2000 年的回响:为什么人工智能热潮可能会破裂——以及为什么它不会彻底崩塌

Written by Cassian Vance

市场正低声发出警告,但人工智能引擎的轰鸣声掩盖了这一切。随着标普 500 指数在 7,370 点附近波动,纳斯达克 100 指数突破了二十多年未见的估值指标,与 20 世纪 90 年代末的相似之处已变得不容忽视。我们正见证着一场资本支出超级周期、散户投机的爆发,以及挑战历史先例极限的估值倍数。每位机构投资者心中的疑问已不再是我们是否处于泡沫中,而是泡沫何时会破裂——以及破裂后的残局会是什么样子。

然而,在狂热与泡沫之下,当前人工智能热潮的架构与互联网泡沫时代有着本质的不同。虽然回调(甚至可能是剧烈的回调)看起来可能性越来越大,但当今科技巨头的根基表明,与 2000 年 3 月见顶后纳斯达克经历的 15 年漫长复苏相比,任何复苏都将大大加速。

当前泡沫的剖析

闪烁红灯的数据点触目惊心。标普 500 指数的席勒周期性调整市盈率 (CAPE) 最近突破了 41 倍——这一水平上次出现是在 2000 年初互联网泡沫破裂前夕。衡量美国股市总市值与 GDP 之比的所谓“巴菲特指标”已飙升至创纪录的 228%,远超 2000 年 160% 的峰值,并比之前的历史高点高出 59 个百分点。纳斯达克 100 指数的远期市盈率约为 34 倍,而互联网泡沫巅峰时期为 60 倍——虽然处于高位,但尚未达到当年的极端水平。

然而,市场脆弱性最强有力的证据来自资本部署的速度,以及支出与短期回报之间日益扩大的错配。超大规模云服务商——Alphabet、亚马逊、Meta 和微软——预计 2026 年的合并资本支出约为 7,150 亿美元,主要由人工智能基础设施和数据中心驱动。这比 2025 年的水平惊人地增长了 70%,而 2025 年本身就已创下纪录。

后果已经体现在资产负债表上。根据 Global Markets Investor 发布的数据,微软、Alphabet、亚马逊、Meta 和甲骨文的合并自由现金流预计到 2026 年底将萎缩 70% 以上,降至约 1,000 亿美元。这五家公司的自由现金流增长率已经骤降至 同比 -32%——这是至少十年来的最低水平,甚至低于 2022 年利率冲击时的低点。收入与资本支出的差距并非理论风险,它已经反映在数据中。

“在 2026 年约 7,150 亿美元的合并资本支出压力下,自由现金流正在崩溃,这一数字比 2025 年本已创纪录的水平增长了 70% 以上。”
— Global Markets Investor (@GlobalMktObserv)

市场微观结构同样令人担忧。散户参与度已达到投机极端,每日看涨期权净购买量最近飙升至约 1,000 万份合约——为 2025 年 10 月以来的最高水平。最能说明问题的是,纳斯达克 100 指数上涨日的已实现波动率与下跌日的已实现波动率之比已飙升至前所未有的 7 倍。正如 Global Markets Investor 在 2026 年 5 月 8 日指出的那样,这意味着该指数在上涨日的波动剧烈程度是下跌日的 7 倍——这是市场的典型症状:投资者因担心错过机会而放弃了传统的风险管理,正拼命寻求上行敞口。

崩盘的可能诱因

主要风险在于超大规模云服务商的投资回报率 (ROI) 时间表。如果人工智能部署带来的预期生产力提升和收入流未能以证明每年 7,150 亿美元资本支出合理的速度实现,市场将对这些资产进行激进的重新定价。“资本支出疲劳”情景是最可能的短期催化剂:如果即将到来的财报周期显示,到 2027 年人工智能带来的收入增长率仅为 3%、0% 甚至负增长,那么首当其冲的受害者将是推动了市场大部分涨幅的半导体和硬件生态系统——英伟达、台积电、博通。

次要触发因素可能是货币环境的突然转变。大规模的基础设施建设是能源和资源密集型的,可能会加剧局部通胀压力,并迫使央行维持限制性政策的时间长于市场目前的定价。由于标普 500 指数的远期市盈率约为 22 倍,CAPE 为 41 倍,应对无风险利率持续上升的安全边际非常小。

集中度风险放大了这两种情景。美国前十大股票目前的远期市盈率已超过 20 世纪 90 年代末的 IT 泡沫时期,而标普 500 指数中“七巨头”的盈利贡献预计仅占全年共识预测的 32%——这意味着这些股票的重新定价将波及整个指数。超大规模云服务商的回调不会是一个孤立的行业事件,而将是一场全市场的冲击。

为什么这不是 2000 年——以及为什么复苏会更快

尽管在估值指标和散户狂热方面存在令人不安的相似之处,但推动人工智能热潮的公司的结构性现实与 pets.com 时代完全不同。当纳斯达克在 2000 年 3 月达到 5,048 点的峰值时,该指数中充斥着拥有概念性商业模式、收入极少且没有可靠盈利路径的公司。在巅峰时期,推动互联网泡沫的公司中约有 86% 处于亏损状态。当音乐停止时,这些公司直接不复存在,纳斯达克市值缩水了 78%,用了 15 年时间才收复失地。

今天的人工智能革命是由人类历史上盈利能力最强、现金最充裕的企业资助的。即使在 7,150 亿美元资本支出的压力下自由现金流有所压缩,这些公司仍从其核心业务(搜索、电子商务、企业软件和社交媒体)中产生数百亿美元的真实、有形利润。仅英伟达一家公司报告的 2026 财年收入就达到 2,159 亿美元,同比增长 65%,GAAP 净利润接近 730 亿美元。微软的人工智能收入已超过 370 亿美元的年化运行率。Alphabet 的云业务收入在 2026 年第一季度增长了 63%。这些都不是虚无缥缈的指标。

互联网时代 vs. 人工智能时代:结构性对比

指标互联网巅峰期 (2000)人工智能时代 (2026 年 5 月)
标普 500 席勒 CAPE~44 倍 (2000 年 3 月峰值)~41 倍
巴菲特指标~GDP 的 160%~GDP 的 228%
纳斯达克 100 远期市盈率~60 倍~34 倍
领先科技公司盈利比例~14%>90%
超大规模云服务商 FCF 趋势不适用 (前时代)2026 年同比下降约 70%
人工智能/科技资本支出周期~5,000 亿美元电信建设 (1996–2000)仅 2026 年约 7,150 亿美元 AI 资本支出
核心业务收入基础极少 / 投机性每年数千亿美元
纳斯达克复苏时间 (崩盘后)~15 年可能为 2–4 年 (预计)

此外,与早期的互联网不同(互联网需要多年的消费者采用和基础设施建设才能在经济上可行),人工智能已经在企业软件、编程、物流和药物研发领域带来了可衡量的生产力提升。该技术的效用已得到证实;当前的问题仅仅是市场愿意为未来增长支付的价格。如果发生回调,底层技术不会消失——它将继续产生复利价值,而部署该技术的公司将保持主导地位。

在互联网风格的崩盘中,幸存下来的公司——亚马逊、谷歌、微软——实现了复苏,并成为了地球上最有价值的企业。在人工智能回调中,这些同样的公司虽然面临估值倍数压缩的风险,但它们也拥有比以往任何一代科技公司都更强大的资产负债表、人才和基础设施,能够实现更快的重建。

结论与投资启示

数据有力地表明,人工智能/科技市场正处于估值泡沫的后期。41 倍的席勒 CAPE、228% 的巴菲特指标、7 倍的纳斯达克波动率不对称,以及预计超大规模云服务商自由现金流 70% 的萎缩,共同创造了一个极易受到重大回调影响的脆弱环境。如果人工智能变现时间表比目前预期的更长,大盘出现 20% 至 35% 的回撤——在集中的半导体和人工智能基础设施股中可能更深——是一个现实的情景。

崩盘是可能的。但重演 2000-2002 年的情况则不然。这些公司的盈利能力太强,技术嵌入太深,资产负债表太稳健,不会出现长达 15 年的复苏周期。

机构投资组合应采取防御性配置,通过对最易受超大规模云服务商资本支出突然放缓影响的高贝塔半导体和硬件股进行获利了结,为短期估值重置做准备。减少对纯人工智能基础设施标的(其估值已按完美预期定价)的敞口是审慎的风险管理,而非对人工智能技术的看空。

然而,任何重大的市场动荡都应被视为超大规模云服务商本身的代际买入机会。当泡沫被吹散后,这些公司的底层引擎将继续产生巨大的现金流,它们的最终复苏将以季度和年为单位衡量,而非十年。这个故事中的凤凰是真实的——它只是需要先经历烈火。

免责声明:本文仅供参考,不构成财务建议。在做出投资决策前,请务必自行研究或咨询持牌财务顾问。

观点
Cassian Vance

Cassian Vance

Cassian Vance brings a sharp, forward-looking perspective to the rapidly evolving technology and AI sectors. Before joining EquitiesOrbis, Cassian spent nearly a decade in Silicon Valley, initially as a systems architect before transitioning into venture capital. This dual background allows him to evaluate tech equities not just through financial metrics, but by dissecting the underlying technology and assessing its true market viability. Cassian holds a dual degree in Computer Science and Economics from Stanford University, and later earned his MBA from the Wharton School.