在刚刚过去的10月，全球科技股投资人经历了一场无声的信仰松动。
年初还被视为“印钞机”的半导体与云巨头接连在财报季前夕失速，而年初被硅谷几乎判处死刑、深陷“AI替代论”泥潭的SaaS板块，却在9月悄然走出了一波逆袭；几乎同一时刻，大洋彼岸的A股与港股市场里，曾因AI算力映射而风光无限的光模块与具身智能概念股剧烈震荡，一批管理规模百亿级的买方机构，早在7月便已悄然将头寸泊入了银行、消费与公用事业等红利资产的避风港。
市场并未失去对人工智能的技术信仰。恰恰相反，一线买方机构比任何时候都更确信大模型的商业价值。但交易的底层标尺变了：如果说AI上半场的交易核心是“谁拥有最多的算力与最酷的叙事”，那么下半场的唯一审判官，则是“谁的资产负债表还剩真金白银”。
“今年年初，市场交易的是缺显卡、缺HBM内存，甚至缺MLCC（片式多层陶瓷电容器）；但到了9月和10月，全行业最缺的东西只有一个——Capital（资本金）。”
常驻硅谷与香港的多空对冲基金投资人Patrick（化名），在回答笔者问题时提出了一个反直觉的判断：人工智能产业最大的风险，可能不再是技术不够先进，而是技术发展得太快，以至于支撑它的资本结构开始承受压力。
这一判断正得到最新财务数据的印证。
10月26日，Meta宣布启动约350亿美元股权及可转换优先股发行，并计划于2027年推出最高600亿美元的后续股票出售安排。虽然这950亿美元并不意味着全部资金已经筹集，但对一家长期以充沛现金流著称的互联网巨头而言，其融资结构的变化具有象征意义。
在此前公布的第三季度财报中，Meta经营活动现金流达到328亿美元，但资本开支及相关融资租赁本金支付后，自由现金流为负21.2亿美元。公司预计，2026年全年资本开支将达到1350亿至1450亿美元。
几乎同一时期，大洋彼岸的一位中国百亿级组合基金经理郝小雨（化名）在交流中提到，她在今年年中清理了此前重仓的光模块头寸，并从7月开始将核心仓位转向银行、消费等现金回报相对明确的资产。
这并非因为她不再相信AI。
恰恰相反，她认为，在中国人口老龄化和劳动力供给变化的长期约束下，AI提高全要素生产率的价值可能被低估了。但技术对经济的贡献，与特定上市公司能否持续获得超额利润，是两件不同的事。
两位投资人并不代表整个市场，但他们从不同市场得出的结论颇为相似：AI投资正在从争夺未来市场规模，转向检验资本回报的真实性。
3万亿美元算力账单：科技公司的资本饥渴症
2026年8月，英伟达首席执行官黄仁勋在接受CNBC采访时表示，一吉瓦AI基础设施的建设成本约为500亿至600亿美元。
如果按50吉瓦的扩建规模作情景推演，所需资本可能达到2.5万亿至3万亿美元。但这一数字并非下一年度确定发生的支出，而是取决于项目建设周期、设备投入、供电能力和实际投产进度的理论规模。
摩根大通10月发布的研究预计，2026年AI资本开支接近9000亿美元，到2030年累计可能达到5.5万亿美元。
真正值得警惕的，不是数字庞大本身，而是融资机制发生了改变。
过去十多年，美国大型科技公司依靠广告、软件订阅和云计算业务创造现金，再把这些现金用于股票回购、分红及新业务投资。
现在，数据中心和AI计算设备的扩建速度，开始超过部分公司通过自身自由现金流持续融资的能力。
Patrick认为，这种变化迫使科技公司重新借助债务、合资企业、项目融资和股权发行，为算力扩张提供资金。
他尤其关注Meta新设无投票权C类股票的决定。在他看来，这不是简单的资本市场操作，而是管理层试图在保留现有控制权安排的同时，扩大融资能力。
不过，Meta目前仍持有超过800亿美元现金及有价证券，核心广告业务收入持续增长，因此不能将融资需求直接理解为偿付能力危机。
真正的问题是，AI基础设施能否创造足够高的增量回报。
传统基础设施如铁路、电网和公路，其物理使用寿命通常较长。但AI数据中心最昂贵的组成部分之一是计算设备。GPU性能、能源效率和芯片架构不断迭代，可能改变既有设备的经济寿命。
一家企业花费600亿美元建设的数据中心，即使能够持续运行多年，也并不意味着其中所有设备都能在整个周期维持最初的经济价值。
这也是为什么简单套用2008年美国次贷危机来解释AI融资，仍显得过早。大型科技公司的信用质量、收入来源和融资渠道，与当年的次级住房贷款市场明显不同。
但Patrick的担忧依然成立：当一个产业越来越依赖未来现金流支持今天的资本开支时，投资者就不得不重新计算增长的价格。
SaaS逆袭：企业正在把员工经验变成资产
今年下半年，美国软件股出现了与年初截然不同的走势。
据路透社10月初报道，标普500软件及服务指数第三季度实现自2020年第二季度以来最大的季度涨幅。Salesforce、ServiceNow及部分网络安全企业的业绩改善，使年初市场对软件被AI快速替代的担忧有所缓解。
Patrick认为，这种轮动存在更深层的资本逻辑。
年初，投资者担心AI Agent会取代传统企业软件，从而削弱SaaS公司的按席位收费模式。但在资本日益昂贵的环境下，真正拥有稳定客户、可预测订阅收入，同时无需独立承担巨额算力基础设施投资的软件企业，反而获得了新的估值理由。
更有意思的变化发生在企业内部。
Patrick在中美科技企业的调研中观察到，今年上半年，不少公司鼓励员工大量使用外部大模型，以探索AI的实际生产率价值。但进入下半年，企业开始更加重视内部模型、专属智能体和工作流知识的沉淀。
“与其每年花天价给外部大模型公司交买路钱、帮别人打磨模型，不如把员工的经验蒸馏出来喂饱自家模型。”
他的判断揭示了一种值得重视的商业变化：企业不仅希望利用AI降低人工成本，还希望把原本依附于员工个人的知识和工作流程，转化为能够反复调用的数字资产。
但这里需要区分技术趋势与收入结果。
内部智能体的增加，并不必然意味着外部模型调用总量下降。更低的Token成本可能促进更多任务使用AI；复杂智能体也可能比传统聊天机器人消耗更多计算资源。
更准确地说，企业正在优化不同层级模型之间的成本分配。简单任务由较低成本模型处理，复杂任务再调用高性能模型。
因此，AI需求可以持续增长，但算力和模型提供商的单位定价能力可能受到压力。
这意味着，未来产业利润未必与Token使用量同步增长。
而对于软件公司，市场也不能一概乐观。真正具有长期价值的，不是所有现存SaaS企业，而是那些能够掌握客户数据、业务流程和服务入口，并在AI时代继续保持定价权的公司。
这轮科技股估值变化还有一条更隐蔽的线索：市场结构正在改变。
美国被动投资近年来持续扩大，指数基金和ETF逐渐成为机构及个人资产配置的重要工具。
郝小雨观察到，流动性越来越成为主动投资者选择上市公司的先决条件。
在她接触的机构交易环境中，港股部分中小市值公司由于成交量和研究覆盖不足，已经很难进入大型资金的核心投资范围。她还指出，A股部分机构对市值规模有实际的投资筛选偏好。
这并不代表存在统一适用于所有机构的100亿元或500亿港元市值门槛，而是反映大型资金对交易容量和退出成本的现实考量。
对于上市不久、研发投入高、经营现金流尚不稳定的科技企业，这构成双重挑战。
一方面，公司需要不断融资，以维持产品迭代与市场推广；另一方面，如果股票流动性不足，后续融资可能面临更高的股权稀释成本。
技术前景越遥远、现金回收周期越长，企业对资本市场持续支持的依赖程度就可能越高。
由此产生一种值得关注的悖论：一家拥有先进技术的企业，可能因为过度依赖外部融资，而使股东难以分享技术成功最终创造的全部价值。
不是撤离AI，而是重新寻找价值归属
从硅谷的算力融资，到A股光模块的长期竞争格局，再到人形机器人的商业化难题，这两位基金经理实际上在回答同一个问题：AI创造的经济价值，究竟会留在哪一层产业链？
不能简单认为答案一定是软件，而不是硬件。
英伟达2027财年第二季度收入达到962亿美元，同比增长106%，说明高性能计算仍具有极强的现实需求和盈利能力。
同样，拥有关键技术和高端客户的光模块企业，也可能凭借规模、制造能力与研发积累维持超额收益。
因此，将“做空AI硬件、做多现金流”理解为一条确定的投资公式，会产生新的误判。
更有价值的判断方法，是区分三种企业。
第一种企业，承担庞大的基础设施投资，但同时具备稳定需求、较高资产利用率和可靠融资能力。
第二种企业，通过技术、客户关系或软件服务获得AI普及带来的收入增长，却不必按同等比例增加重资产投入。
第三种企业，其估值主要依赖远期产业规模与持续融资，尚未证明能够产生与资本投入相匹配的可持续现金流。
三类企业都可能拥有先进技术，但不应该获得相同的估值逻辑。
未来几年，AI应用可能继续高速普及，Token消耗可能继续增长，机器人也可能越来越广泛地进入工厂和家庭。
但技术扩散不必然意味着今天的所有投资者都能获得相应回报。
技术革命的成功，与资本投资的成功，从来不是同义词。
从这个意义上讲，Patrick与郝小雨的判断并非对AI的悲观，而是对资本回报提出了更苛刻的要求。
AI产业上半场最珍贵的资产，是获得算力和抢占市场的能力；下半场真正稀缺的，可能是把增长持续转化为自由现金流的能力。
市场终究会区分两件事：谁有能力改变世界，以及谁能够在改变世界之后，把创造的价值留在自己的资产负债表上。
（作者为硅谷远眺Coremi创始人，联系邮箱yuanlu007@pku.org.cn；利益披露，作者公司持有谷歌、美光在内的科技股Coremi指数组合。本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）