲備多元化：央行與私人資本的“共振購金”2022年俄羅斯央行外匯儲備被凍結的事件，徹底改變了全球央行的儲備配置邏輯。各國央行加速推進外匯儲備多元化，減少對美元資產的依賴，黃金作為“中立資產”的吸引力大幅提升。2025年，儘管全球央行以盎司計的購金量同比下降21%，但以美元計價的購金規模同比增長13%，凸顯央行購金的堅定性。更值得關注的是，私人資本的加入形成了“央行+私人”的購金共振。全球最大穩定幣發行商泰達幣（Tether）在2025年三季度增持26噸黃金，使其黃金儲備總量達到116噸，超越全球央行成為當時最大黃金買家。泰達幣的購金行為，一方面是為其穩定幣提供更堅實的價值支撐，另一方面也反映了市場對代幣化黃金需求的激增，這一趨勢為黃金市場帶來了增量資金，進一步強化了需求端的支撐。3. 結構性趨勢：去美元化與法幣貶值去美元化與法幣貶值的長期趨勢，為黃金牛市注入了持久動力。近年來，中國通過一系列貿易協議推動人民幣國際化，繞開美元進行跨境結算，這一過程正在逐步削弱美元的全球儲備貨幣地位。據不完全統計，目前已有超過30個國家開始在部分貿易中使用非美元貨幣結算，儘管美元的主導地位短期內難以撼動，但邊際上的需求下降為黃金創造了空間。與此同時，發達市場央行在危機期間“印鈔救市”的行為，正在逐步侵蝕法幣的信用基礎。從長期來看，這種“量化寬鬆常態化”的趨勢將持續稀釋法幣的實際價值，而黃金作為“不可印刷的硬資產”，其價值儲藏功能將愈發凸顯。巴克萊指出，法幣貶值與去美元化並非短期趨勢，而是將持續數年的結構性變革，這意味著黃金的需求支撐將具備極強的韌性。4. 歷史規律：牛市未到終結時歷史資料為黃金牛市的延續提供了有力佐證。自20世紀70年代以來，黃金共經歷過三輪完整的大牛市，每一輪的上漲幅度與持續時間均超出市場預期：1972年黃金本位制結束後，金價上漲300%，持續8年；1978年至1980年，金價上漲400%，持續2年；2007年至2011年，金價上漲200%，持續4年。對比當前牛市，從2023年10月啟動至今，金價漲幅約170%，持續時間不足2年，無論從漲幅還是周期長度來看，均未達到歷史牛市的平均水平。更重要的是，當前牛市的驅動因素更為多元——不僅有通膨、降息等傳統因素，還有去美元化、央行購金、法幣貶值擔憂等新增變數，這些因素的疊加使得本輪牛市的韌性更強、延續性更足。Part.04 投資策略：短期觀望，中長期佈局巴克萊建議，面對黃金市場的短期波動與長期機遇，投資者需要採取差異化佈局策略，在規避短期風險的同時，把握中長期趨勢性機會。對於普通投資者而言，短期應避免盲目追高。巴克萊預測，未來1-3個月內，現貨金價、黃金礦業股及相關ETF大機率將進入盤整階段，持倉重設過程可能帶來進一步波動。這一階段的最優策略是“觀望等待”，待金價回落至4400-4500美元的關鍵支撐位附近時，再逐步佈局。配置比例上，可將黃金作為資產組合的“壓艙石”，佔比控制在5%-10%，主要用於避險地緣政治、政策動盪等尾部風險。對於追求更高收益的專業投資者，中長期應聚焦黃金產業鏈的核心資產。巴克萊強調，其覆蓋的貴金屬股票與金價走勢具備顯著聯動性，其中奮進礦業和霍赫希爾德礦業（均為增持評級）具備估值優勢，當前估值倍數與隱含金價顯著低於行業平均水平，屬於高貝塔標的，有望在金價後續上漲中獲得超額收益。此外，博利登礦業作為基本金屬純標的中與黃金聯動性最強的個股，也值得重點關注。從資產類別來看，黃金礦業股的上漲潛力尤為突出。當前礦業股的每股收益動能仍處於上行通道，銅價上漲帶來的產業鏈紅利、融資環境寬鬆引發的再通膨交易，均將為礦業股提供額外支撐。更重要的是，歐洲避險基金對礦業股的持倉遠未擁擠，這意味著礦業股的重估過程仍有較大空間。Part.05 黃金的“戰略價值”超越短期波動巴克萊在研報最後寫道：在全球宏觀環境充滿不確定性的當下，黃金的價值已遠超普通投資品種。它既是應對通膨的“傳統利器”，也是避險政策風險的“終極保險”，更是在去美元化浪潮中守護財富的“核心資產”。當前的短期回呼，不過是黃金牛市中的一次“中場休息”，是市場從狂熱向理性回歸的健康過程。對於投資者而言，不應被短期波動打亂節奏：短期可觀望等待更優入場點，中長期則應堅定佈局。在政策動盪、法幣貶值、地緣衝突等多重風險交織的時代，黃金的戰略價值將愈發凸顯。這場牛市的“下半場”，或許不會像上半場那般瘋狂，但在結構性力量的支撐下，其延續性與確定性將更為突出——而那些能夠穿越短期波動、把握長期邏輯的投資者，終將在黃金的價值重估過程中收穫回報。 (智通財經APP)

高庫存、價格下跌與產能利用率不足，正推動中國本土生產商尋求海外替代市場 —— 這是 “反內卷” 政策帶來的意外後果。其中，化肥、家電及積體電路行業面臨的風險尤為突出。“反內卷” 政策的影響：“反內卷” 政策旨在打破中國國內市場長期存在的價格戰、產能過剩與利潤率下滑循環。由於中國經濟增長模式長期以生產端為核心驅動力，產業政策對製造業擴張的支援意味著新增產能中的相當一部分需通過出口消化。據此我們預計，2026 年中國商品出口（尤其是工業品出口）將加速增長，且覆蓋行業範圍將進一步擴大。產能過剩行業梳理與分析：當前面臨顯著產能過剩的行業包括水泥、鋼鐵、化工、氧化鋁及電解鋁、鋰離子電池、新能源汽車與太陽能電池；同時，化肥、家電、積體電路等行業的產能過剩風險正逐步上升。研究方法：我們的分析始於對中國 “五年規劃” 的梳理，識別出那些受益於國家戰略支援、被列為經濟發展核心領域的重點行業；隨後收集涵蓋貿易表現與生產動態的綜合資料集，以全面捕捉行業供需變化。圖表 1：行業層面觀察快照政策導向下的產能過剩新的國內政策：“內卷”（英文 “involution”）指企業投入的資源與精力不斷增加，但收益卻未實現同比增長的過度競爭循環。在中國經濟語境中，這一現象具體表現為價格戰、產能過剩與利潤率持續下滑。“反內卷” 行動是中國政府針對這一循環推出的政策應對舉措，旨在通過監管調控、產能最佳化與市場規範，遏制非理性競爭、恢復行業盈利能力並穩定產業發展。但也帶來了一些意外後果。首先，從政策初衷來看，部分本土企業可能會迎來積極結果：更嚴格的監管有望培育更健康的市場動態，推動企業採取更具可持續性的經營模式（尤其是在補貼驅動的競爭、定價策略及促銷活動等方面）。其次，本土生產商將不得不應對高庫存、價格下跌及潛在產能利用率不足的問題，疊加國內需求疲軟，這反過來可能會迫使它們尋求海外替代市場 —— 這便是一項意外後果。因此，我們預計 2026 年中國商品出口量（即貨物出口規模）將加速增長，並覆蓋更多行業。在我們看來，對全球其他國家而言，中國持續推進的 “反內卷” 行動，可能會讓它們越來越強烈地感受到自己正處於 “過剩產能出清” 的接收端。圖表 2：過去一年中國 “反內卷” 行動時間線行業變化梳理與追蹤：我們提出一種簡化方法，用於追蹤和識別可能因中國上述發展態勢而面臨衝擊的行業 / 產業。分析首先從梳理 “五年規劃” 入手 —— 該規劃是中國經濟發展戰略的核心，明確了國家重點發展領域、各行業 / 產業的發展路線圖，以及地方政府、國有企業（SOEs）、私營部門在戰略協同與資源配置方面需遵循的政策框架。隨後，我們對多個行業 / 產業 / 產品類別的出口量與出口額資料進行分析，以此識別出呈現顯著增長或下滑趨勢的行業及產品。為提供更充分的背景資訊，我們隨後納入了生產者價格指數（PPI）、產量水平、產能利用率及庫存資料等輔助指標，這些指標共同助力我們洞悉價格趨勢、生產活力及供需狀況。在出口量、PPI、產量與產能利用率資料方面，我們採用兩個基準進行歷史對比分析：兩年均值與五年均值。針對出口額，我們則將 2024 年平均值與 2025 年年初至今（YTD）平均值進行比較，以評估近期表現。第一步：梳理五年規劃五年規劃中的諸多線索：中國的產能過剩問題並非單純由生產周期決定，而是源於特定的政府政策：五年規劃（見圖 3）為經濟發展指明戰略方向，在明確重點優先行業的同時，還詳細列出了將向這些領域提供的一系列政策工具、監管措施與激勵手段（包括補貼、低成本融資、稅收優惠等）¹。事實上，我們發現近年來正是這種政策驅動模式，導致新能源汽車、太陽能、化工等行業出現全球產能過剩與激烈的低價競爭現象，不僅給生產商帶來持續的利潤率壓力，還迫使部分企業縮減產能。圖表 3：中國五年規劃：戰略重點與行業優先順序第二步：出口與生產者價格指數（PPI）資料解讀出口量呈現向綠色技術與先進製造業的結構性轉型中國出口量呈現 “分化” 態勢：新興行業增長強勁，傳統行業則趨勢疲軟或出現下滑。通過對比出口量的兩年均值與此前五年均值，資料凸顯出行業正朝著綠色技術與先進製造業方向發生結構性轉型，其中新能源汽車、太陽能及半導體行業引領這一變革趨勢。新能源汽車出口量大幅激增，其中電動汽車、純電動車型、插電式混合動力車型及非插電式混合動力車型的出口均實現三位數增長。同樣，太陽能電池出口量也錄得約 170% 的顯著增幅，這一資料反映出全球對可再生能源的需求正不斷上升。在中國半導體產業發展目標的推動下，積體電路出口持續保持上升態勢，其出口量的兩年均值較五年均值增長 26%。事實上，2025 年前 9 個月（9M2025），積體電路出貨量已達 449 億片，同比（y/y）增長 29%。傳統行業增長相對溫和：2024-2025 年（截至報告期）鋼鐵出口量較五年均值增長約 75%，紡織出口增長穩定在 30% 左右；而平板電腦、筆記型電腦、CPU、液晶顯示器等電子硬體產品出口量出現低雙位數下滑，顯示傳統科技產品面臨壓力；家電行業則支撐了消費電子出口增長，空調、冰箱、洗衣機等品類出口實現雙位數增長，與資訊技術電子產品的疲軟形成對比。能源出口分化明顯：過去兩年汽油、柴油出口量較五年均值下降 35%-50%，航空煤油則增長 80%；建材出口整體持平，僅水泥出口激增 105%；金屬領域中，銅及銅製品出口增長 51%，氧化鋁出口增長超 200%。其他行業方面：化肥出口總量下降約 30%（尿素出口領跌 50%），但硫酸銨出口增長 60%；醫藥出口分化，疫苗出口驟降 90%（或因後疫情時代需求回歸常態），抗生素與敷料出口分別實現中個位數增長（敷料增長 23%）。出口額與出口量趨勢基本一致，差異源於 “產品高端化” 處理程序將 2025 年與 2024 年的出口均價進行對比後發現：儘管出口額總體與出口量趨勢保持一致，但受價格變動及產品結構調整的影響，二者也存在差異。部分行業中，價格上漲或產品向高端升級推動出口額增幅擴大；而在另一些行業，價格下跌則抵消了出口量增長帶來的收益。在汽車領域，新能源汽車相關產品的出口額增速已超過出口量增速，這表明產品均價有所上漲，或正朝著高端化方向發展。值得注意的是，非插電式混合動力汽車的出口均價上漲 54%，而插電式混合動力汽車的出口均價更是大幅上漲 125%。藥品出口同樣呈現顯著分化態勢：儘管疫苗出口量大幅下降，但其出口均價同比飆升 62%。化肥出口呈現類似趨勢。今年年初至今，化肥出口價格上漲 51%，其中尿素價格飆升 1471%，儘管化肥出口量下降了 50%。這一趨勢反映出政府推行 “優先保障國內供應” 的政策，該政策導致化肥出口量減少。在消費電子領域，整體出口額增速僅維持在低個位數，吸塵器是個例外，其出口額實現了低雙位數增長 —— 這一增長可能由具備人工智慧功能的智能款吸塵器的需求所推動。相反，有多個品類出現顯著價格下跌，具體包括香菸（-27%）、鎢製品（-11%）、煤炭和褐煤（-19%）、焦炭和半焦炭（-35%）、汽油（-21%）、柴油（-19%）、鐵合金（-23%）、手機（-22%）、集裝箱船（-25%）以及電視機（-29%）。煤炭、焦炭、鐵合金、燃料等大宗商品價格的大幅下跌，表明國記憶體在產能過剩問題；而手機、電視機等消費品價格下跌，則反映出全球電子產品需求疲軟。上遊行業生產者價格指數（PPI）普遍下跌中國上遊行業的價格普遍出現下跌。在煤炭、石油、天然氣、石油製品及鋼鐵等領域，這些行業的生產者價格指數（PPI）兩年均值與五年均值均出現顯著的負向調整。這些上遊行業為整體經濟提供原材料與能源，因此生產者價格大幅下跌通常意味著供過於求、需求疲軟，或兩者兼而有之。煤炭與石油價格走弱，反映出鋼鐵需求疲軟、國內煤炭產量穩定、進口量減少，以及持續的供過於求局面。中國的能源轉型政策也對這些行業施加了下行壓力。此外，房地產市場低迷與建築活動放緩，共同導致鋼鐵及金屬價格走低。儘管中國在推動鋼鐵生產向更清潔、更高品質轉型方面採取了諸多舉措，但產能過剩仍是該領域的結構性風險。化肥與化工產品價格同樣明顯走低，背後原因包括農業需求疲軟，以及政策重心向保障國內供應、相對弱化出口傾斜所帶來的影響。煤炭與鋼鐵行業的出口資料和生產者價格指數（PPI）資料存在顯著關聯我們注意到煤炭與鋼鐵行業的出口資料和生產者價格指數（PPI）資料存在顯著關聯。中國煤炭出口量激增，似乎是由國內產量增加（同比增長 17%）與國內消費量下降共同推動的，因為其出口增速已超過產量增速。在鋼鐵行業，中國正減少低端產品的國內產量（粗鋼產量下降 5%），同時擴大高附加值產品的生產（鋼材產量增長 8%）。然而，鋼鐵出口量增速（+75%）遠超產量變化幅度，這表明國內鋼鐵消費量大幅下滑。過去兩年，各類鋼鐵產品的平均出口量已超過 1700 萬噸，而此前五年的平均出口量僅略高於 100 萬噸。圖表 4：重點新興行業與傳統行業出口資料繪製並追蹤這些變化基於對中國出口與 PPI 資料的分析，我們識別出可能面臨出口管制或產能過剩衝擊的重點行業。總體而言，面臨顯著產能過剩的行業包括水泥、鋼鐵、化工、氧化鋁及電解鋁、鋰離子電池、新能源汽車、太陽能電池；風險逐步上升的行業包括化肥、家電、積體電路。第一類：新興行業在《大宗商品：新舊交替》報告中，我們曾預測行業將從 “舊經濟大宗商品”（鐵礦石、鋼鐵、煤炭）向 “新經濟 / 綠色大宗商品”（氧化鋁、電解鋁、鋁土礦、銅、鎳、錳、鈷、鋰、磷等）轉型 —— 這些大宗商品是電池、輸電線路、新能源汽車、節能家電的核心原材料。（1）氧化鋁與電解鋁近年來中國氧化鋁行業新增產能顯著，現有年產能 1.07 億噸的基礎上，仍有 1500 萬噸產能處於建設中，2000 萬噸產能規劃中。產能擴張速度超過國內需求，導致氧化鋁過剩，出口量激增 200%。作為主要氧化鋁生產商，中國鋁業在原料短缺市場（如俄羅斯、印度尼西亞、阿聯）具備出口優勢；若過剩持續且價格下跌，South32，SOUTAU等亞洲同行可能面臨利潤率壓力，但該公司業務多元化與強勁資產負債表可提供一定韌性，不過氧化鋁業務仍將受全球供需影響。圖 5. 氧化鋁及電解鋁：出口資料圖 6. 鋰離子電池：出口資料（2）鋰離子電池中國鋰離子電池出口量兩年均值較五年均值增長 26%，2025 年出口額較 2024 年增長 21%，PPI 兩年均值較五年均值下降 8.1 個百分點。寧德時代有望受益於需求增長，而 LG 新能源等區域競爭對手可能面臨壓力 ——LG 新能源已因北美市場競爭加劇、新能源汽車補貼到期後需求放緩、整車廠商轉向混合動力與燃油車而面臨盈利壓力。此外，若中國鋰離子電池出口管制加強，LG 新能源或從中受益，但寧德時代將面臨壓力，需主動調整供應鏈與庫存策略。圖 7. 全球新能源汽車（EV）電池市場份額（2025 年 1 月 - 8 月）寧德時代同樣面臨美國政策阻力（如新能源汽車稅收抵免縮減導致近幾個季度需求增長放緩），但公司已通過多元化佈局電池儲能系統降低對美國市場的依賴，並在歐洲與東南亞擴大產能，此舉可緩解貿易政策風險，為其捕捉全球增長機遇奠定基礎。圖 8. 寧德時代與LGENSO分別面臨盈利壓力與利潤率壓力（3）新能源汽車中國新能源汽車出口量激增 688%，凸顯其在全球電動汽車市場的主導地位持續增強。比亞迪仍是中國頭部車企（目前無未償美元債），預計 2025 年出口量將佔其全球總銷量的 20% 左右。圖 9. 新能源汽車（NEVs）：出口資料圖 10. 家用電器：出口資料小米已進入電動汽車領域，截至 11 月中旬，其電動汽車累計交付量已達 40 萬輛。目前小米尚未出口旗下汽車，但計畫於 2027 年在歐洲推出電動汽車。我們認為，中國電動汽車出口的持續增長將加劇整個亞洲地區的競爭壓力。可能受到影響的汽車製造商包括韓國的現代汽車，以及日本的本田、日產、豐田等企業（見圖 11）。在我們看來，國內競爭與產能過剩可能對現代汽車和日產汽車造成更大衝擊，進而為兩家企業本就不斷弱化的利潤率與槓桿水平增添更多壓力（見圖 12）。在《中國：從 “內耗” 到 “建設”》報告中，我們指出，在 “反內卷” 政策下，中國車企可能從價格戰轉向創新與品牌建設（出口額增速超過出口量增速即為佐證）。通過摒棄低價策略，企業旨在恢復利潤率，更注重產品性能、技術進步與售後服務；但這一轉型需加大研發投入，以實現技術差異化與品牌強化。圖 11. 韓日汽車製造商按地區劃分的銷量（2024 年）圖 12. 產能過剩或加劇汽車製造商本已弱化的利潤率與槓桿水平壓力（4）家電中國家電出口量平均增長 26%，這一增長得益於智能技術與物聯網（AIoT）的發展 —— 具備聯網、自動化與 AI 驅動功能的智能家電成為主流。LG 電子與美的（是亞洲家電行業主要參與者，小米市場份額正逐步提升。這些企業面臨國內外激烈競爭的快速變化環境，需積極應對供需失衡（導致成本上升與利潤率壓力）；全球家電市場還受關稅、房地產市場低迷等因素影響，需求存在不確定性。為緩解國內挑戰、降低關稅與地緣政治風險，美的正擴大海外生產與銷售佈局。值得注意的是，美的、小米等中國企業的海外擴張可能加劇國際市場價格競爭，引發過剩壓力。圖 13. 盈利受需求下降、關稅及地緣政治風險影響（5）太陽能電池與積體電路太陽能電池出口勢頭強勁，出口量增長 170%，反映全球可再生能源需求上升，但目前債券市場中尚無直接可比的中國與非中國企業。積體電路出口增長 26%，韓國 SK 海力士與三星是主要競爭對手，但中國儲存晶片生產商與國際同行仍存在技術差距。第二類：傳統行業（1）水泥中國仍是全球最大水泥生產國，年產量接近 18-20 億噸，佔全球產量的 50% 以上。但受房地產市場低迷與基礎設施建設增速放緩影響，國內需求大幅減弱。我們認為，水泥出口量激增 105%（兩年均值較五年均值），是生產商尋求海外市場以抵消國內消費下滑的結果。中國政府正加強產能管控，包括 2025 年底前將熟料產能上限設定為 18 億噸、淘汰低效生產線、實施更嚴格的能效標準，但執行挑戰與地方保護主義意味著短期內過剩壓力仍將持續。改革或有助於大宗商品價格回升，進而提升中國西部水泥（WESCHI）等企業的盈利能力，但中國水泥出口過剩也導致區域建材價格下跌 —— 例如新加坡建材價格同比下跌 1%-13%，主要因中國低價出口衝擊。未來，區域政府可能效仿鋼鐵行業，通過反傾銷措施保護本土產業免受中國低價競爭影響。（2）化肥與化工近年來中國化肥出口出現結構性變化：2025 年出口額激增，但出口量大幅下降（尿素出口下降近 50%），反映中國政府 “優先保障國內供應、穩定本土價格” 的政策導向。磷酸（-25% 至 - 28%）、尿素（-50%）等品類出口量下降，是政府為支援農業生產、抑制食品通膨而實施出口限制的結果。出口額增長（因品類而異）則與中國出口限制、歐洲對俄羅斯與白俄羅斯化肥加征關稅導致全球供應收緊有關 —— 即便出口量下降，價格仍大幅上漲。化肥（礦物與化工）PPI 兩年均值較五年均值下降 7.85 個百分點。我們認為，印度聯合磷化物公司（UPL Limited，UPLLIN）等區域企業或受益於中國出口限制，但這一收益易受政策反轉與成本通膨影響。中國基礎有機化工出口量增長溫和（+2.6%）、價格增長 1%，但國內 PPI 大幅下跌 9 個百分點，顯示國內產能充足且面臨通縮壓力，使其出口產品在全球市場具備極強價格競爭力。這可能對 LG 化學（LGCHEM）等區域企業形成額外壓力，使其在出口與本土市場面臨更激烈競爭；而中國化工集團（HAOHUA）等本土企業則需應對需求疲軟與部分化工產品過剩的行業挑戰。（3）鋼鐵世界鋼鐵協會預測，2025 年全球鋼鐵需求（及鐵礦石、焦煤需求）將回升約 1.2%，結束連續三年的收縮趨勢。但這一復甦將受中國市場拖累 ——2023 年中國鋼鐵國內消費量下降 3.3%，2024 年下降 3.0%，2025 年預計再降 1.0%。如前所述，煤炭與鋼鐵出口趨勢與 PPI 存在強相關性：中國煤炭出口激增，是國內產量增長 17% 與需求疲軟共同作用的結果（出口增速超過產量增速）；鋼鐵行業縮減低端產品產量（粗鋼下降 5%）、擴大高附加值產品生產（軋鋼增長 8%），但出口量增長 75%，遠高於產量變動，顯示國內消費大幅下滑。過去兩年，各類鋼鐵產品出口量均值超 1700 萬噸，而五年均值僅略超 100 萬噸。儘管中國鋼鐵企業向價值鏈上游移動、增加高附加值 / 特種鋼出口，但這一策略無法消除產能過剩風險。2025 年初針對中國鋼鐵的反傾銷案件已達 29 起，2026 年預計將進一步增加，可能抑製出口增長並迫使企業進一步減產。在此背景下，韓國浦項制鐵、日本新日鐵）等區域鋼鐵企業或因中國低價出口衝擊區域價格，盈利能力受損。目前，韓日已對中國熱軋卷與不鏽鋼產品加征反傾銷稅（韓國稅率 28%-38%），東南亞也成為中國鋼鐵企業海外佈局重點（如印度尼西亞德信鋼鐵 PT Dexin Steel），浦項制鐵還與青山集團合作在印尼建設不鏽鋼廠。印度方面，2025 年 4 月推出的 12% 保障稅有望緩解包括中國在內的海外鋼鐵企業帶來的過剩壓力。印度是全球第二大鋼鐵生產國（僅次於中國的 10.05 億噸），2024 年粗鋼產量達 1.5 億噸（大部分用於國內消費）。該保障稅最初有效期為 200 天，後延長至三年（稅率逐步下調），覆蓋熱軋卷、冷軋板、塗層產品等多數扁平材，但不包括電工鋼、不鏽鋼等特種鋼。值得注意的是，印度政策設定價格門檻 —— 高於特定價格的高附加值鋼鐵進口可免徵關稅（如熱軋卷 675 美元 / 噸、冷軋板 824 美元 / 噸），為進口價格設定底線。儘管高關稅可能推高印度國內鋼鐵價格，使Tata Steel，TATAIN、JSW Steel，JSTLIN等本土企業受益，但也可能降低成本敏感型行業需求，若成本無法向消費者轉嫁，還可能導致銷量下滑。圖 14. 鋼鐵產品：出口資料圖 15. 化肥：出口資料（4）紡織中國紡織出口保持強勁勢頭，增長 30%，反映需求旺盛與企業市場份額提升（或受益於規模效應、完整供應鏈與價格競爭力）。為維持競爭優勢，中國頭部紡織企業可能加速在自動化、可持續發展與高附加值產品領域的投資。區域競爭方面，印尼紡織企業（如 Pan Brothers，PBRXIJ；斯 Sri Rejeki Isman，SRIRJK）已因國內外市場激烈競爭受損。同時，部分國際買家可能出於地緣政治考慮分散供應鏈，為其他區域企業創造機遇。但我們認為，貿易壁壘更可能針對高科技行業，紡織目前並非重點領域。附錄：中國 “反內卷” 政策時間線圖表 16：中國 “反內卷” 政策時間線(大行投顧)

巴克萊報告顯示，OpenAI持續超預期的業績表現，印證AI資本開支周期仍將在中長期內延續。業績增長直接驅動公司算力投入，模型持續迭代不斷推高算力需求，倒逼計算合作夥伴加速基礎設施部署，預計2027-2028年是實現 “遞迴自改進”的關鍵落地窗口，將進一步推高算力需求。據巴克萊最新研究報告，OpenAI的營收表現顯著超越其內部預期，這表明AI需求正在快速增長，大規模資本支出周期短期內不會終結。只要OpenAI能夠維持當前的強勁增長態勢，AI領域出現泡沫破裂的風險將保持在較低水平。分析顯示，OpenAI在2025年的營收比年中內部預測高出約15%，而2027年的預期營收更是較原先預估大幅提升50%。對資本市場而言，這一趨勢意味著網際網路巨頭與超大規模雲服務商將繼續維持高強度的資本投入，半導體需求將保持旺盛。巴克萊預計，到2028年OpenAI的計算支出將達到約1100億美元的峰值水平，屆時技術突破很可能引發新一輪算力需求激增。巴克萊這份報告試圖回答一個核心問題：我們距離AI投資放緩還有多遠？答案是：還很遠。營收大幅超越預期巴克萊報告顯示，OpenAI的營收表現持續超出內部預期，2025年實際營收較年中預測高出約15%，2027年預期營收更是上調50%。具體資料顯示，OpenAI 2027年的總營收預期已從600億美元上調至900億美元，推理計算成本從210億美元增至300億美元，每周活躍使用者（WAU）從14億增至18億，付費使用者的年度平均收入（ARPU）從748美元提升至880美元。公司CEO Sam Altman近期在公開訪談中透露，OpenAI有望在2027年實現1000億美元的年度經常性收入（ARR)目標，這一時間點較此前預測整整提前了一年。AI資本開支周期仍將持續巴克萊最新研究報告指出，OpenAI持續超預期的業績表現，印證了AI資本開支周期仍將在中長期內延續。首先，OpenAI所有的收入意味著算力，業績增長直接驅動公司算力投入。ChatGPT的四⼤主要收⼊來源：付費版 ChatGPT、免費版 ChatGPT（⼴告⽀持）、代理和 API，各⾃對計算資源的需求各不相同，但所有這些業務都采⽤相同的基本計算架構。OpenAI在2024至2030年間的計算營運支出預算總額已超過4500億美元，預計2028年達到峰值約1100億美元。其次，模型持續迭代不斷推高算力需求，倒逼計算合作夥伴加速基礎設施部署。OpenAI持續推進GPT-6、Sora 3等下一代模型的研發，每次模型升級均帶來訓練與推理成本的顯著上升，從而持續拉動底層算力設施投入。巴克萊報告稱，OpenAI預計2027-2028年是實現 “遞迴自改進”（recursive self improvement）的關鍵落地窗口，將進一步推高算力需求。該技術通過 “嵌入式 AI 研究員”（drop-in AI researcher）自主開發下一代模型（如 GPT-6、Sora 等），形成 “AI開發AI”的閉環。公司已為2028年單獨預留約430 億美元額外 “可變現算力”（Monetizable Compute），用於支撐這一技術落地。同時，OpenAI已與多家合作夥伴簽訂了約6500億美元的算力租賃合同，時間跨度覆蓋未來十年。其中，甲骨文OCI合約總價3000億美元，從2027年開始為期5年，年均600億美元；微軟Azure合約總價2500億美元，從2026年中開始為期7年，年均360億美元。此外，GoogleGCP合約總價400億美元，為期7年，亞馬遜AWS提供380億美元、為期7年的合約，CoreWeave提供224億美元、為期5年的合約。第三，行業競爭加劇引發“軍備競賽”。為應對OpenAI目前6至12個月的技術領先窗口，Google、Meta等競爭對手被迫同步擴大使用者規模並加快模型迭代速度。預計2024至2030年間，全球AI資料中心總容量將從114.3GW增長至236 GW，實現翻倍。僅OpenAI一家，即需合作夥伴（如甲骨文、微軟等）承擔超過6000億美元的資本開支，用於建設算力叢集。最後，科技巨頭的長期戰略決心進一步鎖定高投入態勢。科技巨頭創始人更重視AI長期競爭，如 Larry Page 表態 “寧破產不認輸”，即便面臨市場波動，仍願持續投入以搶佔賽道, 推動行業資本開支維持在較高水平。 (invest wallstreet)

巴克萊銀行下調甲骨文債務評級至"低配"，指出甲骨文為AI資料中心建設的巨額資本支出已遠超自由現金流能力，債務股本比高達500%，是主要科技公司中最高。巴克萊預測甲骨文信用評級可能降至BBB-，接近垃圾債門檻。巴克萊下調甲骨文債務評級，警示債務風險。11月11日，巴克萊銀行固定收益研究部發佈報告，指出甲骨文為履行其龐大的AI合同而進行的資本支出，已遠超其自由現金流的支撐能力，迫使其嚴重依賴外部融資。報告預測甲骨文從2027財年(2026年6月開始)起將面臨嚴重的融資缺口，該公司可能在2026年11月耗盡現金。分析師Andrew Keches將甲骨文的債務評級下調至“低配”（Underweight），相當於“賣出”建議。同時警告稱甲骨文可能最終淪為BBB-評級，接近垃圾債門檻。巴克萊認為整個超大規模供應商行業正通過發行巨額債券來為AI競賽提供資金，這已開始對信貸市場造成壓力。甲骨文的困境尤為突出，該公司債務股本比高達500%，而亞馬遜為50%，微軟為30%，Meta和Google更低。周一摩根大通策略師團隊也警告指出，AI熱潮的上兆資本需求，將“榨乾”每一個信貸市場。（人工智慧/資料中心的資金來源）資本開支激增，現金流捉襟見肘資本開支激增的直接原因是AI資料中心建設成本的飆升。巴克萊引用行業資料稱，一個AI資料中心的建設成本最高可達每吉瓦500億至600億美元，是傳統資料中心的三倍，其中一半以上的成本用於採購輝達GPU等計算硬體。同時，各大公司的資本支出預測持續被上調。自2025年初以來，行業對未來幾年的資本支出預測幾乎翻了一番。（左圖：超大規模資料中心的資本支出預測持續上升；右圖：今年年初以來，2026年的預測數值幾乎翻了一番）巴克萊追蹤的資料顯示，僅在美國，未來幾年已宣佈的AI資料中心項目就將增加超過45吉瓦的電力需求，對應超過2兆美元的投資。巴克萊指出，自由現金流已不再是唯一的資金來源。儘管除甲骨文外，多數超大規模供應商仍能產生可觀的自由現金流，但Google和Meta等公司大規模的股票回購和分紅計畫顯著減少了可用於資本投資的現金。從扣除股東回報後的“淨自由現金流”角度看，資金缺口變得更為突出，這也解釋了近期Meta、Google和甲骨文接連進行巨額發債的動機。超大規模供應商的債務發行已“淹沒”市場巴克萊在報告中指出，儘管超大規模供應商的資本支出計畫早已不是秘密，但此前該行業的頭部公司主要依靠自身強勁的經營現金流來支援擴張，很少在債券市場進行大規模融資。然而，這一模式近期已被打破。據巴克萊統計，在過去幾個月裡，幾家主要的超大規模供應商通過公開和私募市場發行的債券總額已高達1400億美元，全年發行量有望達到1600億美元。（9月份起用於支援人工智慧資料中心建設的借款金額出現了急劇增長）這些交易規模巨大，平均單筆交易金額達到250億美元。值得注意的是，即便是擁有AA評級的Meta和Google，其新發行債券的利差也顯著擴大，這表明市場為消化如此龐大的供應量已要求更高的風險溢價。巴克萊認為，這並非一次性現象。隨著AI競賽升溫，資本支出預測和融資需求預計將持續增長。雖然短期內發行速度可能放緩，但“更長時間、更高水平”的債務發行將成為新常態。報告認為這一趨勢的背後，是Meta、Google和甲骨文等公司現金流緊張的前景。相比之下，微軟和亞馬遜的現金狀況更為穩健，使其在融資方面擁有更大的靈活性和耐心。甲骨文成“最弱一環”，融資需求巨大在所有超大規模供應商中，甲骨文的財務狀況最為脆弱。巴克萊的分析顯示，甲骨文是唯一一家自由現金流為負的公司，同時其債務與股東權益比率已高達500%，遠超亞馬遜的50%和微軟的30%。巴克萊進行的敏感性分析預測，即使資本支出不再上調，甲骨文的現金也將在2026年11月耗盡，這意味著公司存在巨大的再融資需求。如果資本支出按市場預期進一步增長，巴克萊自身的模型預測其2027財年資本支出將比市場共識高出50%，其資金缺口將更為驚人。此外，甲骨文資產負債表外還有超過1000億美元的租賃承諾尚未確認，這將進一步加大評級機構對其槓桿水平的擔憂。相比之下：Meta雖然也面臨現金缺口並可能繼續成為債券發行人，但其擁有約800億美元的龐大流動性緩衝。Google在多數情況下仍能維持超過700億美元的流動性，短期內融資壓力不大。亞馬遜和微軟在最極端的資本支出設想下，淨自由現金流依然為正，沒有明顯的融資需求。（超大規模雲端運算企業的資本支出與債務淨發行額之間的關係）基於上述分析，巴克萊將甲骨文的債務評級下調至“低配”。報告預測，甲骨文的信用評級最終可能被下調至BBB-等級，即投資級的最低檔。處於該評級且面臨持續現金消耗的公司，其利差可能會向其他高風險的BBB-發行人（如部分汽車和有線電視公司）看齊。巴克萊分析師Andrew Keches在報告中稱，甲骨文從2027財年（始於2026年6月）開始將面臨重大融資需求，這將限制其二級市場債券的表現。與此同時，甲骨文的增長在很大程度上依賴與OpenAI等客戶簽訂的供應商融資協議，這增加了其交易對手的風險敞口。隨著這些合作夥伴尋求對衝風險，對甲骨文CDS的需求將會上升。巴克萊還認為，鑑於甲骨文與OpenAI高達3000億美元的合作關係，其CDS也可被視為對OpenAI相關風險的關注。 (invest wallstreet)（甲骨文5年期CDS飆升）

巴克萊股票策略團隊指出如果資料中心資本支出在未來兩年下降20%，標普500指數將面臨3-4%的盈利下行壓力，更嚴重的是估值可能下跌10-13%。報告識別三大風險：AI模型效率提升可能導致計算設施過度建設；電力短缺成為資料中心建設物理限制；資本支出增長超越現金流創造能力時的融資壓力。儘管AI投資主題基礎依然穩固，但巴克萊指出資料中心資本支出放緩可能成為美股最大的系統性風險。9月25日巴克萊股票策略團隊發表研報，指出如果資料中心資本支出在未來兩年下降20%，標普500指數將面臨3-4%的盈利下行壓力，更嚴重的是估值可能下跌10-13%。報告指出了可能引爆這場危機的三大潛在“巨雷”：技術與效率風險：AI模型效率的飛速提升可能導致現有計算設施被“過度建設”，重演科網泡沫時期的“暗光纖”悲劇。物理限制風險：日益嚴重的電力短缺正成為資料中心建設無法踰越的“硬牆”，可能強制性地給資本支出降溫。資金流動性風險：當資本支出增長開始超越現金流創造能力時，融資壓力和枯竭的VC資本可能成為壓垮駱駝的最後一根稻草。AI熱潮根基穩固，但並非無懈可擊首先，報告肯定了AI投資主題的堅實基礎。即便是在一個預計每年增長30%的數十兆美元資本支出預測下，市場對算力的需求仍然遠超供應。高級推理模型和AI代理的普及進一步推高了需求天花板。資料顯示，標普1500指數中，有十分之一的公司在財報中提及AI帶來的效率提升。報告將當前超級巨頭的資本支出/銷售額佔比（約25%）與科網泡沫時期的電信公司（超過40%）進行了對比，認為目前情況相對審慎。此外，如今科技巨頭的槓桿率，債務/EBITDA比率通常在0.25倍以內，遠低於當年債台高築的電信營運商，其強大的核心業務現金流為AI投資提供了堅實後盾。然而，正是這種狂熱的投資步伐，讓分析師開始審視潛在的“黑天鵝”——如果資料中心資本支出這台增長引擎突然熄火，將會發生什麼？第一個“巨雷”：模型效率提升與“暗光纖”時刻報告構想的第一個熊市情景是，AI自身的發展可能侵蝕其基礎設施需求。隨著模型預訓練觸及資料瓶頸，增量性能的提升變得愈發昂貴，AI實驗室可能會放緩對新基礎模型的投入。與此同時，模型在推理階段的效率正變得越來越高、成本越來越低。這種“剪刀差”可能導致一個致命結果：已建成的海量算力設施面臨嚴重的使用率不足。這正是科網泡沫時期“暗光纖”（dark fiber）時刻的重演——為滿足預期需求而鋪設的大量光纖網路最終閒置，拖垮了建設它們的公司。今年1月因開源模型DeepSeek-R1發佈引發的市場拋售，已經預演了市場對這種“效率扼殺需求”的深切憂慮。第二個“巨雷”：電力短缺的硬約束比技術風險更具物理現實感的是電力危機。資料中心是眾所周知的“電老虎”，其驚人的電力消耗正在給美國老化的電網帶來巨大壓力。報告引用美國能源部的預測，到2028年，資料中心的用電量可能佔到美國總用電量的12%，是2023年水平的近三倍。電網的擴容速度根本無法跟上需求的增長。一些地區已經出現了電力價格飆升的跡象，例如，為美國北弗吉尼亞“資料中心巷”供電的電網，其2026-27年度的電價飆升了22%。為解決這一問題，資料中心開始轉向自建天然氣發電等離網電力，但這又導致燃氣輪機訂單激增，訂單已排到2028年。巴克萊強調，我們不應排除資料中心投資因“無電可用”而被動減速的可能性。第三個“巨雷”：資金枯竭與融資壓力第三個風險來自資金層面。儘管到目前為止，科技巨頭的經營現金流增長仍能覆蓋資本支出，但兩者之間的差距正在縮小。巴克萊認為，如果資本支出開始持續超越內部現金生成能力，未來的投資承諾將越來越依賴外部融資，從而削弱AI基礎設施建設的財務穩健性。在私募市場，AI “獨角獸”公司鎖定了高達4.9兆美元的價值，但由於退出管道有限，風險投資的後續資金正在枯竭。一些巨頭如甲骨文和Meta今年進行的數十億美元私人信貸交易，也暗示了持續的外部資金需求。一旦資金鏈條繃緊，高昂的資本支出將難以為繼。巴克萊進一步強調，投資者不應低估AI資本支出放緩對美國整體經濟的衝擊。根據巴克萊經濟學家的估算，在2025年上半年美國1.4%的GDP增長中，僅資料中心相關的投資（電腦、軟體和資料中心建設）就貢獻了約1個百分點。這意味著，AI投資已成為驅動美國經濟增長的關鍵引擎。如果美國經濟因其他原因（如勞動力市場惡化）陷入衰退，AI資本支出的同步放緩將扮演“加速器”的角色，使情況雪上加霜。報告認為，這種宏觀與產業的負面共振，對股市的威脅比單一的行業調整要嚴重得多。盈利衝擊有限，估值風險巨大分析師指出2023到2025年間，AI相關股票的巨大漲幅主要由估值擴張驅動，一旦增長故事出現裂痕，估值將率先回撤。巴克萊進行了壓力測算，模擬了若未來兩年資料中心資本支出總共下降20%的情景：對盈利（EPS）的影響相對溫和：預計將對標普500指數2026財年的EPS造成3-4%的拖累。這是因為除了半導體等少數行業，資料中心業務在多數公司的收入中佔比仍然不大。對估值（P/E）的影響極為嚴重：這種情況將導致標普500指數整體出現10-13%的估值壓縮。對於直接受益於AI基礎設施建設的行業，其市盈率平均壓縮幅度可能高達15-20%。巴克萊強調，投資者需要密切關注這三大風險因素的發展，並考慮適當的避險策略來管理潛在的下行風險。 (invest wallstreet)

巴克萊分析師認為，川普提名斯蒂芬·米蘭擔任理事可能是讓他試運行。如果米蘭想要擔任聯準會主席，那麼他將會成為一個有力的競爭者。市場低估了米蘭，認為他只是一個佔位者或臨時理事，但米蘭最終留在理事會的時間很可能比市場目前預期的要長。事實上，如果米蘭在明年1月31日就離開聯準會理事會，在歷史上將是非同尋常的，因為自1936年以來，只有兩位理事任職時間不足一年半。此外，從經濟經濟顧問委員會（CEA）主席到聯準會主席也是一條“久經考驗”的晉陞通道。例如，格林斯潘、伯南克和葉倫在成為聯準會主席之前都是經濟顧問委員會主席。在巴克萊看來，作為聯準會主席候選人，米蘭可能擁有其他候選人所不具備的四項全面優勢。首先，他顯然得到了川普總統的信任，並且是總統及其政策的堅定支持者和倡導者。當然，他並不是總統候選名單上唯一一個具備這些品質的人，比如凱文·哈塞特。其次，作為聯準會理事，他可能比其他一些候選人更瞭解聯準會的內部運作。這被認為是克里斯·沃勒和凱文·沃什的優勢之一，也是凱文·哈塞特所沒有的經驗。第三，作為理事，米蘭“近水樓台先得月”，身居顯職可以以更引人矚目的方式談論貨幣政策和進行投票。這一點，除了沃勒外，其他人都不具備。米蘭很可能成為一個直言不諱的反對者，也許會要求更大幅度和/或更多的降息。作為票委，米蘭也更願意反對FOMC共識，投出反對票。最後，如果參議院批准了米蘭的理事任命，並且他順利通過了聽證過程，那麼他也為明年再來一次做好了準備。以上是巴克萊給出的理由。另外，筆者再補充一點，米蘭自有一套改革聯準會的方案和計畫，這一點也有可能成為他的優勢。8月13日，貝森特在接受採訪時表示，他在挑選聯準會主席人選時依據三個標準：候選人對貨幣政策的觀點、對監管政策的立場，以及運作組織和改革中央銀行的能力。貝森特一直認為聯準會的“使命擴張”（mandate creep）導致機構臃腫，威脅到其核心獨立性，因此需要進行全面內部審視。恰好，米蘭去年3月為曼哈頓研究所寫了篇論文，題為 《改革聯準會治理，實現更佳貨幣結果》（Reform the Federal Reserve’s Governance to Deliver Better Monetary Outcomes）。儘管此文前後牴牾，語多迎合，但也算給自己打上了改革者和設計師的標籤，或許有助於競爭聯準會主席一職。（M2M投研）

巴克萊表示，富途作為亞洲領先的線上券商，類似於Robinhood和Coinbase的結合體，並融入富達或嘉信的財富管理元素。預計其憑藉強勁的客戶成長、資產管理規模和收入擴張，疊加港股市場復甦以及加密業務拓展的驅動，未來幾年成長將加速。巴克萊首次覆蓋並看好富途，預計港股復甦和加密業務擴張可望驅動其成長。7月17日，巴克萊銀行在其研報中表示，富途作為亞洲領先的線上券商，類似於Robinhood和Coinbase的結合體，並融入富達（Fidelity）或嘉信（Charles Schwab）的財富管理元素。巴克萊認為，富途憑藉強勁的客戶成長、資產管理規模和收入擴張，正抓住亞洲資本市場的復甦機遇，預計未來幾年增長將加速，對尋求新興市場科技股曝光的投資者構成吸引力。報告強調，目前富途的客戶基數達270萬付費零售投資者，資產管理規模超過1,000億美元，年增率達20%-25%。成長驅動：香港市場復甦與加密擴展富途近期的成長動力主要來自香港股市的改善和加密交易的引入。報告稱，恆生指數今年以來上漲約20%，流動性顯著提升，日均交易額達400億美元，位居全球第三；IPO活動也大幅增加，6月申請數量創紀錄，富途作為香港領先的IPO認購經紀商，通過此管道低成本獲取新客戶。富途於2024年8月在香港推出加密貨幣交易服務。資料顯示，第三季富途的加密貨幣日均交易量達1,000萬至2,000萬港元，第四季成長至超過3,500萬港元。儘管加密貨幣交易量目前僅佔總交易量的約0.1%，但富途對加密貨幣客戶收取更高佣金費率，且該業務可望成為高效的客戶獲取管道。公司還計畫涉足穩定幣發行。據媒體報導，香港近期批准穩定幣相關法規，已有近50個申請者，富途預計將成為領先參與者。報告指出，儘管加密目前貢獻有限，但其作為成長催化劑，將幫助富途鞏固線上經紀領導地位。此外，富途利用同一策略在馬來西亞和日本等市場推廣國際股票和期權交易。這些因素預計將推動未來幾年成長加速，巴克萊預計營收將保持強勁，協助投資者捕捉亞洲數字金融浪潮。市場擴張：從香港到亞洲及全球富途最初面向中國香港，現已擴展到新加坡、馬來西亞、日本等市場，並在美澳有佈局。目前，中國香港仍是富途的最大市場，約870萬付費客戶，佔總數的33%；新加坡430萬，佔16%；馬來西亞200萬，佔7%。公司透過線下門市和產品創新（如加密和ETF機器人顧問）深化滲透，特別是在中老年和高淨值客戶。就競爭格局而言，報告強調，富途領先老虎證券和微牛證券，擁有最多的付費帳戶和資產規模。儘管面臨Rakuten和盈透證券等本地對手，但富途的定價策略和社區功能（如即時資料和投資者論壇）維持了市場份額。巴克萊表示，富途正致力於成為大眾富裕階層的首選經紀和財富經理，未來可能向美國擴張，與Robinhood直接競爭。財務展望：強勁成長與獲利潛力公開資料顯示，富途的財務表現強勁，2024年收入達136億港元，年增136%；調整後淨收入58億港元。經紀佣金收入佔44%，利息收入佔49%，其他收入（如財富管理）佔6%。關鍵指標包括總交易量達7.8兆港元，年增83%；毛利率82%，經營利潤率51%。利息收入依賴客戶閒置現金和融資融券，佔收入一半，受利率環境影響。巴克萊指出，每25個基點降息將減少每月稅前利潤800萬至1,000萬港元，但交易量增加可能抵銷部分負面影響。巴克萊預計，2025年富途收入預計成長48%，至189億港元；2026年成長13%，至196億港元；預計2025年EPS為60.94美元，2026年為68.66美元。 (美股IPO）