汇丰对全球 AI 行情依然保持积极，但判断市场的定价逻辑正在变化。过去两年，只要云厂商上调资本开支，芯片、服务器和数据中心产业链就能获得估值支撑；进入下一阶段，投资者将更加关心这些投入能否转化为企业收入、自由现金流和可持续的资本回报。

换句话说，AI 交易并未结束，只是从 " 建设多少算力 " 进入了 " 算力如何赚钱 " 的验证期。

企业变现刚刚起步

前沿模型公司的收入增长依然强劲。据报道，截至 2026 年 7 月底，Anthropic 年化收入运行率已超过 650 亿美元，OpenAI 也超过 400 亿美元。不过，两家公司的收入确认方式并不完全一致，这些数字更适合用来观察增长速度，不宜直接比较经营规模。

真正值得关注的是企业端。Ramp 数据显示，2026 年 7 月，其平台企业每名员工的 AI 月支出中位数只有 11.95 美元，而支出强度排名前 10% 的企业达到 650 美元。巨大的差距说明，AI 已经在少数企业中进入深度应用，但多数企业仍停留在试用和局部部署阶段。

汇丰以 650 美元作为情景值测算，如果标普 500 成分股全部达到这一投入水平，年化 AI 支出约为 2500 亿美元，相当于这些公司 EBITDA 的 5%、工资支出的 8% 和研发投入的 27%。这不是对未来支出的确定预测，却说明企业预算具备承载 AI 投入的空间。下一步的关键，是模型能否创造足够明确的效率提升，让企业愿意持续扩充预算。

模型能力的进步正在提供这种可能。METR 的评估显示，在以人类专家完成任务所需时间衡量的技术任务中，Claude Mythos Preview 达到 80% 成功率所对应的任务时长约为 3 小时 6 分钟，而 2025 年 5 月发布的 Claude Opus 4 约为 20 分钟。这意味着 AI 正在从回答单个问题，走向独立完成更长、更复杂的工作流程。

资本开支继续加速，现金流压力同步上升

汇丰援引的市场预期显示，美国超大规模云厂商 2026 年资本开支约为 7700 亿美元，2027 年可能达到 1.1 万亿美元。标普全球评级则预计，六家主要科技公司 2025 年至 2030 年的数据中心及 AI 相关投资合计将超过 7 万亿美元。

如此庞大的建设周期必然带来期限错配：芯片、机房和电力设施需要提前投入，而收入往往在数年后才逐步释放。资本开支已经明显侵蚀云厂商的自由现金流，企业开始更多依靠债券融资和长期租赁完成扩张。目前，五家大型科技公司的已承诺但尚未起租的租赁付款合计超过 1 万亿美元。

需求端尚未出现明显转弱。微软、亚马逊、Alphabet 和甲骨文披露的剩余履约义务及云业务积压订单合计约 2.3 万亿美元，一年前约为 8100 亿美元。虽然这些合同口径并不完全一致，也不全是 AI 收入，但仍反映出云服务较高的订单能见度。与此同时，英伟达 B200 和 H100 的租赁价格在供给增加后仍然坚挺，说明可用算力依旧偏紧。

汇丰预计，超大规模云厂商的投资资本回报率虽然会随资本投入上升而回落，但到 2028 年仍有望保持在约 17%。因此，当前矛盾并不是 AI 需求已经消失，而是变现速度能否赶上投资扩张和融资成本。

投资主线仍偏向硬件

基于需求确定性、供给约束和估值水平，汇丰继续偏好韩国存储芯片、中国台湾半导体及先进封装，以及中国内地半导体设备和 AI 电力基础设施。

在美国 AI 产业链中，其偏好顺序依次是半导体、超大规模云厂商和软件。芯片与云基础设施能够直接受益于训练、推理和 Token 消耗增长，也不必准确押注哪一家模型公司最终胜出。相比之下，软件公司的收入更依赖企业付费、产品替代能力和利润兑现。汇丰认为，近期软件股的相对走强更多受到空头回补推动，基本面尚未出现足以支持全面风格切换的变化。

AI 行情接下来真正要验证的，不再是云厂商敢不敢花钱，而是企业客户愿不愿意持续买单。企业人均 AI 支出、长任务处理能力、云订单转化速度、GPU 租赁价格以及云厂商自由现金流，将成为判断行情能否延续的核心指标。在这些数据得到验证之前，需求明确、产能受限且能够率先兑现利润的硬件环节，依然是 AI 交易中确定性相对更高的方向。

$PCB ( 3|BK0877 ) $

$CPO 概念 ( 3|BK1128 ) $

$ 光纤概念 ( 3|BK1660 ) $

追加内容

本文作者可以追加内容哦 !