華爾街見聞近日釋出觀點文章指出，科技股近期的調整不能簡單歸因於美國長債利率高企，其背後更深層的原因是AI相關股票的遠期定價問題。文章認為，美國長債利率高企更多反映的是AI投資對社會資本的擠出效應，是AI投資依舊旺盛的結果。資料顯示，美股科技七巨頭去年的債務融資規模為874.9億美元，而2026年截至目前已擴大至2192.2億美元，相較去年全年增長150.6%。過去，這些企業憑藉龐大的現金儲備和經營現金流，是國債等高流動性資產的重要邊際買盤；而隨著AI算力、資料中心和能源基礎設施投資快速擴張，其角色正由債務資本的供給方轉向需求方。這意味著原本可能配置於國債的企業現金和社會資本，被更多吸引至AI投資領域。長端利率高位與科技公司發債擴張本質上是同一輪AI資本開支繁榮的兩面，反映的是有限的資本在國債與AI投資之間重新定價。文章強調，長端利率上行更多反映的是實際利率上行，拿長債利率上行反過來解釋科技股下跌並不合理。

文章認為，調整的背後是AI相關股票的遠期定價問題，有三個關鍵敘事變數：第一，商業化的速率和空間是否跟得上市場預期。5月底以來，投資者反覆爭議Anthropic的ARR，7月增速確實有所放緩，5至7月的月均增長大約只有18%；但若將OpenAI也納入考慮，放緩幅度要小得多。據CNBC 8月19日報道，OpenAI CFO Sarah Friar在8月一次內部會議上表示，季度至今ARR增長35%左右。也就是說，同時考慮兩家前沿模型廠，整體的ARR環比增長並未明顯放緩。市場近期還形成一種新敘事，即有相當大比例的前沿模型Token消費並不直接計入模型廠的ARR，而是通過CSP的TaaS（Token as a Service）渠道實現，即企業在既有AWS/Google/Azure合同框架內經由Bedrock/Vertex/Foundry呼叫模型、按用量付費，CSP與模型廠分成。單看模型廠的ARR會系統性低估終端付費規模的增長，TaaS渠道的增速事實上要快於模型廠直接收入增速。這一敘事目前支撐了不少算力投資者的樂觀情緒，對北美鏈的核心硬體廠股價提供了支撐，但只要Agent在非Coding環節還未出現更有潛力的商業付費場景，TaaS敘事似乎還是無法吸引更多新增資金入局。

第二，算力優勢是不是帶來份額和定價權優勢。根據企業支出管理公司Ramp的AI Index，在其覆蓋的超過7萬家美國企業的API支出中，OpenAI的份額從5月的28.5%、6月的28.1%抬升至7月的36.0%，Anthropic則從71.2%回落至63.4%。拆到模型層面，這一變化幾乎完全由GPT-5.6 Sol貢獻，該模型5月的支出份額還是零，7月已單獨佔到14.9%。若按付費企業數量而非支出金額計算，Anthropic以約44%對40%仍保持領先，但OpenAI的增長動能明顯恢復。一個可能的解釋是OpenAI當前掌握的算力更多，因而在新一代模型的釋出節奏和推理容量供給上更為從容，那麼“搶到更多算力就能獲得更高的應用市場份額”似乎就構成了模型廠繼續押注算力的理由。但其中存在一個關鍵問題，即靜態份額並不完全等同於定價權。如果前沿模型的能力和Agent功能趨於同質化，且使用者的切換成本不高、粘性很低，那麼靜態份額的意義有限，總的市場空間遠比份額分配更為重要。根據OpenRouter資料，Anthropic模型的周度Token使用量在7月中旬後出現較明顯下滑，與此同時OpenAI、Deepseek、Minimax等模型Token使用量均明顯上升。在能力趨同的情形下，算力優勢帶來的是階段性的份額，而不是可持續的超額利潤率，最終還是要回到第一個問題，也就是總的商業化空間上。

第三，當期的算力差距是否會明顯拉開遠期的AI模型差距。這個問題的回答對於算力“賣鏟人”的遠期定價影響最大，因為其直接影響了市場對於算力競賽強度和持續性的預期。目前影響該問題回答的關鍵可能在於前沿模型廠未來能否通過一些手段“防蒸餾”，把訓練端的算力優勢轉化成新一代模型的技術代差，從而獲得定價權。8月中旬，來自MATS Research、ELLIS圖賓根研究所等機構的研究人員釋出了名為《Stealing Reasoning Traces from Proprietary LLM APIs》的論文，詳細分析了當前主流API架構下前沿模型推理鏈的可提取性。論文並未對模型蒸餾下定論，但不少證據至少說明大廠耗費鉅額算力形成的推理能力壁壘，確實面臨被低成本追趕的風險。如果這一問題持續存在，那麼算力“賣鏟人”的定價最終會迴歸傳統公共基礎設施鏈條定價的模式，以時間換空間，爆發性下降。不過，市場目前也存在另一種預期，即前沿模型廠可能在年底前解決防蒸餾的問題，並且同步釋出能力明顯更強的新一代前沿模型，那麼訓練端的Scaling優勢就會轉化為遠期競爭壁壘和定價權，算力競賽的強度還要繼續升級，AI硬體又會被當作稀缺資源定價而非公共基礎設施鏈條。

宏觀方面，美國財政部8月19日宣佈，將擴大對長期國債的回購規模，為債券市場提供更大流動性支援。根據宣告，長期國債回購規模將由20億美元提高至40億美元，回購物件涵蓋10年期至30年期債券。相對於突破32萬億美元的公眾持有美債存量，40億美元的回購規模對債市的影響有限，這一操作更實際的意義或是強化“財政部會在長端利率失序上行時採取‘類YCC’調控”的預期，引導市場形成長端利率的預期上限，壓制期限溢價的尾部風險。這種做法的負面作用也顯而易見，可能會進一步加深市場對於財政紀律的不信任感，加劇美債的拋售。這些宏觀敘事變化的直接影響是弱化美聯儲年內加息的預期，間接影響是促使全球市場K型分化收斂，因為非AI板塊對於利率成本的敏感性相對高景氣的AI板塊更高。

文章指出，造成美國長端利率持續上行的因素並沒有發生根本性變化。一是AI硬體投資短期的高回報率仍然會對債券市場需求形成擠出，推高實際利率。目前在算力短缺環境下，資料中心的靜態投入回報率依舊可觀，主要CSP廠商的雲業務EBITDA率也還在上升，只要算力競賽還在持續，AI還會繼續擠出國債市場需求，推動長端利率上升。二是能化產品的漲價比美伊戰爭爆發之初更具粘性，二季度以來的降庫存對於原油市場的供需緩衝作用在降低，隨著中國在下半年加快廣義財政支出力度，需求抑制的作用也在降低，而霍爾木茲海峽問題“爛尾”的機率還在提升，這些因素對於歐美通脹預期的影響可能會重新升溫。

在外部擾動影響下，A股短期內的資金結構決定了市場博弈複雜性在提升。對中信證券渠道調研的資料顯示，活躍私募在8月第一週反彈過程中大幅加倉，從7月底的71.7%迅速加倉至79.0%，單週加倉7.3個百分點，是2017年以來第二大單週加倉幅度（僅次於2018年10月12日當週的7.8個百分點）。此外，私募排排網資料顯示，截至2026年8月14日，大型私募（管理規模在50億元以上）的股票倉位指數已達88.56%，再創年內新高；同時，滿倉的大型私募佔比77.11%，同樣創出年內新高。由此可見，8月以來市場上風險偏好最激進的資金已經加倉並推動了這波反彈，對於A股這樣一個單邊做多的市場而言，樂觀預期已經很大程度上定價在其中。與此同時，主動公募股基指數與通訊、半導體ETF的走勢相關性依然很高，持倉結構並未出現明顯調整。

不同於歷史上典型的“抱團瓦解”後的行情，“避開機構股”目前看並非是一個有效的策略。在控制市值因素後，8月以來的市場反彈，無論是寬基、主題、行業還是風格，個股的漲跌幅與機構持倉的多少並沒有明顯的關聯性，不少行業內部反而是機構持倉比例更高的個股反彈幅度更大（在控制市值因子後）。文章認為，與其說8月以來市場在迴避機構票，不如說市場更像是在迴避大盤股，這可能與量化資金在市場的策略敞口變化有關。

文章最後建議，震盪市階段要控制心理預期，避免過多的宏大敘事。目前很多板塊有業績、有景氣度，但是短期內看不到估值提升空間，比如北美AI、國產算力、有色、儲能、創新藥等，都有類似的特徵。投資者應該在樂觀敘事佔優的時候謹慎一點，而殺估值風險爆發的時候反而構成佈局點。市場剛經歷過幾個月的板塊高波動狀態，控制心理預期是第一位的，需要避免頻繁陷入宏大敘事。配置策略上，在科技板塊內部，建議藉著AI漲價品種反彈，及時向核心資產（如燃氣輪機、晶圓製造平台、半導體裝置等）調倉，更加重視“量的確定性”，審慎對待“價的爆發性”。對於非科技板塊，建議重點增配能化、有色、創新藥以及有出海潛力的頭部券商。