AI 基建正在经历一轮市场层面的压力测试。过去两周，中美硬科技板块表现明显分化，市场围绕高额资本开支能否持续、Token 支出指数持续回调等问题分歧加剧。长江证券策略团队认为，这场分歧更像是对 AI 基建的一次压力测试，而非行情的终结。

资本开支增速放缓与 Token 支出指数回调，是本轮市场分歧的两条主线。长江证券在 7 月 18 日的报告中指出，CapEx 放缓并不必然导致硬件行情结束，而 Token 支出指数的回调，折射出市场正从 " 技术可行性交易 " 转向 " 经济可行性交易 " ——投资者开始要求 AI 证明其创造可持续收入的能力，而非仅仅消耗算力。

上述逻辑转变对资产配置具有直接影响。该团队判断，AI 行情的主线正从 " 上游硬件贝塔 " 切换至 " 真正稀缺环节 " 与 " 应用收入兑现 "，即从 CapEx 交易进入 ROI 交易。映射至 A 股，HBM、先进封装、高速光互连等稀缺硬件方向更可能在调整后重新获得溢价，而普通服务器、普通存储及高估值拥挤交易则面临更大压力。

中美硬科技分化：国产算力链逆势靠前

2026 年 6 月 29 日至 7 月 9 日，在科技方向拥挤度达到历史高位的背景下，中美硬科技板块出现不同程度回调，内部分化显著。

国内方面，光模块等海外算力方向大幅回调，但随着长鑫科技 IPO 临近，扩产确定性预期支撑下，半导体等国产算力链方向表现靠前。海外方面，三星、海力士等存储巨头同步大幅回调，但英伟达、苹果等企业表现相对靠前。

长江证券认为，这一分化格局的背后，是市场对高额 CapEx 支出能否持续的讨论明显升温，科技板块整体拥挤度已处于历史高位，由此触发了本轮对 AI 基建的系统性压力测试。

压力测试之一：资本开支增速放缓

CapEx 增速放缓是本轮市场分歧的核心触发因素之一。从北美主要云厂商的资本开支数据与前瞻指引来看，2027 年整体资本开支增速或将边际下滑。

长江证券援引 2010 年代移动互联网行情的历史复盘指出，资本开支增速顶部拐点通常领先市场高点约一个季度。在行情起步阶段，TMT 各子行业资本开支增速见顶的先后顺序为：通信>电子>计算机 = 传媒；而在行情尾声，软件端资本开支增速先于硬件端回落，指数在所有行业增速均顶部回落后约一个季度开始下跌。

然而，该团队强调，CapEx 放缓是否演变为硬件行情拐点，取决于三个条件：收入端是否同步放缓、供给端是否全面释放、以及融资链条是否出现断裂。当前 AI 链条已进入 " 第一次 CapEx 焦虑阶段 "，短期需降低对中上游普涨的预期，但在 Token 需求、云 AI 收入和推理场景尚未被证伪前，AI 周期或仍在延续。

新能源车产业链的历史经验同样提供了参照。复盘显示，产业上升周期中，即便渗透率增速放缓，上游高毛利率往往仍能维持一段时期，细分行业弹性排序呈现上游>中游>下游的规律。这一格局直至上游毛利率确立下滑趋势后才会逆转。

落地至本轮 AI 浪潮，长江证券认为，关键变量在于 2027 年资本开支能否上修，而这取决于两点：AI 模型迭代能否突破线性预期、打开新的算力需求范式；以及应用端能否加速兑现 ROI，推动资本开支从 " 囤卡式投入 " 转变为 " 真实消耗性扩张 "。

压力测试之二：Token 支出指数回调

2026 年 6 月以来，LLM Token Index（每百万 Token 支付价格）持续回调，但与此同时，全球 Token 使用量绝对值仍维持小幅增长。这一背离信号，是本轮市场分歧的第二条主线。

长江证券将这一现象解读为 AI 交易逻辑的结构性切换：市场并非因为担忧 AI 算力需求而调整，而是开始要求 AI 证明其不只是能消耗 Token，更要能以更低成本创造可持续收入。换言之，AI 正从技术可行性交易转向经济可行性交易。

从模型定价层面看，闭源大模型（以 Claude Opus 系列为例）价格维持在相对高位，而开源大模型（以 DeepSeek V 系列为例）价格大幅下调且显著低于闭源模型，两者分化加剧。与此同时，北美主要云厂商（微软、谷歌、甲骨文、亚马逊、Meta）营收增速逐渐回升，海外头部大模型厂商 ARR 亦呈加速上升态势，表明 AI 商业化进程仍在推进。

该团队指出，市场正从第一阶段的 " 只要能用 AI，就愿意付高价 "，转向第二阶段的 " 只有能创造 ROI 的 AI，才愿意持续付费 "。这一转变将降低前沿模型的无差别溢价，压缩部分过度乐观的硬件估值，但同时也将推动低成本模型、模型路由、推理优化和企业级 AI 应用的扩张。

主线切换：稀缺硬件与应用收入成新锚

综合两项压力测试，长江证券认为，本轮分歧标志着 AI 投资主线正在发生切换，市场关注点逐渐转向应用端营收确定性与高端硬件稀缺性。

映射至 A 股，该团队明确区分了受益与受压方向：普通服务器、普通存储和高估值拥挤交易最容易受到冲击；而真正稀缺的 HBM、先进封装、高速光互连等方向，更可能在调整后重新获得溢价。

从更长周期来看，长江证券认为不能简单将 CapEx 放缓等同于 AI 周期结束。本轮 AI 应用趋势在过去 10 至 20 年间已积累了坚实的硬件基础——涵盖通讯基建（2010-2013 年）、半导体设备材料（2020 年）、云计算（2020 年）、新能源车（2021 年）等多轮产业周期——叠加本轮 AI 大模型自 2024 年以来的持续迭代，下一轮 AI 应用行情或已 " 蓄势待发 "。

该团队同时提示三项主要风险：历史经验对未来指引效果有限；财报季北美大厂资本开支若低于预期，市场波动或加剧；以及若 Anthropic 等 AI 大模型厂商 ARR 数据不及预期，科技方向波动或同步加剧。