Hotcoin Research｜AI革命仍在繼續，AI股票市場爲何開始擠泡沫？
2026年7月底，持續升溫的全球AI投資熱潮驟然遇冷，高估值與高槓杆共同支撐的市場結構開始顯露裂縫。韓國KOSPI指數在7月28日單日下跌超過10%，三星電子、SK海力士等AI產業鏈核心公司成爲拋售中心；同期，專注AI股票的對衝基金Situational Awareness在遭受損失後出售其公開股票組合。值得注意的是，這輪下跌並非發生在AI需求停滯、芯片收入崩塌或模型能力倒退的背景下，恰恰相反，微軟Azure、Google Cloud和AWS仍保持強勁增長，英偉達數據中心收入也繼續創出新高。
這組看似矛盾的現象，正是理解AI泡沫的起點：技術革命與資產泡沫並不互相排斥。AI可以持續提高生產效率、創造新的產品入口，同時出現資本開支過度擴張、融資結構失衡和資產價格提前透支。真正需要回答的不是“AI究竟有沒有價值”，而是產業收入、資本投入與金融定價三者是否仍然匹配。當技術進步以月爲單位、產業回報以年爲單位、市場定價卻以秒爲單位變化時，泡沫風險便會在三種速度的錯位中不斷積累。
一、AI資本風險正在累積：產業增長與資產泡沫同時放大
判斷AI是否存在泡沫，首先必須區分產業事實與金融定價。AI用戶數量、模型能力、雲計算需求和芯片收入都在增長，這些數據足以否定“AI完全沒有真實需求”的說法；但產業真實並不等於估值合理，更不代表每一筆資本開支都能獲得足夠回報。
1.1 AI需求仍在增長，產業繁榮並非虛構
斯坦福大學《2026年AI指數報告》顯示，受訪機構中的AI採用率已經達到88%，生成式AI在三年內觸達全球約53%的人口。模型能力也沒有停滯：多個前沿模型已在博士級科學問答、多模態推理和競賽數學等測試中接近或超過人類基準。
來源： https://hai.stanford.edu/ai-index/2026-ai-index-report
商業化數據同樣在改善。截至2026年第二季度，微軟Azure年度收入首次超過1000億美元，Microsoft 365 Copilot付費席位超過3000萬個；亞馬遜AWS第二季度收入同比增長37%，達到1690億美元的年化收入水平；Google Cloud收入同比增長82%，訂單積壓達到5140億美元。英偉達2026財年數據中心收入達到1937億美元，同比增長68%。這些數據說明，企業確實正在爲算力、雲服務和AI工具付費，AI並不是只有估值而沒有收入的空殼。
1.2 泡沫來自“投入跑得比回報更快”
AI泡沫更準確的定義，不是虛假技術支撐的上漲，而是市場對真實技術進行過度資本化。MSCI統計顯示，截至2026年5月，美國AI相關公司的資本開支同比增長接近60%，約爲非AI公司的10倍，但收入增長速度明顯低於資本開支增長。與此同時，AI相關公司在多數市場都享有估值溢價，美國、韓國和中國臺灣的AI相關企業市淨率約爲本地非AI企業的3倍。
市場集中度進一步放大了這種定價。標普道瓊斯指數數據顯示，截至2026年6月30日，標普500指數前十大成分股的合計權重約爲36.4%；若按不同日期和指數調整口徑計算，這一比例一度接近40%。其中除摩根大通外，其餘席位均由大型科技或半導體公司佔據。當科技巨頭同時承擔指數權重、AI資本開支和盈利增長三重角色時，AI不再只是一個產業賽道，而成爲全球被動資金、養老金與指數產品共同持有的核心風險因子。市場上漲時，集中度能夠放大收益；市場轉向時，同一結構也會放大回撤。
1.3 科技股下跌暴露市場結構的脆弱性
2026年7月的AI股票調整顯示，市場定價已經從“收入增長”轉向“增長能否覆蓋投入”。韓國三星電子與SK海力士公佈強勁業績後，股價仍然大幅下跌；7月底，KOSPI指數單日跌幅超過10%。這說明當市場預期已經很高時，企業僅僅實現增長並不足以支撐價格，它們必須持續超過預期，並證明新增產能不會在未來轉化爲庫存、折舊和價格競爭。
據Axios報道，由前OpenAI研究員利奧波德·阿申布倫納創立的AI對衝基金 Situational Awareness已經出售全部公開股票組合，這當然不能證明AI泡沫已經破裂，卻揭示了資本市場更現實的一面：即使長期方向判斷正確，高集中度和高槓杆仍可能讓投資者無法等待長期邏輯兌現。很多時候，最先擊穿投資者的並不是企業基本面，而是資金鍊和流動性。
AI產業增長與資產泡沫可以同時存在。需求增長證明AI革命仍在繼續，但資本開支、市場集中度和估值溢價已經把“技術是否有效”的問題，升級爲“資本回報能否兌現”的問題。近期下跌不是產業週期終結的確認，卻是金融結構開始承壓的明確信號。
二、AI泡沫如何形成：資本開支、折舊壓力與金融槓桿同時擴張
AI泡沫不是由某一家公司或單一估值指標造成的，而是一個連續過程：算力不足推動資本開支，資本開支支撐上游收入，上游收入強化市場敘事，股價上漲又降低融資成本，最終吸引更多資本進入。當這一循環運轉得足夠快，市場便容易把短期供不應求誤認爲長期利潤能夠無限增長。
2.1 四大科技巨頭資本開支逼近歷史極值
按照2026年最新指引，微軟、Alphabet、亞馬遜和Meta的年度資本開支合計約爲7200億至7450億美元。若把微軟因租賃會計分類變化而移出資本開支口徑的部分重新計入經濟投入，四家公司實際AI基礎設施投入規模約爲7350億至7600億美元。
| 公司 | 2026年資本支出指引 | 最新變化 | 主要投資方向 |
| Microsoft | 約1,750億美元 | 原口徑約1,900億美元，因租賃分類調整而下調，但實際經濟投資計畫維持不變 | GPU、CPU、資料中心與網路 |
| Alphabet | 1,950億至2,050億美元 | 較先前指引上調約150億美元 | 伺服器、資料中心、網路與AI研發 |
| Amazon | 約2,200億美元 | 較年初計畫增加200億美元 | AWS、AI晶片、機器人與衛星 |
| Meta | 1,300億至1,450億美元 | 指引下限由1,250億美元上調 | AI訓練、推理叢集與資料中心 |
數據來源：各公司2026年財報及管理層指引。各家公司對資本開支、融資租賃和其他基礎設施投資的統計口徑不同，合計值用於觀察投入強度，不代表完全可比的會計口徑。
國際能源署（IEA）統計顯示，在數據中心建設的推動下，微軟、亞馬遜、谷歌母公司Alphabet、Meta和甲骨文五家公司2025年的資本開支合計已超過4000億美元，甚至高於全球油氣生產領域的投資規模；2026年預計還將增長約75%，接近7000億美元。鉅額投入也開始轉化爲真實的能源壓力：2025年全球數據中心用電需求增長17%，遠高於全球用電需求3%的增速，AI數據中心增長得更快。按照IEA的預測，到2030年，全球數據中心用電量將較當前翻倍，其中AI數據中心的用電量可能增至當前的三倍。
然而，資本開支存在明顯的時間差：今天購買的GPU、土地和電力，需要未來數年的用戶增長才能回收。需求判斷只要出現輕微偏差，就可能從“算力不足”迅速轉變爲“資本過剩”。
2.2 新增投資的回報門檻越來越高
Meta第二季度收入達到608億美元，同比增長28%，但當季資本開支達到310.8億美元，自由現金流僅剩7.84億美元。亞馬遜過去12個月經營現金流達到1614億美元，但購買物業和設備的淨支出升至1690億美元，自由現金流由上年同期流入182億美元轉爲流出76億美元。Alphabet第二季度資本開支約449億美元，並將全年指引提高至1950億至2050億美元。
微軟的情況相對穩健。其2026財年第四季度資本開支爲410億美元，自由現金流仍有196億美元，Azure收入增長43%。這說明鉅額AI投入並未讓所有科技巨頭同時陷入現金流危機。真正值得關注的不是這些企業會不會立即缺錢，而是每增加一美元資本開支，未來能夠帶來多少新增收入和自由現金流。
這也是本輪AI泡沫與2000年互聯網泡沫的重要區別。當前承擔主要資本開支的企業普遍擁有廣告、雲計算、軟件訂閱和電商等成熟現金流來源，抗風險能力更強。但巨頭不會破產，並不代表其股價不會重估，也不代表供應鏈和高估值初創企業能夠承受資本開支放緩。
2.3 GPU快速迭代帶來折舊壓力
微軟披露，其2026財年第四季度約三分之二資本開支用於GPU和CPU等短週期資產。Alphabet也表示，技術基礎設施投入中約60%流向服務器，其餘主要用於數據中心和網絡。土地和建築可以使用數十年，但GPU、服務器和網絡設備需要持續更新，實際經濟壽命遠短於數據中心建築。
這產生了一個容易被忽視的悖論：AI技術進步越快，上一代設備的經濟價值下降得也越快。新芯片能夠顯著降低單位推理成本，促進行業採用，卻可能迫使雲廠商提前更新設備。技術進步對用戶是通縮力量，對設備持有者卻可能成爲折舊加速器。
因此，判斷AI資本開支是否過度，不能只看數據中心數量，還要看設備使用率、單位算力收入和新舊芯片之間的替代速度。如果新增產能不能迅速轉化爲穩定負載，GPU庫存就可能從“稀缺資產”變成需要計提折舊的過剩設備。
2.4 循環融資可能高估需求的獨立性
AI產業存在一種特殊的資本循環：雲廠商投資模型公司，模型公司獲得融資後購買雲算力，雲廠商再把這部分合同計入訂單積壓和未來收入。微軟披露，OpenAI新增Azure服務承諾達到2500億美元；截至2026財年第四季度，微軟商業剩餘履約義務達到6780億美元，同比增長84%，若剔除OpenAI則增長25%。
這不等於收入造假。模型訓練確實消耗算力，雲廠商也真實交付服務器、電力和網絡服務。但它意味着部分需求並非完全來自已經實現正向現金流的終端客戶，而是依賴模型公司的融資能力。當資本市場願意持續爲模型公司提供資金時，循環能夠擴大；一旦融資成本上升，算力需求可能比表面訂單下降得更快。
值得注意的是，微軟最新財報也顯示，其商業訂單的環比增長已主要來自前沿模型公司之外的客戶，近90%的年度雲收入來自模型公司之外。這說明AI需求正在向企業市場擴散，不能簡單地把所有增長都歸結爲循環融資。真正需要觀察的是，外部企業需求能否逐步取代融資驅動需求，成爲AI基礎設施的長期付款人。
三、AI產業鏈分化：有真實收入，但利潤分佈不均
AI產業鏈不是一個利益完全一致的整體。芯片廠商、雲平臺、模型公司和應用開發者處在不同的現金流階段，也承擔不同風險。今天收入增長最快的環節，未必是長期利潤最穩定的環節；投入最重的環節，也未必最終獲得最大的價值分配。
3.1 芯片與設備商率先兌現收入，也最容易受到訂單反轉衝擊
AI資本開支已經開始轉化爲上游企業的實際收入。英偉達2026財年收入達到2159億美元，同比增長65%，其中數據中心收入爲1937億美元，同比增長68%。芯片與基礎設施軟件公司博通（Broadcom）也保持高速增長，其截至2026年5月3日的季度收入達到222億美元，同比增長48%。這說明AI基礎設施建設已經形成真實採購需求；但收入快速增長能否長期轉化爲穩定利潤，仍取決於客戶資本開支、產品價格和供應鏈景氣度。
但上游的高景氣來自客戶集中投入。當微軟、Amazon、Meta和Alphabet同時擴建數據中心，芯片、HBM、先進封裝、光模塊和電力設備都會受益；一旦其中兩三家下調資本開支，供應鏈企業的訂單變化會被同步放大。芯片公司不僅面對需求週期，還面對技術迭代、庫存和客戶自研芯片的競爭。
因此，當前AI硬件的主要風險在於市場把階段性高利潤率外推爲長期常態。硬件企業可能繼續增長，卻難以永久保持供不應求、價格上升和客戶重複採購同時存在的狀態。
3.2 雲廠商控制算力入口，卻承擔最沉重的資本開支
雲廠商是AI產業鏈中最接近“收費公路”的環節。微軟、Google和Amazon不僅出租GPU，還提供數據庫、存儲、安全、身份、模型部署和企業軟件。客戶一旦把數據和業務流程遷入雲平臺，遷移成本會提高，雲廠商便能夠從單純算力銷售延伸到完整AI技術棧。
最新數據已經顯示這種能力：Azure年度收入超過1000億美元，AWS第二季度營業利潤達到166億美元，營業利潤率升至39.4%；Google Cloud收入增長82%，積壓訂單達到5140億美元。相比單一模型公司，雲廠商擁有更廣泛的客戶和更多收入來源。
但云廠商的問題在於，它們必須提前爲未來需求購買設備和電力。當應用需求不足時，模型公司可以縮減調用量，企業客戶可以減少試驗項目，雲廠商卻仍要承擔數據中心租賃、折舊和能源成本。因此，雲平臺擁有更強的長期議價能力，也承擔更大的資產負債表風險。
3.3 模型能力持續提升，但模型本身正在變得更容易替代
OpenAI披露，其企業業務已貢獻超過40%的收入，API每分鐘處理超過150億個Token；斯坦福AI指數則顯示，多個頭部模型在綜合能力排名上的差距已經明顯收窄。模型需求持續增長，但領先模型之間正在從“能不能完成任務”轉向“誰更便宜、更穩定、更符合特定場景”。
這會帶來雙向影響。模型價格下降和推理效率提升有利於擴大AI使用規模，卻會壓縮模型公司的單位收入。開放模型、雲廠商自研模型和垂直模型不斷加入競爭，企業客戶也開始採用多模型架構，避免被單一供應商鎖定。微軟披露，2026年以來使用多個模型供應商的客戶數量增長了5倍，說明模型替代已經從技術可能變成企業採購策略。
模型公司仍可能構建強大的品牌、數據和用戶網絡，但僅憑模型參數領先建立長期壟斷越來越困難。未來真正的壁壘可能來自企業數據、分發渠道、用戶工作流和單位推理成本，而不是某一次基準測試領先。
3.4 應用層決定最終需求，卻尚未普遍證明利潤貢獻
AI真正創造價值，需要企業重新設計流程，而不是簡單給員工增加一個AI工具。客服、編程、金融分析、醫療記錄和供應鏈管理已經出現可量化案例，但從單點效率提升到全公司利潤增長，中間還隔着數據治理、系統集成、員工培訓和責任劃分。
應用層資本開支較低，也最有機會受益於模型成本下降；但其競爭門檻同樣可能下降。大量AI應用依賴相同基礎模型，功能容易複製，最終利潤可能重新流向擁有客戶關係和業務數據的傳統軟件公司。AI產業的長期贏家未必是模型最強的公司，而可能是最懂得把模型嵌入付費流程的企業。
AI產業鏈已經產生真實收入，但利潤分佈並不穩定。硬件最先受益，也最先面對訂單週期；雲廠商掌握入口，卻承擔資本開支；模型公司增長迅速，卻受到價格競爭；應用層最接近最終價值，卻仍需證明規模化利潤。
四、加密市場成爲AI風險的24/7槓桿傳導層
傳統股票市場主要在固定時段交易，但加密平臺正在把英偉達、微軟、AI指數、槓桿ETF和AI初創企業預期等轉化爲全天候合約，用戶可以通過幣安、Hotcoin等平臺便捷地參與全球AI資產交易。加密市場沒有創造AI泡沫，卻改變了風險被交易、放大和傳導的方式。加密市場將AI風險從股票交易時段擴展至全天候市場，並通過永續合約、槓桿ETF和AI相關代幣增加了更多風險層級。它提高了全球參與度和價格發現速度，也讓預言機偏差、資金費率和強制清算更快地參與資產定價。
4.1 股票永續正在把AI交易延伸到傳統市場閉市之後
CoinGecko數據顯示，RWA永續合約月度交易量由2025年初的2.3億美元增長至2026年5月的3471.7億美元，2026年前五個月累計交易量已經達到1.32萬億美元。股票永續月交易量則由2025年7月的8.31億美元增長至2026年5月的340億美元，增幅接近40倍。
AI產業鏈是股票永續增長的重要驅動力。2026年5月，美光相關股票永續交易量由前一個月的7.36億美元增至131.6億美元，增幅約17倍；英偉達、特斯拉以及Circle同樣位居高交易量標的。到2026年6月，RWA永續月交易量進一步接近4700億美元。
這些產品多數並不是股票代幣，也不意味着用戶持有對應公司的股票。它們通常是以預言機價格爲參考、通過保證金和資金費率維持價格錨定的合成合約。用戶交易的是股票價格變化，而不是投票權、股息或公司剩餘權益。
4.2 槓桿ETF永續疊加雙層槓桿，把路徑損耗變成清算風險
股票永續已經包含保證金槓桿。如果合約標的是兩倍或三倍槓桿ETF，風險結構會進一步複雜化：第一層來自ETF內部的每日槓桿重置，第二層來自永續合約賬戶的保證金和強制平倉。
槓桿ETF並不保證在一週或一個月內實現標的累計收益的固定倍數。美國證監會曾給出實際案例：某指數四個月上漲2%，對應兩倍槓桿ETF反而下跌6%；另一個指數上漲約8%，其三倍槓桿ETF卻下跌53%。原因在於每日重置、複利和波動損耗。
如果用戶再通過永續合約對槓桿ETF進行加槓桿，標的自身的路徑損耗、永續資金費率和賬戶清算線會同時作用。市場連續下跌時，槓桿ETF需要降低風險敞口，永續賬戶也可能被強制平倉，形成“底層股票下跌—ETF減倉—永續清算—流動性繼續下降”的放大鏈條。
4.3 AI代幣承接科技敘事，卻通常不承接相同現金流
除股票永續之外，加密市場還通過AI代幣、AI Agent和DePIN項目承接科技股敘事。但這些代幣與AI上市公司的權益結構並不相同。持有英偉達股票代表對公司利潤和剩餘資產的權益，持有某個AI代幣卻未必擁有協議收入、算力設備或模型公司的法律權利。
這意味着同一個“AI增長”敘事，進入加密市場後可能被進一步抽象。項目擁有用戶不代表代幣捕獲收入，網絡產生收入也不代表收入會分配給代幣持有人。部分項目的估值更多來自未來採用預期、代幣流動性和市場情緒，而不是可驗證現金流。
真正值得關注的不是項目是否使用AI概念，而是代幣在系統中的功能：它是否用於支付真實算力、獲得服務折扣、承擔網絡安全或分享可覈驗收入。如果代幣只是敘事載體，那麼科技股調整時，它往往比擁有成熟現金流的上市公司承受更大回撤。
4.4 預言機與連續清算縮短了風險傳導時間
2026年3月，標普道瓊斯指數正式授權Trade[XYZ]在Hyperliquid上推出以標普500爲基礎的永續合約，說明傳統指數提供商已經開始承認加密永續作爲新分發渠道的商業價值。
但24/7交易也帶來新的定價問題。美股閉市後，底層股票沒有持續成交，股票永續只能根據指數期貨、相關資產、做市商報價和市場預期變化定價。此時合約價格反映的是下一次開盤預期，而不是可立即套利的現貨價格。週末出現重大事件時，合約可能大幅偏離上一交易日收盤價。
當傳統市場重新開盤，現貨價格、預言機和永續倉位需要重新收斂。若差異過大，高槓杆倉位可能在現貨恢復流動性前已經被清算。因此，加密市場提供了更連續的風險表達，卻不一定提供更準確的基本面價格。它首先是情緒、槓桿和預期的連續交易層。
五、展望與結論：AI不會因泡沫消失，市場將回歸現金流定價
AI市場正同時面對兩股相反力量。一方面，微軟、AWS和Google Cloud的最新增長數據說明算力與企業AI需求仍然強勁；另一方面，Meta、Alphabet和Amazon的現金流壓力說明資本開支已經進入需要證明回報的階段。
這種組合意味着市場更容易出現“強財報、弱股價”或“高投入、強反彈”並存的局面。投資者交易的不再是AI有沒有需求，而是實際結果相對於高預期究竟好多少。一旦預期足夠高，即使收入繼續增長，增速放緩或資本開支繼續上調也可能引發價格調整。市場關注的重點，正在從“擁有多少GPU”轉向“每一美元投入能夠產生多少現金流”。
未來一至兩年，AI市場可能出現三種結果：如果企業需求快速增長並消化新增算力，資本開支將逐步轉化爲收入和利潤，市場實現相對溫和的消化；如果需求繼續增長但趕不上投資速度，行業不會崩潰，卻會經歷估值下調和利潤重新分配，芯片、雲平臺、模型與應用公司之間的分化將更加明顯；如果融資條件收緊，模型公司削減算力採購、雲廠商下調資本開支，上游訂單便可能同步轉弱，市場將從估值調整進一步進入盈利預期下修。
判斷風險是否升級，需要觀察五個信號：資本開支是否持續快於AI收入，自由現金流是否繼續惡化，折舊壓力是否明顯上升，雲訂單能否從模型公司擴散到具有獨立付款能力的企業客戶，以及企業級AI能否真正改善續費、成本和利潤。如果這些指標同時轉弱，再疊加市場集中度、保證金融資和槓桿產品規模上升，原本有限的基本面變化就可能演變爲更劇烈的價格波動。
結語
AI革命尚未結束，泡沫警報卻已經拉響，兩者並不矛盾。技術能力提升會擴大應用、降低成本並創造新的產業機會，也會刺激企業重複投資、加快設備折舊並提高市場預期。技術進步越快，資本就越容易把遙遠的未來收入提前計入今天的價格。
歷史上的鐵路、互聯網與光纖建設都證明，技術革命可以改變世界，同時讓大量投資者承受損失。AI真正的長期價值不會由一次科技股調整否定，但當前所有AI資產也不會因爲產業方向正確而自動成爲贏家。
加密市場進一步把這場定價實驗延伸爲24/7的不間斷交易。股票永續、槓桿ETF永續和AI代幣讓更多用戶獲得AI敞口，也讓估值、槓桿和清算以更快速度相互作用。最終，決定AI資產能否穿越泡沫的，不是故事還能持續多久，而是現金流能否在資本耐心耗盡之前追上投入。
關於我們
Hotcoin Research 作爲 Hotcoin 交易所的核心投研機構，致力於將專業分析轉化爲您的實戰利器。我們通過《每週洞察》與《深度研報》爲您剖析市場脈絡；藉助獨家欄目《熱幣嚴選》（AI+專家雙重篩選），爲您鎖定潛力資產，降低試錯成本。每週，我們的研究員還會通過直播與您面對面，解讀熱點，預判趨勢。我們相信，有溫度的陪伴與專業的指引，能幫助更多投資者穿越週期，把握 Web3 的價值機遇。
風險提示
加密貨幣市場的波動性較大，投資本身帶有風險。我們強烈建議投資者在完全瞭解這些風險的基礎上，並在嚴格的風險管理框架下進行投資，以確保資金安全。
網址：https://www.hotcoin.com/zh_HK/learn/index/
郵件：labs@hotcoin.com
推薦閱讀
看更多
Hotcoin Research | 比特幣突破十萬美元，山寨幣季節真的來了嗎？
深度研報
Hotcoin Research | 關稅核彈引爆：美國關稅政策走向及其對加密市場的影響解析
深度研報
Hotcoin Research | 起底特朗普家族加密版圖：政治資本如何轉化為幣圈財富？
深度研報
©2017-2026