行情
…

高盛警告 AI 交易進入分化期:為何『全面買入』策略失效

2026 年 Q2,AI 相關股票籃子回報標準差升至 53 個百分點,為 ChatGPT 問世以來最高,基礎設施標的普遍正報酬、應用層表現參差。

高盛警告 AI 交易進入分化期:為何『全面買入』策略失效
目錄

高盛警告 AI 交易進入分化期:為何『全面買入』策略失效

重點摘要

  • 2026 年 Q2,AI 相關股票籃子回報標準差升至 53 個百分點,為 ChatGPT 問世以來最高,基礎設施標的普遍正報酬、應用層表現參差。
  • 雲端超大規模業者今年資本支出預計約 7700 億美元,幾近等於全部經營現金流;自 2025 年初以來淨槓桿攀升約 1700 億美元,回購大幅收縮。
  • 高盛交易員 Lee Coppersmith 指出市場已從「全力建設」轉向「證明回報」,產業鏈位置與盈利兌現能力成為下一階段超額報酬的關鍵變數。

2026 年 6 月 15 日,高盛交易員 Lee Coppersmith 在最新報告中示警:AI 主題過去那種「無差別買入」的粗放邏輯正在瓦解。觸發這份警告的數字很直接:第二季度 AI 相關股票籃子的回報標準差升至 53 個百分點,是 ChatGPT 問世以來的最高紀錄。同樣掛著「AI」標籤的公司,報酬已開始顯著分岔。

Q2 回報標準差飆到 53 個百分點,數字背後代表什麼?

標準差衡量的是分散程度。53 個百分點意味著,AI 股票籃子裡表現最好與最差的標的之間,報酬差距在 ChatGPT 問世後的統計區間內來到頂點。Coppersmith 點出分化的結構性特徵:基礎設施環節(半導體、雲端硬體)普遍錄得正報酬,應用層公司的表現則參差不齊。

這個分化模式有其內在邏輯。基礎設施端有明確的客戶(超大規模雲端業者)、明確的訂單能見度,硬體交付即確認收入。應用層面對的問題更難量化:AI 功能到底為終端產品帶來多少可收費的增量價值?市場用「AI 概念」一視同仁定價,把這道問題刻意擱在一旁;現在開始有人逼問了。

倉位數字顯示資金並未全面撤退。高盛主經紀商資料顯示,對沖基金連續第四週淨買入全球股票,規模高於一年歷史均值 0.8 個標準差;美國股票的淨買入速度更是 2025 年 11 月以來最快,高出均值 2.1 個標準差。但買入的來源主要是空頭回補,而非新建多頭倉位。科技板塊的總敞口與淨敞口仍在高位,五年回溯區間分別位於第 95 和第 99 百分位。倉位偏多,但「減少虧損」和「積極看好」是兩種截然不同的市場含義。

7700 億資本支出,市場為什麼不再買「建設故事」?

超大規模雲端業者過去十年享有高利潤率、輕資產、持續回購的市場溢價。AI 基礎設施的大規模投入正在改寫這個邏輯。

市場一致預期顯示,今年雲端超大規模業者的資本支出約達 7700 億美元,幾乎等於全部的經營現金流。這個比例指向一個直接的結果:自由現金流幾乎歸零,過去用來支撐股東回報的資金池被大幅壓縮。與此同時,回購大幅收縮,自 2025 年初至今淨槓桿攀升約 1700 億美元,股本數量也開始回升,稀釋效應浮現。

Coppersmith 指出,近期出現一個關鍵轉折:市場不再為「我們正在大力建設 AI 基礎設施」這個理由買單,開始要求看到具體的資本回報數字。估值框架正在切換:從「相信未來故事給溢價」換到「看現在數字給倍數」。這不等於看空 AI 整體方向。對一家本益比偏高、AI 業務尚未產生顯著盈利的公司,這種框架切換的壓力會直接體現在股價上。

半導體為什麼是分化裡的相對緩衝點?

Coppersmith 並未全面看空,他明確點出半導體仍是 AI 基礎設施建設中受益最直接的環節,超大規模雲端業者需求依然強勁,AI 整體盈利修正也保有韌性。

這個判斷有其邏輯。在「建設」這件事仍在進行的前提下,不管應用層最終哪家勝出,建設本身都需要晶片。對沖基金在近期科技股回調中對半導體倉位基本按兵不動,科技板塊整體的淨賣出規模也偏低,負 0.7 個標準差。市場在分化中保留了對「鏟子供應商」的信心。

AI 基礎設施建設的動能並未終結,但超大規模業者本身承受著估值重新定價的壓力。半導體廠商在兩者之間,目前看來受衝擊較小;但若雲端業者的資本支出在「證明回報」壓力下出現收縮,影響鏈條同樣會向上游傳導,這個環節並非永久免疫。

你在 AI 產業鏈的哪個位置,決定了你能拿到什麼估值?

一般投資者從這份警告拿到的是資產配置的再校準信號;AI 創業者收到的訊號則更直接:公司在產業鏈的位置,正開始影響能拿到的資金條件與估值框架。

基礎設施端(模型訓練硬體、推論加速、資料中心相關工具)目前仍受益於超大規模業者的強勁需求,採購能見度高,商業邏輯清晰。應用層則進入更嚴苛的審視階段:AI 功能讓使用者願意多付多少錢?留存數字在哪裡?毛利結構怎麼走?這些問題過去幾年可以模糊帶過,現在已經很難迴避。

當市場從「相信故事」切換到「看回報數字」,早期定價依賴「AI 主題溢價」而非盈利兌現的公司,估值修正的壓力最先集中在這裡。下一輪融資的核心問題也換了:「你什麼時候能讓這件事賺錢,資本效率怎麼算」。

「全力建設」的時代沒有結束,只是「建設本身就是理由」的時代結束了。AI 整體大方向仍然成立,但誰在這個方向裡站哪個位置、何時能兌現回報,已成為資金願意給出多少溢價的決定性變數。創業者碰上這道分岔口,比多數人預期的更早。

標籤

#ai 概念股分化#高盛 ai 交易#雲端計算資本開支#ai 股泡沫#證明回報階段
→

繼續閱讀

查看全部 →
NewsAI 快訊

LegalOn 如何砍 65% Codex 成本?按任務路由 Astra/Sol/Luna 的做法

LegalOn 把 Codex 的 Astra、Sol、Luna 按任務分工,日費估算砍 65%、速度持平

DeltaMedia 編輯部2 分鐘
NewsAI 快訊

用 AI agent 自己蒸餾小模型:16 美元做一個 0.8B 模型的完整做法

2026 年 10 月 8 日,Hugging Face 部落格記錄一位開發者透過 ML Intern 將 Qwen-Image 2.1 的 9B 提示詞改寫器蒸餾成 0.8B 版本,從下達需求到取得可部署模型只花了一天。

DeltaMedia 編輯部5 分鐘
NewsAI 快訊

AI 推理成本為何史上下降最快?Epoch 數據與 20 億 AI agent 的算力帳

截至 2027 年出貨的 AI 晶片,理論上可同時支撐 3000 萬至 1.7 億個前沿模型智慧代理不間斷執行,換算全職工時約等同於 1.4 億至 7.2 億名全職員工

DeltaMedia 編輯部6 分鐘
NewsAI 快訊

AI 算力狂飆可養活 20 億個 agent,但市場真有這麼大需求?

Epoch AI 研究顯示,截至 2027 年出貨的 AI 晶片可支援 3000 萬至 1.7 億個前沿模型 agent,若改用低成本模型則可達近 20 億個,但需求是否存在仍是開放問題。

DeltaMedia 編輯部7 分鐘