本文来自微信公众号： Spread Trading ，作者：Trading Dog
六月以来AI与半导体核心资产的剧烈波动，宣告了以CapEx（资本开支）狂飙突进为特征的“AI上半场”已然收官，而基于商业验证与财务数据的“下半场”已拉开序幕。
定价锚的转移：从“拼规模”到“审视回报”
在过去一年，投资者默认的交易逻辑是简单且线性的：只要AI资本开支继续上修，整个产业链的景气就仍处在上行通道，硬件链条就理应继续享受高估值与高溢价。
——于是，市场习惯于把资本开支本身当成需求，把需求当成利润，把利润再线性外推为估值的无尽扩张。
但最近Meta算力资源盘活、M6资本开支“斜率放缓”这类信号，第一次真正打断了这条看似完美自洽的推理链。它们提醒市场，资本开支从来不只是别人的订单，也首先是自己的成本——它既意味着上游公司的当期收入，也意味着下游平台未来的折旧、现金流压力与投资回报（ROI）考核。
当这层认知被重新放回定价中心，AI交易就不再只是“谁最缺算力”，而开始变成“谁能把算力投资真正变成回报”。面对具有强周期属性的半导体与算力硬件，真正主导定价的资金不再盲目迷信市盈率（PE）的线性外推，而是重新拾起市净率（PB）与市销率（PS）等更基础的估值标尺，来衡量这轮周期真实的资产安全边际。
专业机构并没有停止相信AI，只是开始追问：在这场由巨额资本驱动的算力军备竞赛中，到底谁在买单，谁在收单？谁最终能把资产负债表里的巨额投入，转化为利润表和现金流量表里的真金白银？
全球市场的折射：‘Spread Trading’
上述讨论首先Price-in于今年以来纳指、日经、KOSPI之间显著的分化。
最近一年全球几大指数走势
浓缩为一句话：谁承担AI资本开支，谁未必立刻受益；谁处在资本开支订单与利润兑现链条上，谁更容易获得股价超额收益。
美国的大型云厂商和平台公司，是这轮AI基础设施投资中最主要的资本开支支付方，它们率先把钱花出去，率先承担折旧和自由现金流的压力，也因此更早进入“投资回报率能否兑现”的审视阶段。
相反，日本和韩国市场中更高比例的成分股，集中在半导体设备、存储、电子制造、工业电力和基础设施环节，它们不一定是最先讲AI故事的人，却往往是最早把AI资本开支变成订单、产能利用率、价格改善和利润释放的人。
于是，同一轮“AI牛市”在美国市场体现为“谁最愿意花钱建设未来”，而在日韩与部分新兴市场，则体现为“谁最先把这笔建设的钱赚到手”。
进一步推演至：AI产业链细分赛道的分化
顺着“买单”与“收单”的逻辑继续向微观产业链推演，我们会发现，即使在AI大叙事内部，不同环节的命运也在发生剧烈分化。这种分化标志着市场已经越过了由CapEx总量驱动的Beta普涨阶段，正式进入了基于商业兑现度进行筛选的Alpha博弈期。
引用黄仁勋（2025）的“五层蛋糕（5-Layer Cake）”理论——他将产业链由下至上划分为能源、芯片、基础设施、模型与应用；
基于财务与现金流的视角重新审视，这套技术架构实际上就是一条等级森严的“成本与折旧链条”。
算力硬件层：先发受益，但面临估值消化
作为最纯粹的“收单方”，它们拥有整个AI浪潮中最丰厚的当期利润表，且一度免疫于下游应用端商业模式的拷问。然而，当巨头资本开支增速边际放缓，它们的风险不再是“需求骤降”，而是透支了过多的远期乐观预期，高处不胜寒的估值需要时间去消化。
能源与基础设施层：物理瓶颈与新的隐性成本
芯片迭代可以遵循摩尔定律，但电网的升级改造、变压器的产能扩张，却受制于漫长且死板的物理建设周期——作为算力扩张的派生需求，变压器、液冷、高端光模块成为了新的稀缺资源，因其订单的高度可见性和长周期折旧属性，正在承接从上游硬件核心资产中溢出的避险资金，行业景气度被动延长。
但目前新的不确定性在于：随着美国本土“反AI新民粹主义”的抬头，数据中心正迅速从纯粹的工程项目演变为社会矛盾的宣泄口。民粹叙事将底层技术造成的“潜在失业焦虑”，与数据中心对地方电网的过度掠夺、对水资源的剧烈消耗强行绑定、快速传导至监管侧，演变为ESG成本非线性跃升。
最近位于犹他州Box Elder县的Stratos数据中心项目引发全美关注——因其物理参数达到了极其夸张的程度：该项目规划的最终电力负荷高达9GW——作为对比，犹他州全州目前的峰值电力需求仅为约4GW，一个数据中心园区的用电量是整个州总和的两倍以上，这迫使项目方完全脱离电网，计划在现场自建巨型天然气发电厂：预计每年将消耗约4480亿立方英尺的天然气，是目前犹他州所有家庭、商业和现有发电厂天然气总消耗量的1.5倍；此外，在大盐湖面临干旱的背景下，该项目每年需耗水逾160亿加仑用于冷却。
起初，项目方试图利用“军事设施开发局”的特殊治理结构来绕过地方区划限制，但该做法在5月引发了巨大的政治反弹，不仅遭到跨党派（Not In My Back Yard）民众抗议，甚至导致地方官员面临人身威胁。在剧烈民意反弹下，犹他州州长Spencer Cox于6月初被迫签署紧急行政令，出台“数据中心框架”，重新对水资源、电网纳管和空气质量进行强监管，最终项目一阶段规模缩减至1.5GW。
应用层：“最终买单人”
本期希望与大家一起开一开脑洞的部分，欢迎讨论。
在黄仁勋“五层蛋糕”的闭环中，作为最顶层的应用层看似拥有最接近最终用户的终端定价权，但在二级市场定价体系中，这里恰恰是整条产业链中最脆弱的“最终买单人”。
过去两年里作出人类历史上最大规模的资本开支，这些以千亿美元计的庞大固定资产投入，最终都会转化为沉重的折旧包袱，通过供应链重重结转，最终全部压在最顶层应用端的利润表上。应用端当前所经历的估值阵痛，本质上是其传统的商业模式（SaaS）似乎出了严重BUG。
传统SaaS（软件即服务）的底层经济逻辑是“高固定成本、零边际成本”，因此固定月费（Flat-rate）是抢占市场的利器。然而，当SaaS试图转向AIaaS（AI即服务）时，这套逻辑被直接证伪：AI的每一次交互、都在实时消耗Tokens、高昂的GPU算力与电能。
在这种成本结构下，若沿用传统的固定包月制，只会让服务商陷入“用户用得越多，报表亏得越惨”的死亡螺旋。这就逼迫整个应用层必须向“按量付费（Metered Pricing）”或“Token账单”的模式强制过渡。
但这里存在一个消费心理学悖论：用户极度厌恶具有不确定性的计费账单，除非这项支出具备绝对的“不可替代性”与“刚性”。
——要让Token账单成为像水费、电费一样的全社会刚需（付钱时像呼吸一样自如），AIaaS必须跨越两道严苛的鸿沟：
对于B端（企业级市场）而言，如果一个AI只是让员工每天少工作一小时，企业绝不愿意承担不可预测的Token费用；但如果这个Token账单能够直接取代特定岗位，例如让十个人的法务部缩减到两人，它就变成了企业最核心的刚性省钱工具。B端对Token的付费意愿，直接取决于它能消灭多少传统的刚性人力成本。
而对于C端（消费级市场），则要首先突破互联网时代用户被培养出的消费惯性。目前市场上绝大多数AI应用仍处于“回答问题的聊天机器人、可有可无的弱需求”阶段，用户又普遍习惯互联网时代的“免费/管够使用”，一旦需要为每一次对话去计算Token成本，消费冲动就会瞬间被抑制。这种对“计费表持续跳动”的心理防御，是阻碍AI技术向广泛市场扩散的最大隐形壁垒。
如何破局？它必须深度嵌入用户的物理世界或心智模型——作为不可替代的“真实刚需”。
从最近TeslaFSD将FSD（完全自动驾驶）彻底推向订阅制，到未来具身智能时代必然衍生的各项硬件与服务订阅——我丝毫不怀疑科幻电影《银翼杀手2049》（Blade Runner 2049）中那种采用订阅制的（全息投影式）AI伴侣（Joi）将成为现实。因为其精准切中了人类社会消费金字塔最顶层、也是弹性最低的“孤独经济”与情感刚需。
当人身的安全、被释放的时间，抑或是不可替代的情感抚慰被标价为Token时，消费者的效用曲线是极其陡峭且缺乏弹性的。
结语：在周期的刻度上重新定位
历史不会简单重复，但总是押着相同的韵脚。每一轮通用目的技术（GPT，General Purpose Technology）的爆发——无论是90年代的信息高速公路，还是2010年代的移动互联网——都必定经历“基础设施狂奔”到“应用艰难探索”，再到“商业模式大爆发”的三个阶段。
我们目前正站在第一阶段向第二阶段过渡的断层线上。在这一时期，投资的胜率不再来自于对宏大叙事的盲目追随。而是认清自己的仓位在整条产业链中的坐标，区分“愿景”与“订单”、审视“成本”与“利润”，密切关注宏观与政治家的影响，将是AI下半场博弈中，获取超额收益的有效路径。