Hotcoin Research | AI超級週期的第二戰場：一場24/7運行的鏈上定價實驗

深度研報

更新於2026-08-21

9749

引言

2026年7月10日，全球主要HBM供應商SK hynix的美國存託憑證登陸納斯達克。過去兩年，市場關注點主要集中在Nvidia與GPU短缺；進入2026年後，資金開始重新定價HBM、先進封裝、網絡設備、電力和數據中心等產業瓶頸。AI競爭也因此從模型能力，進一步轉向資本開支、供應鏈建設與全球資產定價。

與此同時，AI產業鏈正在加密市場形成“第二戰場”。據CoinGecko數據，主要加密平臺股票永續合約月交易量已從2025年7月的8.31億美元增至2026年5月的340億美元，接近40倍增長。Nvidia、Micron、Microsoft等AI股票正在被重新包裝爲穩定幣結算、24/7運行並支持槓桿交易的價格敞口。這並不是傳統股票市場的簡單複製，也不是股票所有權真正上鍊，而是一場圍繞價格、流動性與交易時間展開的新型定價實驗。傳統市場負責形成基準價格，加密市場則在閉市後繼續交易產業預期。本文將從AI資本開支週期、產業鏈現狀、交易產品結構與風險機制出發，討論這一“第二戰場”如何形成，以及它是否可能進一步演化爲全球科技資產的第二定價層。

一、AI進入超級週期：從技術敘事進入資本開支階段

判斷AI是否進入超級週期，不能只看模型參數、用戶數量或科技股價格。真正能夠把短期敘事與結構性週期區分開的，是資本開支、產能建設、供應鏈訂單、電力需求和資產負債表變化。當頭部企業願意連續多年投入數千億美元建設數據中心、購買芯片並鎖定能源供應時，AI就不再只是軟件行業的一輪產品創新，而開始成爲一場覆蓋半導體、製造、通信、能源和金融市場的基礎設施週期。但“超級週期”並不意味着行業會沿直線上升，更不意味着每一家貼上AI標籤的公司都能獲得回報。它首先描述的是投入規模、建設週期和產業鏈長度，而不是對股票價格的確定性判斷。

1.1 從模型競賽到資產負債表競賽

2023年至2024年的AI競爭主要表現爲模型能力競賽：參數規模、訓練數據、推理性能和用戶增長決定市場關注度。進入2025年至2026年，競爭的重心逐漸發生變化。擁有模型並不足以建立長期優勢，企業還需要穩定獲得GPU、定製ASIC、HBM、先進封裝、網絡帶寬、數據中心土地和電力接入。

根據TrendForce於2026年5月發佈的預測，Google、AWS、Meta、Microsoft、Oracle、ByteDance、Tencent、Alibaba和Baidu九家主要雲服務商2026年資本開支合計可能達到約8300億美元，同比增長79%。S&P Global Ratings採用不同樣本和統計方法，預計Alphabet、Amazon、Meta、Microsoft和Oracle五家大型雲服務商2026年資本開支約爲7500億美元，相當於其合計收入的38%。兩組數字都指向同一個趨勢：AI競爭已經成爲全球科技公司歷史上規模最大的資本配置週期之一。

來源： https://www.trendforce.com/presscenter/news/20260506-13033.html

從更深層次看，AI競爭已經從“誰能訓練出更好的模型”，轉向“誰能夠持續爲模型提供更低成本、更大規模和更穩定的推理能力”。模型能力仍然重要，但決定競爭上限的因素越來越多地來自資產負債表：融資能力、現金流、採購規模、供應鏈控制力和能源獲取能力。

1.2 半導體增長正在從GPU擴散至整套計算系統

AI基礎設施需求最早集中在GPU，但GPU並不是獨立工作的產品。一套能夠運行大模型訓練與推理的系統，需要計算芯片、HBM、先進封裝、高速網絡、存儲、服務器、電源和冷卻系統協同運行。任何一個環節供給不足，都可能限制整套系統的交付。

Gartner預計，2026年全球半導體收入將達到1.3202萬億美元，同比增長64%，爲過去二十年來最高增速。其中，存儲芯片收入可能從2025年的2163億美元增長至2026年的6333億美元；AI半導體約佔全球半導體收入的30%。Gartner同時預計，2026年DRAM和NAND Flash年度價格分別可能上漲125%和234%，有意義的價格緩解可能要到2027年下半年以後纔會出現。

來源： https://www.gartner.com/en/newsroom/press-releases/2026-04-08-gartner-forecasts-worldwide-semiconductor-revenue-to-exceed-us-dollars-one-point-3-trillion-in-2026

這組數據解釋了爲什麼Micron、SK hynix和Samsung正在獲得越來越高的市場關注。大模型規模擴大後，限制計算效率的不只是GPU數量，還包括處理器能否持續、快速地訪問數據。HBM通過更高帶寬和更低單位能耗緩解“內存牆”，已經成爲AI加速器不可替代的組成部分。

TrendForce預計，2026年全球AI服務器出貨量將同比增長超過28%，其中GPU服務器仍佔約69.7%，但基於ASIC的AI服務器佔比可能升至27.8%。這意味着AI芯片市場並不是簡單的“Nvidia單一增長故事”。Google、Meta、Amazon和Microsoft加快開發定製芯片，將把需求繼續傳導至晶圓代工、HBM、封裝和網絡環節，並推動供應鏈從單一GPU路線轉向GPU與定製ASIC並存。

1.3 產業瓶頸正在從芯片轉向電力與建設週期

當GPU、HBM和服務器供應逐漸增加，新的瓶頸開始出現在物理世界。數據中心需要獲得土地、併網許可、變壓器、備用電源、冷卻系統和長期電力合同。芯片可以在數個季度內提高產量，但大型電力基礎設施和數據中心園區的建設週期往往更長。

國際能源署預計全球數據中心用電量可能從2025年的約485太瓦時增長至2030年的約950太瓦時，其中AI數據中心用電增長明顯快於整體數據中心。Gartner則預計全球數據中心耗電量將從2025年的447太瓦時增長至2026年的565太瓦時，同比增長26%；AI優化服務器將佔2026年數據中心電力消耗的31%，到2027年，其耗電量可能超過傳統服務器。

來源： https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary

這意味着AI產業鏈的邊界正在改變。過去市場把Nvidia視爲AI算力的主要代理資產，未來可能需要把發電、輸電、變壓器、冷卻、數據中心REITs和能源管理企業共同納入AI基礎設施框架。AI並沒有讓數字經濟擺脫物理約束，反而把電力、土地和工程建設重新推回科技增長的中心。

1.4 超級週期最大的懸念是商業化能否追上投入

AI資本開支增長已經得到數據驗證，但資本回報率仍未完全得到驗證。對Nvidia、Micron、TSMC等供應鏈企業而言，雲服務商增加資本開支意味着訂單和收入；對Microsoft、Amazon、Alphabet、Meta和Oracle而言，同一筆資本開支則意味着現金流支出、未來折舊和運營成本。

S&P Global Ratings認爲，大多數頭部雲服務商當前仍有足夠的資產負債表空間承受投資，但鉅額資本開支正在壓低自由現金流。更值得注意的是，AI生態中還出現了循環投資、長期採購承諾、融資擔保和模型公司與雲廠商之間的交叉依賴：雲廠商投資模型公司，模型公司使用資金購買雲服務，雲廠商再用收入採購芯片和建設數據中心。這種結構能夠強化增長，也可能掩蓋最終需求的真實獨立性。

Alphabet披露，其雲業務訂單儲備在2026年第一季度末達到約4620億美元，接近環比翻倍，爲資本投入提供了需求依據。Nvidia披露，2026財年收入達到2159億美元，同比增長65%，其中數據中心網絡收入增長142%，說明AI需求已經從計算芯片擴散至互聯和系統層面。

正因爲AI產業鏈已經成爲全球資本市場最受關注的資產類別之一，其價格波動和交易需求也開始突破傳統股票市場的時間與地域限制。越來越多的加密平臺嘗試通過穩定幣結算、永續合約和24/7交易，將AI產業鏈中的上市公司轉化爲可全天交易的價格敞口。AI超級週期因此不再只發生在傳統資本市場，也開始進入加密市場，形成“第二戰場”。

二、AI產業鏈解析：第二戰場交易的底層資產

第二戰場交易的並不是抽象的“AI概念”，而是AI產業鏈上不同公司的價格敞口。AI產業鏈也並非一張靜態的科技股名單，而是一條由資本開支驅動、供給瓶頸不斷遷移的價值傳導路徑。每當新的瓶頸出現，資金便會重新定價對應環節的上市公司，這也是第二戰場交易熱點不斷演變的根本原因。

下表所列公司爲AI產業鏈中的代表性上市企業，用於說明第二戰場潛在交易標的與產業環節之間的對應關係，不代表所有公司均已在加密平臺上線，也不構成任何投資建議。

AI產業環節	主要功能	代表性上市公司	核心觀察變量
雲平臺與資本開支	提供資金、算力採購和AI服務入口	微軟、亞馬遜、Alphabet、Meta、甲骨文	CapEx、雲收入、訂單儲備、自由現金流
芯片設計與加速計算	GPU、CPU、ASIC及互聯芯片	英偉達、AMD、遠大通信、Marvell	出貨量、產品迭代、定價權、客戶集中度
半導體制造與設備	先進製程、光刻、刻蝕、檢測、封裝	臺積電、ASML、應用材料、Lam Research、KLA	先進製程利用率、CapEx、良率、產能週期
HBM與存儲	爲AI加速器提供高帶寬內存和數據存儲	SK海力士、美光、三星、西部數據	HBM份額、合同價格、產能、庫存週期
網絡、服務器與散熱	連接GPU集羣並完成機架級部署	Arista、Coherent、Dell、HPE、Super Micro、Vertiv、Eaton	網絡帶寬、機架交付、液冷、電源密度
數據中心與算力租賃	提供土地、機房、GPU雲及託管服務	CoreWeave、Equinix、Digital Realty	利用率、融資成本、客戶集中、合同期限
電力與能源基礎設施	發電、輸電、變壓器及穩定能源供應	星座能源、偉士達、GE Vernova、NextEra能源	電價、併網週期、長期購電協議、建設進度
軟件與AI應用	將基礎設施投入轉化爲企業收入	Palant ir， Service Now，銷售隊伍，Adobe等	AI收入、付費率、續費率、推理成本

2.1 雲服務商既是超級週期發動機，也是成本承擔者

Microsoft、Amazon、Alphabet、Meta和Oracle是AI產業鏈最重要的資本開支來源。它們決定GPU採購量、數據中心建設速度和定製芯片投入，也通過雲平臺向模型公司和企業用戶分發算力。但將這些公司簡單歸類爲“AI受益股”會掩蓋其真實位置。雲服務商首先是資本開支的支付者。資本開支增長可以帶動雲收入，卻也會降低自由現金流，並在未來形成折舊。只有當新增算力被高效利用，並轉化爲持續的雲服務和軟件收入時，投入才能形成正循環。

不同雲服務商的商業模式也存在明顯差異。Amazon、Microsoft和Alphabet擁有成熟雲業務，可以直接向外部客戶出售算力；Meta主要通過廣告、推薦算法和消費者應用實現AI價值，缺乏同等規模的外部雲收入；Oracle則依靠數據庫、雲基礎設施和大型AI訓練合同擴張，但其資產負債表承壓程度也可能更高。因此，評估雲服務商不能只看資本開支絕對值，還要關注資本開支與收入、經營現金流和訂單儲備之間的比例。投入越大不一定越好，真正重要的是每一美元資本開支能夠創造多少可持續收入。

2.2 芯片、製造與設備構成最強的訂單兌現層

Nvidia、AMD和Broadcom處於AI芯片設計層。Nvidia的優勢來自GPU、CUDA、網絡和整機系統形成的平臺能力；AMD試圖通過加速器、CPU和軟件生態擴大份額；Broadcom則受益於定製ASIC、網絡芯片和高速互聯需求。

芯片設計之後，是TSMC、ASML及半導體設備企業。無論GPU還是定製ASIC，都需要先進製程與先進封裝。TSMC在2026年第一季度電話會上表示，爲滿足AI需求，公司正在提高N3產能投資，2026年資本開支預計接近560億美元指引區間高端；管理層預計，AI加速器相關收入到2029年的年複合增速可能達到50%以上。同時，先進封裝產能仍然緊張。

因此，芯片、晶圓和設備企業通常是資本開支最早兌現收入的一層，也是AI超級週期中最先被市場重新定價的資產。當第二戰場圍繞AI產業鏈展開交易時，這一層往往最先獲得資金關注。

2.3 HBM、網絡和冷卻成爲新的瓶頸資產

Micron在加密平臺上的交易量快速增長，並不是偶然的單一股票事件。它反映出AI市場關注點正在從GPU擴散到HBM和存儲。GPU負責計算，但模型訓練和推理需要不斷讀取參數與數據。當計算能力增長快於數據傳輸速度時，內存帶寬會成爲性能瓶頸。HBM通過把多層DRAM垂直堆疊並靠近處理器，提高帶寬和能源效率。因此，SK hynix、Micron和Samsung不再只是傳統存儲週期企業，也成爲AI算力系統的核心供應商。

網絡同樣重要。當AI系統從單卡擴展到數千甚至數萬顆加速器時，系統效率取決於芯片之間的數據傳輸。Nvidia的NVLink和InfiniBand、Arista的高速交換設備、Broadcom與Marvell的網絡芯片、Coherent的光通信產品，都在解決“如何讓更多芯片像一個系統工作”的問題。

隨後是服務器電源和冷卻。AI機架功率密度提高後，傳統風冷可能無法滿足需求，液冷、電力管理和備用電源的重要性上升。Vertiv、Eaton等企業的AI屬性並不來自模型，而來自幫助數據中心穩定運行。

第二戰場交易的熱點並不會長期停留在同一家公司，而是會隨着AI產業鏈新的供給瓶頸不斷遷移。從GPU到HBM，再到網絡、電力和冷卻系統，真正被交易的始終不是某一家公司，而是產業鏈中最稀缺的生產能力。

2.4 真正的下游不是模型，而是商業化

OpenAI、Anthropic和各類基礎模型企業處於模型層，但產業鏈的最終下游並不是模型本身，而是企業和消費者是否願意持續付費。Palantir、ServiceNow、Salesforce、Adobe等企業嘗試把AI嵌入數據分析、工作流、客戶管理和內容生產。Microsoft、Google和Meta則把AI加入辦公、搜索、廣告和社交平臺。只有當AI能夠提高收入、降低成本或改善留存，基礎設施投資纔有長期經濟基礎。

這一層的主要矛盾是推理成本與付費能力。模型能力提高可能擴大需求，但模型壓縮、推理優化和開源競爭也會降低單位調用價格。如果每個AI任務消耗的計算資源快速下降，社會使用量可能增加，但單個雲廠商或模型公司的收入未必與算力需求同比增長。

正因爲AI產業鏈具有清晰的資本傳導路徑，第二戰場的交易熱點也會隨着產業瓶頸不斷遷移。雲服務商的資本開支決定資金流向，供給約束決定市場關注重點，而價格預期則決定第二戰場的交易方向。換句話說，第二戰場交易的不是AI概念，也不是企業所有權，而是AI產業鏈不同環節在不同階段形成的價格預期。

三、第二戰場形成：AI產業鏈如何進入加密市場

AI產業鏈進入加密市場，並不是股票所有權上鍊，而是價格敞口進入加密市場。第二戰場交易的核心不是企業所有權，而是產業預期形成的價格波動。AI產業鏈的資本開支擴張，爲加密交易平臺提供了一組天然適合衍生品化的資產：全球知名度高、事件頻繁、波動率充足、價格數據相對容易獲得，並且與加密用戶熟悉的科技敘事高度重合。股票永續合約、股票代幣和Pre-IPO產品的擴張，正在把AI產業鏈從傳統證券賬戶帶入穩定幣賬戶。

3.1 合約先於所有權：第二戰場首先交易的是價格

據CoinGecko報告，RWA/TradFi永續合約月交易量從2025年初的2.3億美元增長至2026年5月的3471.7億美元。其中，主要平臺股票永續合約月交易量從2025年7月的8.31億美元增長至2026年5月的340億美元，接近40倍。合約增長快於現貨代幣，背後有明顯的產品邏輯。發行股票代幣需要處理底層股票購買、託管、清算、贖回、公司行動和證券監管，而股票永續合約只需要建立價格指數、預言機、保證金與清算系統。平臺不必把股票本身搬上鍊，也可以向用戶提供價格敞口。這說明TradFi進入加密市場的第一階段並不是所有權遷移，而是交易需求遷移。用戶首先需要的是能夠用穩定幣交易全球資產價格的工具，而不是一套完整複製傳統股東權利的證券賬戶。

這決定了AI產業鏈進入加密市場的第一種形態不是股票所有權遷移，而是價格敞口遷移。第二戰場首先解決的是“能不能交易”和“能否全天交易”，至於用戶是否真正擁有股票、能否贖回底層資產、能否獲得股息和投票權，則被留給更復雜的股票代幣與證券基礎設施。

3.2 從Nvidia到Micron：交易熱點沿產業瓶頸遷移

在股票永續合約快速增長過程中，AI和科技相關標的構成最活躍的交易主線之一。CoinGecko數據顯示，Nvidia、Tesla、Micron和Circle等股票位居主要交易標的前列。其中，Micron相關合約交易量從2026年4月的7.36億美元增長至5月的131.6億美元。

來源： https://www.coingecko.com/research/publications/tradfi-on-crypto-exchanges-report-2026

Micron交易量上升的意義不只在於一隻股票突然變得熱門。它可能意味着加密市場對AI產業鏈的理解開始從GPU向HBM、存儲和系統瓶頸遷移。過去，Nvidia幾乎是AI交易的唯一代理資產；未來，交易量可能在芯片設計、晶圓代工、HBM、網絡、服務器和電力環節之間輪動。

3.3 CEX爭奪交易入口，DEX爭奪市場發行權

平臺層面，CEX與DEX的發展路徑並不相同。Binance、Hotcoin和Hyperliquid已經成爲RWA/TradFi永續合約主要參與者。

Binance和Hotcoin等CEX通過統一賬戶、USDT結算、共享保證金和內部做市體系降低交易門檻，股票永續合約可24/7交易，以USDT結算，槓桿通常爲10-25倍，資金費率每八小時結算。平臺已經覆蓋Nvidia、Microsoft、Meta、Amazon、TSMC和Broadcom等科技及半導體標的。爲了處理傳統股票閉市問題，CEX採用多模式定價：正常交易時段使用第三方數據源構建指數；延長或低流動性時段使用指數加權方法平滑價格；週末和節假日，價格指數停留在最後已知價格，標記價格則在一定限制下參考合約成交逐步變化。不同平臺的價格指數、資金費率週期和傳統市場閉市處理方式並不完全一致，具體規則應以對應合約頁面爲準。

Perp DEX代表平臺Hyperliquid的HIP-3則把部分市場發行能力開放給外部部署者。部署者可以決定合約規格、預言機、槓桿上限和市場結算，並使用HyperCore訂單簿和保證金系統。其優勢是上新速度和市場創新不再完全由單一交易所決定；風險則是預言機和市場運營責任被分散給不同部署者。Hyperliquid要求HIP-3部署者質押一定數量的HYPE，並可能因市場運行或預言機問題面臨懲罰。

因此，CEX競爭的核心是賬戶、流動性和分發能力，DEX競爭的核心則逐漸延伸至“誰有權創建一個市場”。AI產業鏈標的數量龐大、熱點遷移迅速，這種開放式市場發行機制可能更容易覆蓋長尾資產，但也更依賴部署者質量和外部價格數據。

3.4 第二戰場呈現的是流動性地圖，不是產業價值地圖

根據CoinGecko數據，Nvidia、Micron等美國上市AI股票交易活躍，而非美國標的交易量明顯較低。這說明，加密平臺上的AI股票版圖並不是一張完整產業地圖，而是一張流動性地圖。一個標的能否成爲熱門合約，取決於：

第一，全球用戶是否熟悉；
第二，能否獲得連續、可靠的美元報價；
第三，底層市場流動性是否充足；
第四，價格波動是否足以產生交易需求；
第五，平臺是否容易處理公司行動和監管限制。

因此，加密市場中的第二戰場不是第一戰場的完整鏡像。它會主動篩掉知名度較低、價格數據複雜、波動率不足或難以做市的資產，並把流動性集中到最容易形成全球共識交易的少數股票上。

傳統指數通常根據市值、流通股本和行業分類構建；加密平臺則更傾向於選擇能夠持續提供事件、波動率和資金費率的標的。產業重要性決定一家公司是否值得研究，流動性和波動率則決定它能否成爲熱門合約，兩者並不總是一致。

從更深層次看，第二戰場呈現的是一張由用戶認知、美元報價、做市能力和交易情緒共同構成的流動性地圖，而不是完整的AI產業價值地圖。這既是它擴張迅速的原因，也是其價格代表性仍然有限的根源。

四、第二戰場的結構性矛盾：全天交易、價格發現與槓桿風險

AI股票與加密市場具有相似的交易屬性：增長預期高、估值跨度大、事件密度高、全球關注度強。財報、芯片發佈、模型升級、出口限制、資本開支調整和能源合同，都可能引發價格快速變化。這些特徵爲第二戰場提供了持續交易需求，也使AI股票比多數傳統資產更容易被包裝爲永續合約。

但24/7交易並不自動意味着24/7存在可靠價格。股票永續合約連接的是兩個運行時間、清算體系和監管屬性完全不同的市場。當傳統股票閉市而加密合約繼續運行時，第二戰場既可能提前吸收新信息，也可能因現貨套利缺失、流動性下降和槓桿集中而偏離基本面。

4.1 首先爭奪的是波動率，而不是所有權

加密交易所擴張TradFi產品，表面上是增加資產類別，實際上是尋找新的波動率來源。當加密市場整體活躍度下降時，黃金、原油、股票和ETF合約可以爲平臺帶來新的交易需求。AI股票尤其適合這一模式，因爲其事件頻率高於多數傳統行業：季度財報、資本開支指引、新芯片發佈、數據中心訂單、監管限制和模型合作，都可以成爲價格催化因素。

AI產業鏈還具有明顯的敘事輪動。GPU短缺時，Nvidia是主要交易標的；HBM價格上漲時，Micron和SK hynix受到關注；網絡和光通信成爲瓶頸時，Arista、Broadcom、Marvell和Coherent可能獲得流量；電力不足時，市場又可能轉向核電、電網和數據中心基礎設施。這使AI產業鏈成爲一個能夠持續“生產新熱點”的資產集合。對交易平臺而言，真正有價值的不只是某一隻股票上漲，而是產業鏈能夠不斷產生新的交易對象、資金費率和做市需求。

但這種邏輯也揭示了一個現實：加密平臺選擇標的的第一標準未必是長期價值，而可能是波動率。產業重要性決定一家公司是否值得研究，波動率和流動性則決定它是否容易成爲熱門合約。兩者並不總是一致。

4.2 24/7交易不等於24/7價格發現

股票永續合約最具吸引力的賣點之一，是傳統股票閉市後仍可交易。但這也是產品最核心的結構性矛盾。

在美股正常交易時段，合約可以通過指數、資金費率和套利活動靠近現貨價格。進入盤後和夜盤後，底層流動性下降，價格來源減少。週末和節假日期間，底層交易所完全閉市，真實股票無法用於即時套利。此時，股票永續合約交易的不再是可立即執行的現貨價格，而是市場對下一次開盤價的預期。它同時具備股票衍生品、盤前市場和預測市場三種屬性。

假設某家AI公司在週末發佈重大芯片缺陷、監管調查或大型訂單，股票合約價格可能立即變化，但沒有現貨股票幫助套利者鎖定價差。價格可能反映新信息，也可能被較薄的流動性放大。週一開盤後，底層股票與合約重新連接，之前累積的價差需要快速收斂，容易引發跳空和清算。

不同平臺對閉市價格的處理方式並不相同。有的平臺凍結指數，只允許標記價格有限變化；有的平臺使用外部盤後數據；有的平臺依靠合約成交和移動平均。用戶看到的都是“24/7股票價格”，但其背後的價格含義可能完全不同。因此，衡量股票合約質量不能只看能否全天交易，還要看預言機來源、閉市規則、標記價格、價格變化上限、異常事件處理和開盤收斂機制。

4.3 基本面週期與槓桿週期可能相互放大

傳統股票市場通常以季度財報和年度資本開支爲主要信息週期。股票永續合約則通過槓桿、資金費率和自動清算，把基本面變化轉化爲更短的交易週期。

在AI資本開支上行階段，雲服務商增加投入，芯片公司獲得訂單，供應鏈擴產，市場提高盈利預期。價格上漲吸引更多槓桿多頭，資金費率上升又吸引套利和做市資金，形成正向循環。一旦雲服務商下調資本開支，風險可能沿相反方向傳導：雲服務商削減預算，首先影響GPU和服務器訂單；芯片企業降低採購，又影響晶圓廠、設備商和HBM供應商；數據中心項目推遲，進一步影響電力設備、冷卻系統和融資需求。股票價格下跌後，永續合約中的槓桿倉位被清算，流動性下降，價格偏離擴大，再觸發更多被動賣出。

傳統市場中的資本開支調整可能需要幾個季度傳導，永續合約卻可能在數小時內完成預期重定價。加密市場並沒有消除產業週期，而是通過槓桿壓縮了週期的市場反應時間。

4.4 “交易AI股票”不等於“擁有AI公司”

股票永續合約提供的是價格敞口，不是股票所有權。用戶通常沒有投票權、股東身份、直接分紅權或破產清算索取權。即使合約價格跟蹤Nvidia或Microsoft，也不能把合約倉位理解爲持有該公司股票。

股票代幣現貨的權利結構則更復雜。部分產品由發行方購買底層股票並以1:1結構發行代幣，但用戶通常持有的是發行方定義的證券憑證、結構化票據或經濟權益，而不是直接登記在公司股東名冊中的普通股。分紅、拆股、併購和贖回需要通過發行方、券商與託管機構傳導。

因此，AI股票進入加密市場至少存在三類完全不同的產品：

第一類是股票永續合約，交易價格，不涉及底層所有權；
第二類是1:1支持的股票代幣，可能存在底層資產，但用戶權利取決於發行結構；
第三類是Pre-IPO合約或代幣，可能只是估值敞口、SPV經濟權益或事件型產品。

三類產品在前端可能都顯示爲一個股票代碼，但法律與經濟實質差異巨大。平臺越強調統一交易體驗，用戶越需要主動識別產品底層結構。

五、展望與結語：從第二交易場到第二定價層

AI超級週期的第一戰場，是雲服務商、芯片企業、數據中心和能源公司圍繞資本開支、產能與商業化展開的產業競爭；第二戰場，則發生在加密市場。平臺將AI產業鏈中的熱門資產轉化爲穩定幣結算、24/7運行、可使用槓桿交易的價格敞口，爲全球投資者提供了傳統股票市場之外的全天候交易入口。

不過，第二戰場目前形成的更多是一張流動性地圖，而非完整的產業價值地圖。股票永續合約交易量的增長，只能說明交易需求正在擴張，不能證明市場已經具備成熟的價格發現能力。真正需要驗證的是：在傳統股票市場閉市期間，加密市場能否依靠可靠的預言機、充足的流動性和穩健的清算機制，持續形成具有參考價值的價格。如果上述條件逐步成熟，加密市場有望從傳統股票市場的補充交易場，演變爲全球科技資產的第二定價層，在財報發佈、產品升級、監管變化等事件發生時，更快彙集全球投資者預期，併爲傳統市場開盤提供價格參考；反之，24/7定價仍可能只是缺乏現貨約束的24/7交易，價格容易受到流動性不足、槓桿倉位和市場情緒的影響，難以形成真正獨立的價格發現能力。

第二戰場最終會成爲短期投機工具，還是成長爲全球科技資產新的價格發現層，目前仍沒有答案。但可以確定的是，當越來越多AI產業鏈資產開始以24/7方式在加密市場交易時，傳統證券市場將第一次面對一個持續運行的價格競爭者。而真正決定第二戰場能否走向長期基礎設施的，不是交易量是否持續增長，而是價格、流動性、產品權利邊界與風險管理能否同步成熟。只有完成這些市場機制建設，24/7運行的鏈上定價實驗，纔有機會成長爲全球資產體系中的第二定價層。

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/

X：x.com/Hotcoin_Academy

郵件：labs@hotcoin.com

引言
一、AI進入超級週期：從技術敘事進入資本開支階段
1.1 從模型競賽到資產負債表競賽
1.2 半導體增長正在從GPU擴散至整套計算系統
1.3 產業瓶頸正在從芯片轉向電力與建設週期
1.4 超級週期最大的懸念是商業化能否追上投入
二、AI產業鏈解析：第二戰場交易的底層資產
2.1 雲服務商既是超級週期發動機，也是成本承擔者
2.2 芯片、製造與設備構成最強的訂單兌現層
2.3 HBM、網絡和冷卻成爲新的瓶頸資產
2.4 真正的下游不是模型，而是商業化
三、第二戰場形成：AI產業鏈如何進入加密市場
3.1 合約先於所有權：第二戰場首先交易的是價格
3.2 從Nvidia到Micron：交易熱點沿產業瓶頸遷移
3.3 CEX爭奪交易入口，DEX爭奪市場發行權
3.4 第二戰場呈現的是流動性地圖，不是產業價值地圖
四、第二戰場的結構性矛盾：全天交易、價格發現與槓桿風險
4.1 首先爭奪的是波動率，而不是所有權
4.2 24/7交易不等於24/7價格發現
4.3 基本面週期與槓桿週期可能相互放大
4.4 “交易AI股票”不等於“擁有AI公司”
五、展望與結語：從第二交易場到第二定價層
關於我們
風險提示