矽亚资产管理 陈加凤 缪晨韵

1996年，美联储主席艾伦·格林斯潘用“非理性繁荣”一词，形容资产价格与基本面之间日益扩大的裂缝。当时的警告并没有终结牛市。此后三年，纳斯达克综合指数又进一步上涨了近三倍。然而，从2000年3月的峰值到2002年10月的低谷，纳指经历约两年零七个月的下跌，最大回撤达77.9%。

历史经验表明，周期的逆转从不源于技术本身的证伪，而源于价格与基本面之间裂缝的不可弥合。本文试图回应的核心问题是：在经历十五年超额回报之后，当前由AI叙事驱动的美股繁荣——在估值高企、风险补偿偏低、杠杆与资金流入同步扩张的结构下——是否为一场潜在的全球资产重定价埋下了伏笔？如果是，其风险传导的微观机理与宏观路径又是什么？理解这一结构，远比争论“泡沫是否已经形成”更具现实意义。

过去十五年，持有美国大型股票是全球资本市场的共识与信仰。2011年至2025年，以标普500为代表的美国大盘股以14.1%的年化收益率显著领先其他主要资产类别，且平均14.7%的波动率低于小盘股、新兴市场股票和REITs，实现了主要风险资产中最优的长期风险收益表现。

我们认为，美国大型股票的长期领先并非单纯由估值扩张推动。数字经济具有高固定成本、低边际成本和全球复制能力、头部集中的内在特征——领先企业在承担前期研发与基础设施投入后，能够以相对较低的增量成本服务全球客户，持续扩大收入规模、提升利润率并巩固市场份额。过去十余年间，移动互联网、云计算、半导体和软件平台创造的巨额利润，最终集中于美国头部企业。

这种企业层面的竞争优势，也在重塑全球资本市场的规模结构。截至2026年6月，纳斯达克美国市场和纽约证券交易所的国内股票市值分别约为43.58万亿美元和33.29万亿美元，合计占世界交易所联合会所统计的86家交易所国内股票总市值的45.81%。由此，美国形成了一套自我强化的正向循环：企业盈利吸引全球资本，资本市场的深度降低了融资成本，而较低的融资成本又反哺研发、并购和资本开支，进一步巩固企业的全球竞争力。

2023年以来，人工智能为这场繁荣注入了新的基本面叙事。AI能否开启新一轮生产率革命，算力需求还将增长多久，谁将成为这一技术周期的最终赢家，这些问题已成为资本市场关注的核心命题。

从历史经验来看，经济长周期的繁荣往往以突破性技术的扩散为重要动力，伴随着新产业的崛起与旧产业的重组。但通用技术要真正转化为生产率的提升，不仅需要基础设施铺设，还需要商业模式、组织流程和配套制度协同调整，商业化过程通常长达十余年乃至数十年。问题的关键在于：当资本在回报尚未得到验证之前集中涌入，往往伴随着重复建设、供给过剩、估值膨胀，并最终走向企业出清。

我们认为：历史上的泡沫很少建立在完全虚幻的技术之上。真正构成挑战的，是技术革命的社会价值与资本投入的财务回报之间存在显著时滞。

国际货币基金组织估计，到2029年，超大规模云计算企业与相关产业的AI投资可能累计接近3万亿美元，年度资本支出可能消耗其经营现金流的75%至89%。AI正在创造收入，但收入增长并不必然等同于股东回报的增长。

技术革命与资本回报之间的时间差，正是当前市场最容易被低估的风险，真正需要回答的是：AI相关收入在扣除芯片和设备折旧、能源、融资、推理及持续训练成本之后，能否转化为足以覆盖资本成本的自由现金流；资本回报的增长速度，又能否赶上资本投入的扩张速度。

矽亚资产管理认为，判断本轮风险，不能仅凭估值的高低，或简单争论AI是否存在泡沫。更关键的是考察：真实的技术进步如何被转化为确定性的盈利叙事，而这一盈利叙事又如何通过资金和信用体系被放大。从历史经验看，这一过程通常由三层力量共同推动。

第一层是真实的技术突破。最具迷惑性的泡沫往往不是建立在欺诈之上，而是以真实的产业变革为底色，由市场将长期可能实现的价值集中折现到当前价格。互联网泡沫建立在通信成本快速下降和网络普及之上，AI行情则建立在模型能力跃升、算力规模扩张和自动化效率持续提升的基础之上。真实的技术进步，为乐观叙事提供了最有说服力的起点。

第二层是对技术前景的线性外推。模型能力的阶段性跃升，被推演为算力需求永久性高增长；云业务的短期供不应求，被推演为数据中心永远不会过剩；少数龙头企业的高利润率，被推演为整个AI产业链都能获得丰厚回报。技术确实在持续进步，但需求增速会变化，供给会作出响应，不断涌入的新进入者会压低利润率，当下的赢家也未必能够永久占有产业创造的全部价值。

第三层是金融体系的顺周期放大。当被动资金按照市值权重持续增配上涨的龙头公司，融资杠杆随资产价格上升而扩张，信用市场以较低的风险溢价为扩张提供资金时，价格上涨本身便开始被视为基本面改善的证据。由此，市场形成一条自我强化的链条：技术进步推高盈利预期，盈利预期推高估值，估值上涨降低融资成本，低成本资本推动更大规模的投资与扩张，而扩张带来的订单和收入又进一步强化原有叙事。只要新增资金不断涌入，这一循环就可以延续，甚至在资本回报开始下降之后仍继续运转。

泡沫真正的危险，不在于人们过早意识到估值偏高，而在于持续的上涨会逐步削弱市场对风险的敏感度。上涨持续的越久，“这次不一样”就越像一种已被验证的事实；等到价格转向时，企业和投资组合可能已经失去了承受预测错误的能力。

我们认为，技术乐观、杠杆上升、融资扩张或资金流入，都不足以证明泡沫的存在。真正值得警惕的是，这些现象正在同时出现，共同将市场推向一个越来越狭窄的定价区间：AI需求必须持续高速增长，龙头企业必须维持高利润率，资本开支必须迅速转化为现金流，融资成本不能大幅上升，新增资金必须继续入场。

前述三重力量已演化为当下市场定价中的具体脆弱性，当前美股风险收益关系的不对称性，集中体现在以下六个方面：

第一、技术乐观正在获得估值豁免

市场并非没有意识到交易的拥挤。2026年7月的美银全球基金经理调查显示，82%的受访者将“做多全球半导体”视为全球最拥挤的交易；但仍有48%的受访者不认为AI股票已经形成泡沫，61%预计超大规模科技公司不会削减资本开支。与此同时，基金经理的现金配置已降至3.6%的异常低位。

这组数据反映的，并非投资者对风险一无所知，而是他们在看见拥挤之后，仍然相信未来盈利能够消化当前估值。技术前景并没有消除估值风险，只是将传统的估值约束推迟到了更远的未来。

第二、市场杠杆正在降低价格下跌的弹性

目前银行资本和券商杠杆仍相对受控，尚未出现2008年式的金融机构资产负债表全面恶化。但市场交易层面的杠杆已经明显上升。美国融资账户负债由2025年6月的约1.01万亿美元增加到2026年6月的1.50万亿美元，一年内增长约49%。

杠杆不会改变长期投资逻辑，却会改变价格调整的路径。没有杠杆时，投资者可以等待盈利兑现；存在杠杆时，价格下跌会触发追加保证金、被动减仓和强制平仓。长期判断即使最终被证明正确，也可能在短期的现金要求面前失去意义。市场对负面信息的反应，正因交易杠杆而被显著放大。

第三、企业经营风险正在通过复杂融资向信用市场延伸

如果说融资账户杠杆放大的是股票价格波动，那么AI基础设施的复杂融资结构放大的则是资本开支周期本身。国际清算银行指出，AI基础设施投资正从企业经营现金流逐步转向公司债、项目融资和私募信贷；2025年，超大规模科技企业债券发行额已经超过1000亿美元。

数据中心项目还连接着长期租约、项目公司、云服务商、芯片采购合同、电力协议、私募信贷和保险资金。只要最终需求、设备利用率和租金收入符合预期，这种结构能够降低融资成本、提高资本效率；一旦需求不及预期，同一结构也会将经营问题传导为租约压力、再融资困难和信用损失。

AI资本开支已经不再是科技企业内部的投资决策。随着外部融资和长期合同的增加，模型企业或云服务商的需求变化，可能沿着数据中心、能源、债券和私募信贷市场向外传导。

第四、增量资金正在成为价格反馈的一部分

截至2026年6月底，Interactive Brokers账户数量达518.5万，同比增长34%；客户资产增长40%至9303亿美元，日均交易笔数增长53%，保证金融资余额增长67%。账户、资产、交易与杠杆同步增长，说明市场参与度和风险承担意愿均在上升。

ETF则构成了更大规模的资金入口。截至2026年5月底，美国ETF资产达到15.60万亿美元，过去12个月增长42.1%；仅5月份，ETF净发行额就达到1835亿美元。由于大量股票ETF按照市值权重配置，资金流入会自动形成对既有龙头公司的持续需求。

一级市场也呈现相同态势。2026年上半年，美国完成65宗传统IPO，融资约1142亿美元；2025年同期为34宗、148亿美元。约97%的新股在上市首日开盘价高于发行价，上半年IPO平均表现较标普500指数高出约8个百分点。

这些数据共同表明，当前市场已经不是简单的存量资金轮动。券商账户扩张、ETF净申购和IPO融资正在形成新的资本供给。增量资金为技术创新提供了必要支持，也使市场越来越依赖资金持续流入来维持估值和融资循环。

第五、资本投入的扩张尚未得到自由现金流验证

AI正在创造真实收入，但收入增长尚未证明能够覆盖持续扩张的芯片、服务器、能源、融资和模型训练成本。当前竞争已呈现资本军备竞赛特征：任何一家头部企业放缓投资，都可能失去模型能力、开发者生态和企业客户，因此继续投入是个体理性选择；但所有企业同时扩张，也可能造成重复建设、供给过剩和资本回报下降。

这种压力暂时被科技巨头的既有业务所掩盖。微软、Alphabet、亚马逊和Meta可以利用软件、广告、电商和云计算的现金流补贴AI投资，但这并不等于AI业务已经具备独立的自我融资能力。资本开支会立即消耗现金，却在未来多年通过折旧逐步进入利润表，因此当前利润增长也可能滞后反映投资压力。

纯AI企业的约束更为直接，也更具有警示意义。Anthropic在2026年融资后的估值达到3800亿美元，仍未实现盈利，预计未来一年销售额约140亿美元，相当于约27倍预期销售额。兑现这一估值，不仅需要收入持续高速增长，还要求单位推理成本下降、亏损快速收窄，并形成稳定的自由现金流。用户增长不能替代付费留存，云服务订单不能替代终端需求，数据中心建成也不等于能够长期维持高利用率。

如果AI收入增长持续落后于资本开支、折旧和运营成本，模型企业将更加依赖外部融资，科技巨头需继续交叉补贴，边际数据中心和项目融资则可能率先承压，并最终迫使行业削减投资。本轮周期的核心风险不是AI没有收入，而是收入尚未形成足够强的自我造血能力；当前资产价格预付的，正是这场资本竞赛能够顺利从外部融资和业务补贴转向自我融资。

第六、风险补偿正在与基本面不确定性背离

虽然AI资本投入尚未完成自由现金流验证，但市场却并未为这种不确定性设置足够的回报空间。

截至2026年7月21日，美国高收益债利差约为269个基点；美联储同时指出，美国股票风险溢价低于长期平均水平，公司债利差也处于历史较低水平。与此同时，7月23日美国10年期和30年期国债收益率分别升至4.71%和5.17%，英国、德国和日本国债收益率同步上升，全球主权债券市场正在重新定价通胀、财政和政策利率风险。这强化了当前市场最不稳定的定价组合：无风险利率已经升至多年高位，美股估值和信用利差却仍然反映出较强的风险偏好。

截至2026年6月底，标普500远期市盈率约为20.4倍，席勒CAPE约为40.7倍，处于历史极高区间，股息率仅为1.4%。按照20.4倍远期市盈率计算，标普500的远期盈利收益率约为4.9%，与4.71%的十年期国债收益率已十分接近。这直观反映出当前的定价矛盾：无风险资产提供的确定性收益正逼近股票的预期盈利收益率，而股票投资者仍需承担盈利波动、估值收缩和商业模式变化等风险。

类似的高利率与科技股高估值组合在20世纪90年代末也曾出现。它并不意味着市场会立即转向，却意味着资产价格越来越依赖盈利持续超预期。此前，偏低的风险利差在一定程度上抵消了无风险利率上升的影响，使部分低回报项目仍能获得融资；一旦国债收益率维持高位而风险利差重新扩大，企业将同时面对基准利率和信用溢价的上升，原本只是“回报偏低”的项目可能进一步演变为现金流和再融资问题。

风险补偿决定市场拥有多少缓冲空间，指数集中度则决定了冲击将以多快的速度传导。截至2026年6月底，标普500指数前十大公司权重已经达到36.4%，信息技术板块权重约为38%。这种集中度有其基本面依据：资本向高盈利、强现金流企业聚集，有助于降低其相对融资成本，支持研发、并购和资本开支，进一步强化技术与规模优势。

但企业层面的竞争优势，并不等于投资组合层面的充分分散。随着少数龙头企业在指数中的权重不断上升，大量指数基金、养老金、保险资金和个人账户，实际上共同暴露于同一组关于需求增长、利润率和资本回报的假设。市值加权机制具有顺周期特征：公司上涨越多，指数权重越高，新增被动资金配置的绝对金额也越大；一旦盈利预期下调，相同的集中结构便会放大龙头公司对指数和基金净值的拖累。

低风险补偿与高指数集中度由此构成相互强化的脆弱性：前者压缩了市场承受预测错误的空间，后者缩短了风险由个股向整个市场传导的路径。投资者正在以偏低的风险补偿，承担越来越集中、久期越来越长的盈利预期。

不过，上述脆弱性并不构成对市场转折时点的判断。风险结构决定了市场可能如何受损，流动性环境则影响这种结构能够维持多久。只要企业盈利仍在增长、增量资金仍在流入，高估值、高集中度、保证金杠杆和复杂融资就可能与资产价格上涨并存，甚至延续得比悲观者预计的更久。

从货币数量看，全球金融体系仍然拥有庞大的流动性存量。2020年2月，美国M2约为15.45万亿美元；到2026年5月已达到23.05万亿美元，累计增加约49%。美联储于2025年12月结束资产负债表缩减，截至2026年7月1日，总资产约为6.73万亿美元，较年初增加约1510亿美元。欧洲的广义货币同样保持增长：2026年5月，欧元区M3同比增长3.2%，M1增长4.0%，对私人部门贷款增长3.9%。

这些数据表明，2020年以来形成的货币和信用存量尚未被完全收回，仍在支撑名义收入、银行存款、抵押品价值和资产需求。

与仍然充裕的货币存量相比，变化更显著的是边际资金的价格。美债收益率持续上行，欧洲央行也在2026年6月将存款机制利率提高至2.25%，同时继续缩减资产购买计划持仓。庞大的货币存量仍在支撑资产需求，而更高的利率却在提高折现率、融资成本和项目回报门槛。

全球金融体系由此形成当前最重要的宏观矛盾：钱仍然很多，但钱已经不再便宜。这一组合既可能延长繁荣，也会加大资产价格波动——流动性使高估值得以维持，较高的资金成本则使其越来越依赖盈利持续超预期。但市场对盈利、通胀和利率判断错误的容忍空间正在加速收窄。

过去十五年的资产收益说明，美国大型股票曾是全球资本最成功的单一配置；最近两年的变化则显示，市场领导权已开始扩散。2025年，新兴市场和非美发达市场股票分别上涨34.4%和31.9%，超过美国大盘股17.9%的涨幅。2026年上半年，新兴市场上涨24.0%，美国小盘股上涨22.6%，REITs上涨14.9%，同样领先美国大盘股10.2%的涨幅。在这一环境下，全球资产配置的重点将不再是寻找唯一的长期赢家，而是降低组合对单一市场、单一技术叙事和单一宏观情景的依赖。

上述六个方面的脆弱性，并非孤立存在，而是经由全球金融网络彼此强化、相互传导。一旦局部风险触发市场转向，其影响将沿着资本流动逆转引发的全球风险偏好同步收缩、美元融资成本上升对全球杠杆头寸的挤压，以及AI基础设施复杂融资链条的连锁反应等渠道扩散。这些传导路径共同指向一个事实：美股的调整不会是一个孤立事件，而是可能通过资本流动、美元信用和融资链条将局部压力向外传导。

由此引出一个对资产配置而言至关重要的问题：当核心风险资产调整时，传统的分散化工具——包括简单的跨国配置和股债对冲——能否提供足够的保护？近年来，传统60/40组合的风险缓冲能力正在下降。2022年，标普500指数与美国综合债券指数分别下跌18.1%和13.0%，典型60/40组合损失约16%；2025年4月，美国股票、国债和美元一度同步走弱。2022年中以来，股债相关性升至约0.77。过去依靠债券吸收股票回撤的配置逻辑，已经不再稳定。

原因在于，同一组风险正在同时冲击股票和债券。关税与地缘冲突推高成本、压低增长，财政扩张和国债增发则抬升长期利率：股票因盈利下降和估值收缩而承压，债券也因收益率上升而下跌。长债仍能对冲通胀受控下的经济衰退，却难以应对通胀、财政和供给风险。

其他资产也无法提供永久保护。商品可以分散供给型通胀，但可能在需求收缩时下跌；黄金则受实际利率、美元和流动性影响。在股债对冲关系趋于不稳定的情况下，商品、黄金等资产虽然可以提供一定分散，但各自只在特定环境下有效，无法随时替代债券在组合中的角色。

股债相关性上升并不意味着分散化已经失效，而是意味着过去依托国债的低成本、近乎自动化的分散方式正在失效。下一阶段资产配置的重心，或许需要从"资产类别分散"转向"风险因子分散"——降低组合对单一宏观路径和固定股债相关性的依赖，并在不同风险情景下保留流动性、承压能力和再平衡空间。但一个更深层的悖论也随之浮现："领导权扩散"并未显著降低全球各类资产之间的联动程度。区域超额收益的可获得性在上升，系统性风险的同步性却依然高企，这意味着简单的跨市场地理分散已不足以对冲全球流动性冲击，真正的多元化需要触及因子层面。

在AI引领的结构性变革中，矽亚资产管理认为，全球经济的不确定性并非暂时的波动，而是资产配置逻辑重构的深层动力。传统股债组合的“稳定锚”正在松动——高集中度的美股繁荣背后，是收益率下降、相关性升高的现实困境。

回到历史已被时间验证的警示，正如1996年的"非理性繁荣"并未即刻终结牛市，当下的脆弱平衡也可能延续；但历史的教训在于，周期规律从不缺席，只会迟到。目前定价中隐含的假设——AI需求持续高速增长、龙头企业维持高利润率、融资条件保持宽松——需要被持续审视。市场在享受技术乐观情绪的同时，也值得为上述假设可能出现的偏差预留容错空间。

这些问题没有确定的答案，但值得每一位市场参与者在自身的风险承受能力和时间维度上持续关注。历史不会简单重演，但周期律始终值得尊重。矽亚资产管理认为，当前最重要的不是给出一个确定的配置答案，而是提出这些无法回避的问题——让每一个市场参与者，结合自身的风险承受能力与目标，形成独立的判断。在不确定性成为常态的时代，对风险的持续审视与客观认知，或许比任何具体的配置建议都更有长期价值。