幣安研究：AI 交易正從半導體向軟體與資本市場輪動

作者：Lim Kim Thye

編譯：吳說區塊鏈

核心摘要

·在單位能力成本持續下降的情況下, Token 使用量增長有利於超大規模雲服務商, 其基礎設施業務利潤率達到 33%至 38%。

·資本支出占經營現金流的比例從 2023 年的 41%升至 2026 年的約 105%。相關公司合計自由現金流已經轉負, 資金缺口開始由債務融資填補。

·市場的定價邏輯已經改變: 無法轉化為實際增長的資本支出會受到懲罰, 能夠推動 AI 收入增長的投入則會獲得正面反饋。

·市場集中度正在下降。幣安投資者也在減少對半導體行業的集中配置, 並將資金轉向軟體和資本市場行業。

Token 最大化趨勢在第二季度結束, 兩條曲線開始背離

第二季度結束了 Token 消耗量增加會直接轉化為模型層收入的假設。企業意識到, Token 消耗與生產力並非線性相關, 因此不再一味追求 Token 使用量最大化。與此同時, AI Agent 迅速普及, 市場更關注完成單項任務所需的 Token 效率。前沿模型的開發重點也從推理基準測試, 轉向 Agent 編程、記憶架構和成本更低的輕量級推理。

截至 2026 年 9 月初, 經由 OpenRouter 路由的 Token 周使用量達到 137 萬億, 約為年初的 20 倍。開放權重模型占該平台生產環境推理 Token 的比例已超過一半, 高於上一次研究中的三分之一, Token 使用量最高的五款模型也全部採用開放權重。這些模型的能力約為閉源模型的 90%, 單次調用成本卻僅約為後者的六分之一。Stripe 在維持每日 5,000 萬次調用的同時, 將 GPU 集群縮減至原來的三分之一, 推理成本下降 73%。

由此, AI 增長帶來的收益開始分化。企業根據具體任務選擇模型, 而 AI Agent 完成一項任務通常需要消耗數千個 Token, 低成本的開放權重模型因此成為長時間運行 Agent 實現經濟可行性的關鍵。在單位能力成本下降的情況下, Token 用量增長有利於利潤率達到 33%至 38%的超大規模雲基礎設施提供商, 但直接銷售模型能力的公司更難將其轉化為收入。

圖 1: Token 使用量逼近 150 萬億, Token 價格指數於 7 月達到 2.62 美元的峰值

資本支出超過經營現金流

美國五大雲計算運營商給出的 2026 年資本支出指引合計達到 7,250 億至 8,000 億美元, 具體金額取決於是否計入融資租賃和預付款。

相比絕對金額, 更值得關注的是資本支出與經營現金流之間的比例。五家公司的資本支出占經營現金流比重已從 2023 年的 41% 升至 2026 年的約 105%。這意味著, 它們用於擴充基礎設施容量的資金已經超過主營業務產生的現金。

這一變化迅速反映在自由現金流上。Alphabet 當季自由現金流為負 59 億美元, 上市以來首次轉負。Meta 的自由現金流從上年同期的 85 億美元降至 7.84 億美元。按過去 12 個月計算, Amazon 的自由現金流為負 76 億美元, Oracle 在 2026 財年則消耗了 237 億美元現金。五家公司合計自由現金流從 2024 年的正 2,460 億美元, 轉為 2026 年的約負 370 億美元, 首次在本輪投資周期中轉負。

隨著內部現金無法繼續覆蓋投資需求, 外部融資開始成為主要資金來源。債務融資占超大規模雲服務商資本支出的比例, 已從 2024 財年的 9% 升至截至 2026 年年中的過去 12 個月內的 32%, 五家公司債務總額約為 7,000 億美元。

國際清算銀行（BIS）的一項觀察尤其值得注意: AI 私募信貸的貸款利差約為 6.2 個百分點, 與非 AI 借款人的融資利差接近。換言之, 股票市場已經開始反映的風險, 信貸市場尚未充分計價。

圖 2: 2026 年資本支出超過經營現金流, 自由現金流轉負

需求信號十分龐大, 但兌現周期漫長

三家公司呈現出相同的趨勢。

·Google Cloud 收入增長 82% 至 248 億美元, 營業利潤率從 20.7% 升至 35.6%, 未履行合同金額達到 5,140 億美元。目前, Google Cloud 每分鐘處理 220 億個 Token, 高於上一季度的 160 億個。

· Microsoft 的商業剩餘履約義務（RPO）達到 6,780 億美元, 同比增長 84%。Azure 收入增長 43%, Microsoft 365 Copilot 付費席位則突破 3,000 萬個。

·Oracle 的剩餘履約義務達到 6,380 億美元, 同比增長 363%。但該公司披露的數據顯示, 其中僅約 12% 將在未來 12 個月內轉化為收入, 約 20% 則要到五年以後才能兌現。

模型公司方面, Anthropic 的年化收入約為 470 億美元, OpenAI 約為 250 億美元。兩家公司目前均處於虧損狀態, 同時都在籌備上市。Goldman Sachs 預計, 到 2030 年 Token 消耗量將增長至當前的 24 倍, 但屆時僅有 12% 的知識工作者使用 Agent AI。

這些數字的規模確實十分龐大, 但其中很少能在短期內轉化為實際收入, 而這一時間差正是本報告後續分析的關鍵。未履行訂單真實存在, 資本支出也已經發生, 但超大規模雲服務商和前沿模型公司必須足夠快地將合同需求轉化為已確認收入, 才能證明這些投入具有合理性。與此同時, 支撐這些業務的底層資產通常需要在四至六年內完成折舊。

圖 3: 未履行訂單遠超當前收入, Google Cloud 達 5,140 億美元, Oracle 達 6,380 億美元

市場的定價邏輯已經逆轉

投資者已經開始將這些因素納入定價, 最新一輪財報季清楚反映了這一變化。

整體數據不足以完整呈現這種轉變, 個股表現更具代表性。指數成分股中, 每股收益超出預期的公司平均上漲 0.6%, 低於過去五年平均的 1.0%；業績不及預期的公司平均下跌 2.5%, 跌幅也小於過去五年平均的 3.0%。市場對利好和利空的整體反應都有所減弱, 但 AI 板塊內部卻出現了劇烈分化。

以財報發布後的首個完整交易日計算, 分化十分清晰。Alphabet 營收增長 24%, 雲業務增長 82%, 股價卻下跌 7.13%, 原因僅在於公司上調了資本支出指引。Meta 則因每股收益不及預期、再次上調資本支出, 以及自由現金流降至 7.84 億美元, 股價下跌 7.95%。

另一側的表現同樣鮮明。Microsoft 的 Azure 收入增長 43%, 剩餘履約義務增長 84%, 同時小幅下調 2026 日曆年的資本支出, 推動其股價上漲 15.51%, 創 2008 年以來最大單日漲幅。

Amazon 將資本支出上調至 2,200 億美元, 但由於 AWS 增速重新加快至 37%, 股價仍上漲 15.32%, 市值突破 3 萬億美元。Nvidia 上漲 8.74%。幾乎不需要投入資金擴建基礎設施的 Palantir 則上漲 29.45%。

市場採用的判斷標準已經非常明確: 除非能夠證明投入正在轉化為增長, 否則資本支出就是負擔。正因如此, 同樣是上調資本支出, Alphabet 遭到市場懲罰, Amazon 卻獲得正面反饋。

圖 4: 同樣上調資本支出, 結果截然相反, Alphabet 下跌 7.1%, Amazon 上漲 15.3%

2026 年的市場主線是擴散, 而非進一步集中

市場集中度已經見頂並開始回落。"科技七巨頭"在 S\&P 500 指數中的權重, 已從 2025 年 10 月的約 35.3% 降至 2026 年 9 月的 33.2%。截至 8 月, S\&P 500 指數年內上漲 12.28%, Nasdaq 綜合指數上漲 13.46%, Russell 2000 小盤股指數上漲 19.12%。

其中, 小盤股的表現尤其值得關注。這表明 AI 交易正在向工業、电力以及其他間接受益行業擴散, 而非進一步集中於超大市值軟體公司。等權重指數的表現領先市值加權指數約 3.6 個百分點, 說明在最容易獲得的漲幅兌現後, 資金正流向波動性更高的二階受益標的。

不過, 當前估值限制了這種輪動繼續發展的空間。S\&P 500 指數的預期市盈率約為 19.6 倍, 略低於過去五年平均的 19.9 倍, 但高於過去十年平均的 19.0 倍。利率環境同樣未能提供支持, 當前有效聯邦基金利率為 3.63%, 10 年期美國國債收益率為 4.77%。

因此, 當前結論已經與去年發生逆轉: 2026 年的市場上漲正在向更多行業和不同市值公司擴散, 被動投資組合對 AI 龍頭股的超額配置則在縮小, 而非繼續增加。

圖 5: "科技七巨頭"權重從高位回落, Russell 2000 以 19.12% 的年內漲幅領跑

幣安投資者也在分散配置, 但起點更加集中

對比 2026 年 6 月底和 9 月 4 日的數據可以發現, S\&P 500 指數與幣安用戶股票持倉的調整方向基本一致。半導體行業在 S\&P 500 中的權重從 18.8%降至 14.8%, 科技硬體行業從 6.8%降至 6.2%；幣安投資者的調整幅度更大, 其科技硬體持倉占比從 15.92%降至 7.94%。

同期, S\&P 500 中幾乎所有其他行業的權重均小幅上升, 表明資金並未轉向另一個單一主題, 而是從此前高度集中的領域分散至多個行業。幣安投資者則繼續減持航空航天與國防、互動媒體與服務及工業類股票, 同時增持資本市場、軟體和綜合零售行業。

幣安投資者與基準指數主要存在三點區別: 半導體配置比例高達 42.08%, 明顯高於 S\&P 500；資本市場行業配置反映了其加密相關偏好；持倉集中度也更高, 前十大行業約占其股票配置的 92%, 而 S\&P 500 前十大行業的合計權重約為 53%。

圖 6: 6 月至 9 月, S\&P 500 指數與幣安用戶持倉中的半導體權重均有所下降

月度資金流向即時呈現行業輪動

月度資金淨流向進一步印證了市場擴散趨勢, 並清楚呈現投資者倉位逐月變化的過程。

7 月, 投資者仍圍繞 AI 主題進行配置, 並在財報季前保持樂觀。多數投資者在 7 月下旬市場回調時買入, 半導體行業吸收了大部分淨流入, 資本市場行業也獲得較多資金。

8 月, 投資者轉趨謹慎。他們開始對資本市場類股票獲利了結, 同時繼續增持半導體, 但資金流入速度明顯放緩。與此同時, 大量資金轉向軟體行業, 當月整體淨流入規模降至 7 月的大約一半。

9 月以來, 半導體行業首次出現月度資金淨流出, 原因是長期利率上升對風險資產構成壓力。不過需要注意, 當前數據僅覆蓋 9 月第一週, 即將公布的 Federal Reserve 利率決定可能迅速扭轉這一趨勢。

綜合觀察這三個月的數據可以發現, 投資組合在季度初仍高度集中於 AI 硬體領域, 隨後逐漸向軟體、資本市場及其他二階受益行業擴散。這與基準指數中出現的行業輪動方向一致, 但來自不同的投資者群體, 且調整速度更快。

圖 7: 7 月至 9 月, 資金從半導體行業流出並轉向軟體行業

交易量與投資者持倉高度一致

交易活動與投資者的資產配置結構高度吻合。交易量占比排名前十的行業, 基本也是幣安投資者主要持有的行業。這表明投資者更可能是在持續建立和調整現有倉位, 而非在彼此無關的主題之間進行短期輪動。

9 月, 半導體行業以 33.84%的交易量占比居首, 資本市場和軟體行業分別占 16.71%和 13.67%。三者合計占前十大行業交易量的約 64%。科技硬體行業以 10.42%位列其後, 與前文所述投資者減持該行業股票的趨勢一致。

持倉與交易集中於相同行業, 是解讀資金流向時的重要信號。當交易量集中在投資者正在增持的行業時, 相關資金流動更可能代表明確的配置意願, 而非單純由短期換手產生。

Pre-IPO 永續合約可直接為交易對手風險定價

幣安 Pre-IPO 永續合約允許投資者對其他主要平台尚未提供的私營公司估值建立頭寸。Anthropic 公布季度收入增長超過一倍並實現小幅經營利潤後, 其合約價格在 8 月累計上漲約 35%；OpenAI 發布最新前沿模型 Astra 後, 其合約價格在 9 月初上漲約 23%, 反映了市場對模型發布的即時判斷。

這兩家模型公司貢獻了超大規模雲服務商 AI 收入中的很大一部分。Wells Fargo 估計, Microsoft 超過 70%的 AI 收入來自兩者；Barclays 估計, 兩者貢獻了 Amazon 約 73%的 AI 收入；UBS 預計, 兩家公司在 Google Cloud 總收入中的占比將從 2026 年的 28%升至 2027 年的 48%以上。OpenAI 與 Oracle 簽訂的 3,000 億美元合同, 也約占 Oracle 6,380 億美元未履行訂單的一半。

因此, 實際客戶集中度高於整體資本支出數據所顯示的水平, 相關收入高度集中於兩家尚未上市的交易對手。如果其中任何一家增長明顯放緩, 影響將從超大規模雲服務商的 AI 收入傳導至 Oracle 的未履行訂單, 並進一步波及由供應商支持、為相關基礎設施提供融資的證券化產品。目前, Pre-IPO 永續合約是少數可直接對沖這類特定風險敞口的工具之一。

圖 8: Anthropic 發布業績、OpenAI 推出 Astra 後, Pre-IPO 合約價格重新定價