本文是外资交易台在美股暴跌后，和客户交流的记录，比较准确的传递了现在美股市场的机构投资者们的情绪和观点。仅在一夜之间，围绕人工智能的市场叙事就发生了彻底改变，与此同时，纳斯达克期货的年内累计涨幅被完全抹去。在过去24小时的客户讨论中，许多尖锐的问题被抛了出来。最关键的问题是：AI资本支出的效率和由此决定的可持续性究竟如何？换一种方式表达，这实际上重申了人们对AI投资回报和支出合理性的疑问，同时也强调了自2022年11月以来这个领域急剧演变的潜在颠覆风险。毋庸置疑，美国大型科技公司即将发布的财报（尤其是微软和Meta在周三晚间的业绩）将面临巨大的压力。至少，市场需要某种保证，AI资本支出的“地毯”不会被突然撤走。我们也非常好奇，是否会出现一些针对新兴竞争对手的起源、行为和质量的攻击性论述发言。然而，不可忽视的现实是下方的这张图表——它显示了美国市值的巨大复合增长，而今天，这一增长将受到激烈的争论：![]()
“试想，如果我们在1999年坐在这里讨论互联网……我想没人会估计到20年后互联网的规模会如此之大。当时我们没有iPhone、没有Uber、没有Facebook，等等。然而，如果你在1999年买了纳斯达克指数，你会经历80%的下跌，直到这些成果实现。AI不会重现互联网的这种情况，但可能有相似之处——AI可能会像互联网一样经历巨额资本支出，这种支出虽然每天都在带来增量回报，但真正的大规模回报可能需要等四到五年。”需要明确的是，我们依然对美国科技公司在结构性上的统治地位充满信心——而这些公司现在可能有更多的动机加大支出。然而，从战术层面来看，我们怀疑未来几天会看到散户投资者迅速减仓（对冲基金已经数月来积极降低敞口，所以这实际上关乎家庭投资者的反应）。今天的讨论很大程度上围绕着本周末事件发展的潜在受益者与受损者，而非直接否定2025年开局以来主导市场的“美国例外论（US exceptionalism）”叙事。对此，我们觉得Gavin Baker在X上的以下观点非常具有启发性——1）降低训练成本将提升AI的投资回报率（ROI）。2）从短期来看，这对AI训练资本支出（capex）或“电力”主题没有任何利好。3）目前AI基础设施领域的赢家（涵盖科技、工业、公用事业和能源）面临的最大风险在于，精简版本的r1模型可以在高端工作站本地运行（有人提到Mac Studio Pro）。这意味着两年内类似的模型可以运行在超级智能手机上。如果推理（inference）迁移到边缘端，因为“足够好（good enough）”，我们将生活在一个截然不同的世界里，拥有截然不同的赢家——即有史以来最大规模的PC和智能手机升级周期。计算能力在集中化和去中心化之间摇摆已久。4）通用人工智能（ASI）非常、非常接近，而目前没人真正知道超级智能（superintelligence）的经济回报会是什么。如果一个耗资1000亿美元的推理模型基于10万本《布莱克韦尔手册》（Blackwells，假设为高水平知识的代指）进行训练，可以治愈癌症或发明曲速引擎，那么ASI的回报将会非常高，训练资本支出和电力消耗将稳步增长；戴森球（Dyson Spheres）可能再次成为费米悖论（Fermi’s paradox）的最佳解释。我希望ASI的回报是高的——这会很令人振奋。5）对于使用AI的公司来说（例如软件、互联网等），这一切都非常利好。6）从经济角度看，这极大地提升了分发（distribution）和独特数据的价值——例如YouTube、Facebook、Instagram和X。7）美国实验室可能会停止发布其最前沿的模型，以防止这种对于r1模型的精炼（distillation），尽管在这方面，“猫可能已经完全从袋子里跑了”（即，无法挽回）。也就是说，r1可能足以训练出r2，以此类推。”Ronald Keung指出，随着进入门槛的降低（尤其是近期一些新模型的开发成本仅为现有模型的一小部分），AI主题可能会呈现资本雄厚的互联网巨头与初创企业之间的潜在竞争格局。Eric Sheridan 和团队强调，AI主题的下一阶段进化可能会从基础设施层（infrastructure layer）转向应用层（application layer），这体现在AI代理（AI agents）、企业应用场景（enterprise use cases）、消费者效用的提升（rising consumer utility）以及计算习惯的转变（shifting computing habits）等方面。这些将成为可以识别的验证点，推动2025年及以后的资本投资回报更加线性化的理解。 1）半导体：由于AI训练计算成本下降的影响，股票遭遇抛售，估值面临压力 2）软件：得益于效率提升和成本降低，可能加速企业对AI的采用 3）互联网/科技：AI投资回报和资本支出水平，尤其是基础设施层面，将受到更多审视 4）数据中心运营商：短期面临需求和定价压力，但长期可能实现更健康的供需平衡Peter Oppenheimer 在去年9月5日的一份策略报告中提醒投资者关注AI投资交易的脆弱性，该报告名为《AI：买还是不买，这才是问题》。他提到，历史上投资者通常过于关注创新者本身，低估竞争的影响，并高估早期创新者所投入资本的回报。同时，投资者往往低估了行业中新进入者的增长，这些新进入者可以依托其他企业的资本支出，推出新的产品和服务。Ryan Hammond 也在去年10月的报告《AI与美国股票：成长于AI第二阶段的估值水平，并在AI第三阶段的股票中保持选择性》中指出，尽管估值可能看起来较为乐观，但收益已经——且应继续——支持“AI第二阶段（Phase 2 AI）”的基础设施股票。![]()
与预期相反，我们并不认为科技股的减仓潮已基本结束，接下来的几天不会只是零星的小幅抛售。关于DeepSeek的反馈范围广泛，而股价的反应则更多是膝跳式的。 2）短期来看是负面影响，但从中期看是积极的，因为它加速了AI的采用 3）对美国科技公司而言是利好，因为这将促使它们加大支出然而，股票价格的反应却更像是一种“所有股票都要完蛋了”的情绪。这让我想起了Peter Oppenheimer在2023年年中发布的《AI不是泡沫》的报告。在报告中，他将AI与以往的科技变革或泡沫时期做了类比（参见第8-10页）。随着新技术被复制、成本下降，采用率增加，股市的主导地位会从技术生产商转向技术采用者……或类似的表述。年轻创始人梁文峰、全球资本市场的延迟反应，以及对万亿美元AI投资的争议美国资本市场对DeepSeek在本周末及昨晚的反应似乎相当滞后。在上周五及本周末之前，主流西方媒体对DeepSeek公司及其年轻创始人梁文峰先生的报道极为有限。早在1月20日，DeepSeek发布了其新产品版本R1。但在西方投资界和AI社区中，很少有人意识到R1的潜力以及它可能带来的范式转变。随后，1月21日，全球AI社区对DeepSeek发布的开源文章感到震惊。到1月23日，这一冲击波开始从全球AI社区传播到全球投资界。1月24日，华尔街的大量投资者似乎才意识到这一范式转变，并开始对DeepSeek提出问题。据新闻联播2025年1月20日晚7点的报道，出生于1985年的梁文峰先生自幼被视为数学天才，毕业于享有盛名的浙江大学。他被邀请在北京进行座谈。在量化交易领域，可能有些人早已听说过梁先生。他于2016年共同创立宁波幻方量化投资合伙企业（NingBo High-Flyer Quantitative Investment Partnership），该公司后来成为一家著名的量化私募基金。（维基百科中对梁先生的介绍）此时回顾高盛在2024年6月发布的《Top of Mind》深度报告《生成式AI：过多投入，回报太少？》（GEN AI: Too Much Spend, Too Little Benefit?），意义重大。链接：GEN AI: Too Much Spend, Too Little Benefit?。我本人至少读过三遍。我们的全球个股研究负责人Jim Covello（曾是美国半导体领域的顶级分析师）在报告中明确指出，投入AI的数万亿美元整体来看效率低下，投资者最终可能会发现难以从这些投入中获得合适的回报（他将其与互联网泡沫时期进行类比并发现相似之处）。在我们1月14日至15日于香港举行的宏观会议上，Jim Covello与George Lee（曾是硅谷知名的美国TMT银行家，几年前加入高盛高管团队）在台上进行了一场有趣的公开辩论。George认为，投入AI的数万亿美元最终会被证明是有用且具有商业可行性的。如果有时间，非常值得一听Jim和George关于AI的辩论。在视频的25分30秒之后，Jim还讨论了DeepSeek、商品化风险（commoditization risk）以及杰文斯悖论（Jevons Paradox）（成本下降导致净消费增加）。关于中国的AI投资机会，一些优秀公司似乎主要是私营企业。除了DeepSeek之外，另一家公司是MoonShot（其AI产品“Kimi”是中国消费者中非常受欢迎的聊天机器人）。另一家私营公司是MiniMax。而字节跳动的AI产品“豆宝”则是最受欢迎的面向消费者的AI应用之一。我们的互联网分析师Ronald Keung在上周末发布了一篇及时的分析文章。文章强调了DeepSeek以及字节跳动的Doubao-1.5 Pro和Moonshot的Kimi k1.5对中国互联网、云计算和数据中心行业的影响。Ronald的结论包括：在股票层面，对于应用领域，我们认为腾讯在推出面向消费者的AI代理应用中最具优势，这得益于微信这一具备社交和交易功能的超级应用（值得注意的是，腾讯近期发布了其3D生成模型混元3D 2.0）。同时，我们持续关注字节跳动在AI应用及移动AI操作系统（如小米）的进展。在云计算/数据中心领域，我们注意到芯片和算力限制方面的地缘政治不确定性以及训练/推理成本优化的进展，但预计互联网巨头的云计算业务（阿里巴巴是中国最大的公有云超大规模服务商）和数据中心（如GDS、VNET）将受益于多年来不断增长的AI采用带来的公有云和AI计算需求。![]()
跌宕起伏的一天……
“NVIDIA市值蒸发5890亿美元，创市场历史最大纪录”……事实上，NVDA今天收盘价跌破了200日均线，这是近两年来的首次。
为什么今天市场会有如此大的波动和反应？
对于像今天这样的日子，往往没有单一答案，但似乎是以下多种因素的混合：热门股票的多头抛售（回头看约两个月，部分AI和基础设施相关股票仍接近持平）、缺乏“防御性”（鉴于市场的波动速度，这可以理解）、技术性因素（例如ETF成交量、动量回撤、期权活动、散户交易等）以及宏观经济背景（比如美元走势，或10年期国债收益率接近4.4%）。
至于“这种情况会持续多久”，这的确是个难以回答的问题（或许取决于接下来AI市场情绪的一些不可预测的发展）。但值得注意的是：
1）我们的TMT Momentum Pair今天下跌了约9.3%，这是过去10年中的两次最大回撤之一（类似的事件包括2020年11月的疫苗日和2022年11月的意外冷门CPI数据发布）；
2）一些股票确实在盘后反弹（是的，NVDA、VRT、AVGO、CRDO、ORCL这些类型的股票盘后上涨超过2%）；
3）从这些波动的背景来看，像GEV、VST、TSM、ORCL等股票今年以来仍接近持平（且许多AI股票仍位于100日均线之上）。
在信息、反馈和行动仍然不断变化的情况下，这里是我们今天讨论中的一些关键点：
1. 这是否真的改变了我们一周前的结构性观点，比如对电力/硅/制造领域的看法？或者，这是否仅仅是一次“风险规避”/仓位调整/估值事件（比如在财报周前的周一早晨的意外表现）？
2. 软件板块——今天的表现“合理”吗？（从数据来看，这是20多年里软件板块相对于半导体板块的最大单日分化）。如果是合理的，今天的波动是“真实”资金流向的结果，还是只是动量平仓潮的副产品？无论如何，这周听听MSFT、NOW、SAP、TEAM和DT等公司的财报是个不错的时机。
3. 非AI股票——很久没见到S&P500中约70%的股票在一个交易日内上涨，但今天就有这样的感觉（压力显然集中在AI相关股票）。
这引发了近期的一个话题：寻找具有“主题清晰性”的故事（比如不在AI旋涡或关税旋涡中的领域）。随着对主题性投资的热情不断高涨，是否值得重新审视那些非主题性的公司？比如AT&T、Visa、LYV这样的标的。
4. FAAMG股票之间的分化——AAPL上涨3%（这是过去10年中相对于NDX的表现排名前三的单日表现）> META上涨2% > AMZN持平 > MSFT下跌2% > GOOG下跌4%。
这种分化是否会在未来两周内的企业财报和管理层评论中得到验证？今天背景中依然存在对“预期目标”（bogeys）和“传闻预期”（whispers）的讨论。
5. TMT财报——明天TMT领域的财报较为清淡（SAP、FFIV、QRVO），而重磅的MSFT、META和TSLA将于周三晚间发布。
![]()
如果有帮助，还请帮忙点赞转发支持，星标公号之后可以第一时间看到更新。
注：文中一切内容仅供参考，不构成任何投资建议，也不作为任何法律法规、监管政策的依据，投资者不应以该等信息作为决策依据或依赖该等信息。
