高盛報告指出，AI模型以低於預期的算力投入實現高性能，衝擊了「持續擴大資本開支才能贏」的市場敘事。動量交易調整尚未結束，但美股未現系統性風險，資金呈行業輪動。高效模型引發對訓練端投資邏輯的質疑，但推理側需求仍堅挺。即將到來的業績期將是檢驗AI資本開支邏輯的關鍵窗口。
AI模型以遠低於市場預期的算力投入實現前沿性能，再次衝擊了"只有持續擴大資本開支才能贏得AI競爭"的市場敘事。高盛One-Delta交易台認為，動量策略的調整仍未結束，但當前美股並未出現系統性風險，市場結構依然保持韌性。
高盛One-Delta交易台負責人Rich Privorotsky表示，其動量模型顯示，本輪動量交易（Momentum）回調距離真正見底仍有數周時間，最終跌幅大機率接近歷史中位水平。不過，考慮到此前上漲斜率遠高於歷史平均，本輪調整也存在超過歷史均值的可能。
他同時指出，近期新一代高效AI模型的出現，正在重新引發市場對AI基礎設施投資邏輯的思考。隨著模型訓練效率不斷提升，"持續投入巨額資本建設更大規模算力叢集"這一核心敘事正面臨越來越多的質疑，而AI資本開支仍然是當前全球科技股最重要的定價主線。
動量交易尚未完成出清，市場內部仍保持輪動
Privorotsky表示，其跟蹤的動量指標顯示，相對波動率依然處於偏高水平，目前尚未出現足以解除警報的信號。
不過，市場內部已開始出現明顯分化。一方面，部分AI硬體相關個股已進入超賣區域；另一方面，一些此前表現落後的類股則在基本面沒有明顯改善的情況下出現反彈，資金輪動特徵較為明顯。
從指數層面來看，美股整體仍表現出較強韌性。類股之間相關性維持低位，資金更多是在行業間切換，而非演變成全面拋售。即便上周五引伸波幅有所回升，這一市場結構仍未發生根本變化。
AI效率提升，再度拷問資本開支邏輯
Privorotsky表示，在實際測試Kimi K3模型後，對其工程能力印象深刻。該模型擁有2.8兆參數，自託管仍需要企業級GPU叢集，並非普通本地設備即可運行。
他認為，真正值得關注的並非推理階段，而是訓練效率。
相比單純依賴更大的算力規模，新一代模型更多依靠演算法優化、模型架構創新以及更高效的混合專家（MoE）路由機制提升訓練效率。以Kimi K3為例，其擁有896個專家模塊，但每次推理僅啟動其中16個，大幅降低了計算資源消耗。
這也引發市場重新思考：如果前沿模型能夠通過演算法創新顯著提高訓練效率，AI產業是否仍需要持續建設規模不斷擴張、資本密集型的數據中心和訓練叢集？
不過，Privorotsky認為，這更多是對訓練端投資邏輯提出挑戰，而推理側算力需求依然具備較強支撐，AI基礎設施長期需求並未因此發生根本逆轉。
業績期將決定AI主線能否延續
隨著聯準會進入議息會議前靜默期，市場短期將關注歐洲央行議息會議、英國CPI以及全球主要經濟體PMI初值等宏觀事件。
不過，Privorotsky認為，真正決定市場方向的仍將是即將開啓的業績期。
除Alphabet外，特斯拉、德州儀器、英特爾等科技公司的業績，以及AMD即將舉行的"Advancing AI"活動，都將成為市場觀察AI投資周期的重要窗口，並進一步檢驗兆美元AI資本開支邏輯能否繼續獲得市場認可。 (華爾街見聞)