宏观资产波动与美联储加息定价

在当今全球金融市场剧烈波动的背景之下，资产价格的每一次震荡，实质上都是市场参与者对宏观经济政策微调以及流动性预期的敏锐折射。首先，让我们以最严谨的态度，快速且详尽地回顾一下周一各大资产价格在交易时段内的整体走势，这对于我们理解大科技股在当天的下跌表现至关重要。尤其是美元市场以及美债市场这一全球金融体系的底层基石，其动态表现更是不容忽视。在周一的交易时间里，美元指数（US Dollar Index: 衡量美元对六种主要货币汇率的指数）呈现出小幅攀升的走势，而与美元汇率正相关的美债收益率（Bond Yield: 债券发行人承诺在特定时间内支付的利率报酬）也出现了不同程度的上涨。这种收益率的走高直接导致了代表长期国债价格的TLT（iShares 20+ Year Treasury Bond ETF: 追踪20年期以上美国国债价格的交易所交易基金）在二级市场上遭遇了明显的抛压，股价随之出现下跌。这一市场态势与我此前在周日视频更新中的前瞻性预判高度吻合。在截止到上周五的美股收盘时段，利率期货市场对于美联储在今年9月份采取加息行动的概率预期已经来到了100%的水平。在此，我需要向各位观众和读者特别强调和澄清的是，我个人并没有在主观上认为美联储在今年9月份一定会做出加息的决策，因为未来的货币政策走向取决于后续宏观数据的变化；我所分享的是当前市场交易者通过各种金融衍生品和交易头寸已经做出并反映在价格中的客观定价。

然而，在近期的留言区以及各大社交平台上，有不少观众和读者对我分享的市场定价数据提出了异议。有些观众甚至用带有情绪性的语言质问我，如果在9月份美联储最终选择按兵不动或者甚至采取降息行动，我是否会公开为我之前的预测进行道歉。针对这些疑问和情绪化的反馈，我认为非常有必要本着理性与专业的态度进行两方面的回应：首先，我个人是绝对不会为此道歉的，因为作为一名市场分析人员，我的职责是客观地向大家呈现和剖析当前市场交易资金所达成的最新共识与定价逻辑，这是客观存在的数据，而非我凭空捏造的主观幻想；其次，我也在视频中深入分享了我个人对于宏观局势的主观研判，尤其是对美联储下一任潜在主席候选人凯文·沃什（Kevin Warsh: 前美联储理事、经济学家）此前的公开政策发言进行了极其详尽的拆解。沃什的发言立场毫无疑问是非常强硬且偏向鹰派的，他在当时的视频中已经将自己对于通胀韧性以及利率路径的逻辑进行了完整且无保留的阐述，并明确指出在接下来的时间里，整个资本市场对美联储货币政策的观察视角和评判体系都将发生根本性的重构。因此，无论投资者在主观上是愿意接受还是感到抗拒，都无法阻挡客观世界中定价预期的演变。

事实上，从留言区的反馈来看，有相当一部分投资者对于美联储可能在今年年内再度加息的设想表现出了极强的抵触和抗拒心理。我非常理解这种情绪，因为加息往往意味着分母端估值压力的上升以及风险资产估值乘数的压缩，这对于做多股票的投资者而言显然不是一个好消息。但是，在金融市场的博弈中，我们绝对不能用个人的愿望来代替冷酷的客观规律。无论是像亚德尼研究公司（Yardeni Research: 全球著名宏观经济与市场策略研究机构）这样的老牌独立研究机构，还是华尔街的顶级投资银行，包括美国银行（Bank of America: 全球最大的金融机构之一），都已经开始根据最近几个月展现出的通胀粘性以及美联储官员在表态上的微妙转变，将他们原本对今年降息的基准假设修正为了可能有加息风险的紧缩路径。在进行投资实操时，我们自己的投资决策和仓位配置，必须紧跟最新公布的核心经济指标以及货币当局态度的转变而进行动态的优化和修正，这才是科学的投资态度。如果我们一味地抱着成见，为了唱多而唱多，或者为了唱空而唱空，最终只会被市场的巨浪所吞噬。因此，关于9月份最终到底会不会加息这一争议性话题，我认为到此就可以告一段落了，没有必要再进行情绪化的口水战，因为市场的真金白银已经在定价中给出了答案。

在截止到周一美股收盘时，虽然两年期美国国债收益率在当天的交易中再次上涨了5个基点，但利率互换市场对9月份加息的概率定价略有松动，从上周五的100%小幅回落到了98%的水平。尽管数值上略有下滑，但从统计学和交易实务的角度来看，98%与100%在本质上依然代表着市场对加息的高度共识。在这种宏观紧缩预期的压制下，美股三大指数在周一呈现出了截然不同的分化走势。具体而言，代表大盘股的标普500指数（S&P 500 Index）小幅下跌了0.4%，而以科技成长股为主的纳斯达克指数（Nasdaq Index）则在芯片股大跌的拖累下重挫了1.3%，成为当天表现最差的指数；与此形成对照的是，以传统蓝筹股为主的道琼斯工业平均指数（Dow Jones Industrial Average）在资金防守买盘的推动下逆势上涨，实现了反弹。此外，在避险情绪的催化下，黄金价格也迎来了小幅反弹，而原油价格则在美伊地缘关系出现缓和、双方谈判取得阶段性进展的消息刺激下继续震荡下行。衡量标普500指数期权隐含波动率的波动率指数（VIX: 衡量标普500指数期权隐含波动率的指标，俗称恐慌指数）在当天小幅上升了0.3%。仔细拆解指数的跌幅可以发现，标普500指数和纳斯达克指数的下跌动能，几乎全部集中在前期涨幅过大的超级大科技股身上。因为如果我们观察剔除了权重影响的标普500等权重指数（S&P 500 Equal Weight Index），它在周一仅仅微幅下跌了0.2%，而大科技股指数的平均下跌幅度则高达2.2%。大科技股在这一时点的集体深幅回调，其背后有着深刻的基本面和估值逻辑，我将在下文中为您逐一剖析。最后在风险偏好的末端，代表小盘股的罗素2000指数（Russell 2000 Index）上涨了0.8%，比特币（Bitcoin）也微涨了0.9%，这说明市场并没有出现恐慌性的全面资金出逃，而更像是一次高位板块的获利回吐与结构性轮动。

在面对周一大科技股的集体暴跌时，市场上有不少声音将其归咎于QQQ（Invesco QQQ Trust: 追踪纳斯达克100指数的交易所交易基金）近期的指数权重再平衡和换仓调整所带来的技术性流动性冲击。对于这种流于表面的技术性解释，我个人是持怀疑态度的。因为如果我们仔细核对交易数据，就会发现那些在本次权重调整中即将被新纳入纳斯达克100指数的标的股，在周一的交易中不仅没有出现因为被动资金买入而上涨的现象，反而跟随科技板块同步录得下跌。因此，把大跌的因果关系简单归结为QQQ换仓是站不住脚的。我们必须深入到每家巨头的核心基本面、估值乘数的历史水位以及AI商业化路径的最新变化中，去寻找更为本质的答案。

谷歌估值区间与历史共识对比

接下来，让我们首先将分析的对象指向第一家科技巨头——谷歌（Google: 全球最大的搜索引擎与互联网科技巨头）。在评估谷歌这类具备强劲现金流但同时面临AI重塑挑战的互联网巨头时，将其当前的估值乘数置于历史长河中进行纵向对比，是看清其性价比最直观的方式。经过最近一段时间科技板块的集体回调，谷歌当前的前瞻市盈率（Forward P/E: 基于未来12个月预期每股收益计算的市盈率）已经回落到了23.6倍的水平。

如果我们将时间轴拉长，就会发现28倍的前瞻市盈率对于谷歌而言是一个非常经典的历史阻力位。在谷歌的估值走势图上，如果我们在28倍的位置画一条水平横线，就可以一目了然地看到：在2021年全球货币大宽松、美股牛市见顶的最高光时刻，谷歌的估值就是在触及28倍前瞻市盈率后开始向下均值回归的；而在去年的年底、今年的年初以及大约一个月之前，谷歌的市盈率多次攀升至28倍这一天花板位置，每次都在触及该水平后遭遇强烈的获利回吐压力，进而引发股价的大幅回调。这就是我经常向大家推荐估值区间对比法的原因，它能让我们在狂热的牛市中保持理性，看清市场各方力量对个股估值上限所达成的共识。

到目前为止，市场对于谷歌估值上限的共识红线依然设立在28倍左右。在经历了最近几个交易日的回调后，谷歌的估值来到了23.6倍，相比于前期的28倍估值，溢价空间确实被挤出了不少，估值压力得到了极大的释放。然而，如果我们将其与今年3月份大盘调整时谷歌创下的22倍、甚至21.5倍左右的估值低谷进行对比，目前的估值水位依然处于中间偏上的位置。因此，我个人认为，谷歌目前的估值虽然谈不上贵，已经进入了合理的价值中枢区间，但如果用严格的价值投资标准来衡量，它还远远谈不上便宜。如果我们想要寻找谷歌估值区间的下限，也就是寻找具备极强安全边际的买入窗口，我倾向于将这一防线设定在20倍前瞻市盈率左右。如果由于系统性风险或市场短期情绪恐慌导致谷歌的市盈率跌破20倍，那将是长线资金不容错过的黄金建仓机会。根据谷歌目前在数字广告市场的垄断地位以及其YouTube业务的持续吸金能力，我并不认为谷歌的估值会轻易退回到2015年或2022年极端悲观宏观预期下的16倍市盈率低位。

Meta开源开支与利润率加速侵蚀

与谷歌相对清晰和容易预测的估值区间不同，另一家社交网络巨头Meta（Meta Platforms: 全球最大的社交网络服务商，前身为Facebook）的估值走势则要显得诡谲和特别得多。如果我们同样将历史视线从2021年延伸到未来的2026年，Meta的历史估值上区间大约分布在25倍市盈率左右。在2024年的大部分时间里，Meta的估值多次冲高至25倍后都无一例外地由于季度业绩兑现压力而出现回调；但在2025年年初，在AI应用将全面落地的狂热情绪推动下，Meta的估值曾被一度推升至接近26倍、甚至27倍的历史极端水位，随后便开启了估值与股价的双重漫长下行通道。

从2025年第一季度直到最新的交易日收盘，Meta的估值乘数呈现出极其明显的单边震荡走低趋势，目前其股价已经基本回落到了2024年时的水平。从财务定价的深度逻辑来看，市场的这一杀估值行为是非常合理且充满前瞻性的。市场目前正在对Meta过去几年在资本开支（Capital Expenditure: 用于购买、维护或改善固定资产的资金投入）上的超常透支进行重新评估。Meta在AI领域的投资策略是极其激进和偏执的，它购买了数以十万计的英伟达芯片来训练其开源大模型（Open Source Large Model: 源代码和权重公开的 AI 语言模型）Llama系列。然而，开源模型的商业变现逻辑在行业内至今未被证实，这导致前期的庞大资本开支在财务层面上几乎被判定为无法产生直接投资回报（ROI）的无效投入。

虽然依靠短视频Reels和在线广告业务的支撑，Meta的营收增速在过去几个季度里依然呈现出加速的表象，但前期算力建设在折旧和维护上的庞大成本，已经开始严重反噬其财报的底层利润率，这种负面效应必须在二级市场的股价和估值上得到出清。截至最近一个收盘日，Meta的前瞻市盈率已经大幅缩水至14.3倍，这一数值不仅创下了过去三年来的新低，也让许多追求估值性价比的价值投资者感到震惊。如果我们回顾2022年Meta所经历的那场几乎腰斩的史诗级暴跌，当时在市场对其元宇宙转型彻底绝望的极端恐慌情绪下，Meta的前瞻市盈率曾被杀到了极其罕见的6倍到7倍的深渊水平。

在今年年初，我曾在视频中对两家大科技巨头的前景给出了非常明确且至今依然完全兑现的精准研判：一家是特斯拉，另一家就是Meta。我当时对这两家科技红股的前景都表达了强烈的不看好。其中，我选择对特斯拉进行了主动的减仓操作，而对于Meta则始终坚持不建仓、不追高的原则。我之所以在Meta股价大涨、华尔街一片叫好声中预判其今年会走弱，核心依据正是它们在资本开支层面的巨额透支。特斯拉在当时将庞大的资金注入到了一家高度不确定且体量庞大的初创AI硬件项目上，这直接拖累了其现金流；而Meta则是由于在开源模型上的海量早期硬件投入被市场证伪，不得不转回头重新做闭源模型，这种转型带来的前期沉没成本必须反映在公司的估值折价中。

更为严重的是，这些前期的超额投入已经对Meta当前的运营利润率（Operating Margin: 运营利润占营业收入的比例）造成了不可逆的伤害。回看2022年Meta的暴跌，其最根本的财务诱因就是其运营利润率从历史巅峰的40%直接腰斩至20%多，同时伴随营收出现同比40%的罕见下跌。因此，过去几个月里Meta估值乘数的不断萎缩，在财务本质上是市场对其利润率再次步入下滑通道的合理对冲。

我们可以通过市场对Meta即将公布的第二季度财报以及未来四个季度的业绩预测，来具体透视这一利润率下滑的运行轨迹。在即将于7月份拉开帷幕的第二季度财报季中，市场对Meta在运营盈利这一指标上的同比增速预期已经低到了令人窒息的程度：第二季度的运营盈利同比增速预计仅为3.67%，第三季度为0.37%，而到了第四季度甚至预计会出现1.43%的负增长；即便是展望到明年第一季度，其预期增速也只有微弱的2.86%和2.89%。这意味着，在未来长达一年的时间里，Meta的运营盈利增速都将维持在近乎停滞的个位数，与2024年动辄40%甚至50%的高增长时期相比，无异于云泥之别。

这种利润增长的突然失速，其背后的罪魁祸首毫无疑问是利润率的下滑。在2024年第四季度至2025年第四季度期间，Meta的运营利润率还能勉强维持在41%至48%的超高水平，但市场对本季度的利润率预期已经骤降至35.86%，下个季度进一步滑落至32.95%，再下个季度也仅为34.09%。不过，我们必须考虑到，在今年第一季度财报发布前，市场对Meta利润率的预期同样十分悲观，当时共识预期仅为36%左右，但最终Meta公布的实际利润率达到了超预期的40.62%。因此，在接下来的第二和第三季度财报中，如果Meta能够展现出超强的成本控制能力，向市场证明其利润率依然可以稳稳地保持在40%以上，那么Meta的估值和股价将迎来极具弹性的回归。

然而，在乐观的超预期假设之外，我们必须直面折旧与摊销这一沉重的财务梦魇。由于前期资本开支沉淀了大量的固定资产，Meta在未来的每个季度里，其折旧与摊销（Depreciation and Amortization: 对固定资产 and 无形资产价值消耗的系统性分摊成本）的绝对体量和同比增速都将呈现出令人担忧的斜率。根据华尔街目前的预测数据，第二季度Meta的折旧额预计为7.2个百分点，第三季度升至8.3，第四季度为9.6，而到了明年第一季度将逼近9.9甚至10个百分点，这意味着每个季度都有接近百亿美元的硬性折旧成本需要计入损益表，其折旧同比增速在未来几个季度将常年维持在60%甚至80%的水平。如果未来的利润率最终被证实无法抵抗如此沉重的折旧压力，那么Meta的估值下修将难以避免；而利润率能否实现逆境反转，将成为未来3到6个月内决定Meta股价生死存亡的关键胜负手。

微软盈利确定性与估值防御边界

与Meta在利润率和折旧数据上呈现出的剧烈波动不同，另一家全球软件巨头微软（Microsoft）在最近的市场回调中则展示出了截然不同的财务底色和更强的防御属性。虽然微软的股价在近期也跟随科技板块出现了较为深幅的向下修正，但如果我们把目光移向市场对微软中长期业绩的预测数据，就会发现其基本面的稳定度几乎无可挑剔。

在对2026财年至2029财年的中长期业绩展望中，华尔街的分析师们对微软的运营盈利增长给出了极具信心的预测：预计2026财年微软的运营盈利同比增速仍将高达20%，2027财年为16.7%，2028财年为17.8%，2029财年为18%。在当前全球宏观经济增速放缓、企业IT开支面临收紧的背景下，一个体量如此庞大的万亿级巨头能够持续保持接近20%的利润增长率，在整个美股市场中是极为罕见的。这主要是因为微软的利润率展现出了极其惊人的稳定性，市场预计微软未来的运营利润率将分别维持在46%、45.28%和44.72%的超高水平，这与过去四年中42%、41%、44%和45.6%的实际利润率相比不仅没有下滑，反而稳步迈上了一个新的台阶。

而在固定资产的折旧控制上，微软同样体现出了更为稳健和高超的财务规划能力。虽然微软为了构建其Azure云基础设施以及支撑OpenAI的算力需求也投入了天文数字的资本开支，但其折旧增速要温和得多。市场预计微软在2026财年的全年折旧额为42.6个百分点，同比增速为25%；2027财年折旧额为57个百分点，同比增速为33%；此后两年也基本维持在33%和30%的水平。与Meta动辄60%至80%的爆发性折旧增长相比，微软将折旧平滑在每年30%左右的水平，这不仅减轻了单一财务年度的压力，也为其利润率的稳定提供了坚实的基础。

基于微软这种高确定性、低波动率的财务模型，我为微软的估值设定了一个上下边界：其中，估值上区间画在34倍前瞻市盈率，而估值下区间则画在24倍前瞻市盈率。在经历周一的科技股调整后，虽然微软的股价还没有跌破今年3月份的前期技术支撑位，但由于其未来的盈利预期并未被下调，其前瞻市盈率实际上已经提前跌破了3月份的低点，目前来到了18.9倍的水平，这几乎创下了微软过去五年来的估值最低点。

从技术指标来看，微软目前的股价走势尚未触及日线级别的超卖区间，这意味着短期内可能仍存在情绪性的惯性下跌空间。目前，由于股价的下跌，微软在我个人投资组合中的持仓占比已经略微回落到了10%以下，而周日英特尔股价的反弹则导致英特尔的相对仓位有所上升。在我的投资策略中，如果微软的股价在接下来的时间里继续遭受市场抛压，导致其持仓占比进一步被动稀释到7%或8%的水平，我将会毫不犹豫地启动资金进行分批买入，将微软的仓位重新顶格配置到10%的上限，因为从五年的时间跨度来看，18.9倍的前瞻市盈率对于微软而言是一笔极具安全边际的长线投资。

算力短租价格暴跌背后的供需拐点

在探寻导致周一科技股大跌的产业层面的直接诱因时，除了大盘指数再平衡以及宏观资金调仓等因素外，一个在社交媒体X以及华尔街对冲基金圈内流传甚广的行业动态引发了我的高度关注：这就是英伟达H100芯片在二级租赁市场上的短期现货租赁价格出现了极其罕见的断崖式下跌。

这一价格走势在短期内被许多敏锐的对冲基金作为做空大科技股的完美故事线。短期芯片租赁价格的暴跌，直观地反映出那些以转租算力为主要商业模式的中小型云服务商，其在短期算力分发业务上的毛利率正在面临严重的滑坡。然而，我个人认为，这一短期现货价格的波动并不会对行业内的超大规模云厂商（Hyperscalers: 拥有数十万台服务器、提供全球级云计算基础设施的巨头企业，如亚马逊AWS、微软Azure、谷歌云）的长期盈利能力产生致命打击。因为这些科技巨头所拥有的海量算力订单，绝大部分都是通过与大客户签署为期两到三年的长期托管或专属计算服务合同来消纳的，短期租赁价格的波动仅仅波及了边缘现货市场的需求，并没有伤及巨头云厂商中长期稳定收益的财务基本盘。

算力短期现货租赁价格的波动，本质上是算力供需关系从狂热走向理性、从供给严重不足走向局部阶段性过剩的必然产物。在此前AI大模型狂热的初代建设期，市场上所有的开发者都在盲目追逐Token Maxing（Token极大化: 盲目追求超长上下文输入输出以彰显模型能力的现象）的技术竞赛，许多公司在开发AI应用时都无节制地让模型读取超长文本，从而彰显技术实力。但很快，企业在实际运行中就遭遇了冷酷的财务现实——长文本大模型在推理端的计算开支是呈几何级数增长的，这导致许多公司在极短的时间内便烧光了原本规划一年的AI预算，被迫紧急叫停了相关项目的开发。这种由于成本压力导致的算力调用需求突然降温，以最快的速度传导到了算力现货租赁市场，从而引发了短期算力价格的暴跌。

编程AI供应链的暴利拆解与降价浪潮

为了让大家更加直观且定量地理解当前AI大模型在落地时所面临的财务成本瓶颈，我们有必要对当前大模型推理供应链的各环节利润分配进行一次详尽的数学拆解。我们以当前在代码生成这一高价值垂直领域最受瞩目的AI初创公司Anthropic（专注于AI安全和自主系统研发的顶级大模型企业）为例，来剖析其财务模型的底层构造。

根据全球著名半导体与大模型产业链研究机构SemiAnalysis的最新测算，由于Anthropic在代码理解和生成能力上的绝对技术优势，其目前在推理服务上的毛利率（Gross Margin: 营业收入减去直接营业成本后的利润率）据估算已经达到了极其惊人的70%。在目前的API市场中，Anthropic针对其旗舰模型的百万Token收费标准大约为25美元。根据这一比例进行计算，意味着当Anthropic从企业客户那里收取25美元的调用费时，其中有高达17.5美元会直接沉淀为Anthropic自身的毛利润，而其直接付给底层算力云提供商的硬件运行和计算成本，仅占营业收入的30%，即7.5美元。

我们知道，亚马逊AWS、微软Azure等云基础设施厂商在对外提供标准的GPU计算服务时，其自身的运营利润率通常也维持在30%至40%的合理区间。如果我们将这一比例代入计算，这意味着当云厂商从Anthropic那里获得7.5美元的算力托管费时，云厂商自身的实际利润空间大约在2.25美元至3美元之间（合理波动区间为2美元至4美元）。由此，我们可以极其清晰地推算出，云基础设施巨头们运行每百万Token所消耗的底层硬件折旧、电力以及数据中心冷却成本，实际上仅在3.5美元至5美元之间。

这组定量的数据彻底揭示了当前大模型在商业化落地上面临的巨大尴尬：在整个AI产业链的产出中，大模型研发商凭借其在算法端的垄断地位，拿走了比例极其畸形的高额溢价。在每百万Token收费25美元的收费标准下，Anthropic享有极高的行业暴利。这也完美解释了为什么OpenAI在看到Anthropic在代码生成和辅助编程市场赚取如此惊人的现金流后，会选择将研发资源疯狂向代码领域倾斜，并在近期启动了破坏性的价格战。其目的就是为了通过大幅降价，来摧毁Anthropic在这一领域的利润护城河以及对企业级客户的定价权。

对于广大的科技企业和创业公司而言，使用AI模型来替代部分人工编码虽然能显著提升开发速度，但如果API的调用价格长期居高不下，那么这种技术改造的财务回报率（ROI）就会变得极其荒谬。在今年年初的一季度期间，许多科技公司为了追求效率，盲目放开限制让内部员工调用最先进的AI大模型API去写代码，导致账单呈指数级飙升。例如，近期有媒体披露，出行巨头Uber（全球最大的出行与O2O服务平台）在短短三个月内就将原本规划使用一整年的大模型预算全部消耗殆尽。这种残酷的教训迫使全球各大企业在近两个月内纷纷终止了盲目使用高价大模型API的狂热行为，转而实行了极其严苛的算力审计与调用上限管理。

中美开源模型突围与代币套利设想

在昂贵的闭源API模型遭到企业客户理智退潮的打击时，中国开源大模型的集体崛起，为全球AI应用落地提供了一条性价比极高的“平替”路径。近期，在海外开发者社区以及GitHub的热榜上，中国大模型厂商智谱AI旗下的智谱GLM（ChatGLM: 由智谱AI开发的双语千亿级大模型）大模型引发了极其热烈的讨论和广泛的独立性能评测。

根据多位海外顶尖软件工程师在真实编码环境下的评测数据显示，目前智谱最新的GLM 5.2版本大模型，其在代码生成、错误调试以及长文本逻辑推理等关键指标上的实际表现，已经极其逼近OpenAI旗舰模型GPT-4o大约80%至90%的水平。这一极其亮眼的评测结果让许多海外AI专家感到震惊并开始反思：如果一个来自中国的开源模型在没有耗费数千亿美元研发开支的前提下，就能在最核心的编程任务中达到美国顶尖大模型八九成的水平，那么美国科技巨头们在资本市场支持下所进行的、近乎疯狂的万亿算力军备竞赛，其长期的商业壁垒和合理性究竟立足于何处？

实际上，早在半年前，AI行业内部的资深架构师们就曾提出过一种被称为代币套利（Token Arbitrage: 利用不同模型或区域算力价格差进行套利交易的套路）的商业设想。由于中国国内大模型市场的竞争激烈程度远超欧美，大模型厂商为了抢占市占率，将推理Token的价格压到了近乎免费的冰点水平。理论上，海外开发者完全可以通过网络层面的技术伪装，将本地需要处理的复杂数据请求打包发送至中国国内性价比极高的开源模型服务器进行处理，从而绕过美国本地昂贵的闭源API服务，实现运行成本的数量级跨越。

然而，这种套利策略在过去并没有得到大范围推广，主要是因为两点现实障碍：第一，在软件编程等高精度场景中，Anthropic的旗舰模型在极高复杂度的代码关联和上下文保持上，依然拥有着两到三个月的时间代差，而顶级科技巨头在初期为了极致的开发速度，愿意支付高额的溢价以实现对高昂程序员人工成本的完全替代；第二，数据跨境合规性以及地缘政治的潜在风险，使得跨国大企业在合规审查时对使用外部开源算力持极其审慎的态度。但随着GLM等开源模型在性能上以惊人的速度抹平差距，这种由于技术代差带来的溢价空间正在被迅速压缩，大模型市场全面爆发价格战将只是时间问题。

AI Agent落地路径与边缘计算决战

基于上述对于估值历史、折旧压力以及大模型推理供应链利润结构的定量拆解，我对未来AI产业的 monetisation（商业化变现）以及具体的落地场景做出了以下五个核心的趋势研判：

• 第一，AI智能体（AI Agent: 能够自主感知环境、进行思考并执行复杂任务的 AI 软件实体）要实现真正的大规模商业化落地，其底层技术路线几乎必然会选择开源模型（Open Source Model）与端侧AI（On-device AI: 在手机、电脑等个人终端本地运行的 AI 系统）的结合，而不是依赖云端的闭源API。因为智能体在执行任务时，往往需要进行数十次甚至上百次的后台自我迭代与工具调用，如果每一次交互都去调用百万Token高达25美元甚至50美元的云端闭源模型，任何一家企业在财务上都无法承受。
• 第二，代码编写（Coding）这一大模型最先跑通的商业化场景，未来将不可避免地走向商品化（Commoditization: 随着技术普及和竞争加剧，差异化消失，产品变为无差别大宗商品的现象）。目前，无论是使用OpenAI的Codex，还是使用Github Copilot，抑或是调用开源的本地代码模型，开发者在日常编码中的体验差距已经微乎其微。一旦技术差距不复存在，接下来引导大模型厂商的将是极其惨烈的价格战，任何一家厂商都无法长期独占该领域的定价权。
• 第三，在代码编写之外的其他应用场景中，AI大模型的API价格必须出现数量级的下降。因为与软件工程师高昂的薪资相比，传统行业的岗位人工成本并没有那么高，这意味着其他行业对AI算力成本的敏感度要远远高于科技行业。如果算力成本不能下降90%以上，AI在传统行业的推广将寸步难行。
• 第四，对于绝大多数传统的非科技公司而言，它们在AI落地时的首选方式绝对不是自己去租用GPU、调用API开发软件，而是直接购买现有成熟软件提供商（如Salesforce、Adobe）所集成的AI功能。这些传统公司更倾向于在现有的IT预算基础上，额外增加10%到20%的预算，来获取AI带来的降本增效，而不是进行高风险的自主研发。
• 第五，也是我认为最重要的一个行业观察，就是微软在AI时代的生态护城河。此前，市场曾极度担忧微软的Copilot生态会遭到Anthropic等初创公司的颠覆，尤其是当Anthropic推出类似于个人助手、能够自主调用各种办公软件的AI智能体时，微软似乎面临被架空的风险。但高昂的Token成本在客观上成为了微软最坚实的盾牌——因为在目前高昂的价格下，初创公司的智能体应用根本无法实现规模化盈利。这反而给微软留出了极其宝贵的窗口期，使其能够通过将底层的闭源模型替换为像DeepSeek（深度求索：国内以极致性价比和优秀算法著称的AI大模型）这样性价比极高的高性能开源模型，来大幅降低Copilot的实际运行成本，从而抢先在B端企业市场完成生态的占领。

Seeking Alpha量化策略与优惠活动

在分享完对科技板块和AI产业底层的深度思考后，最后向大家介绍一下我们本期的特别合作活动。本次活动由知名的金融分析平台Seeking Alpha（寻求阿尔法: 全球最大的股市投资分析与数据平台之一）联合举办。

Seeking Alpha旗下的王牌产品Alpha Picks（阿尔法量化选股策略）在过去一段时间里展现出了非常强悍的超额收益能力。在今年以来（YTD: Year-To-Date，年初至今）的统计周期中，标普500指数的累计涨幅大约在10%到11%之间，而Alpha Picks所推荐的量化策略投资组合则实现了高达46%的累计收益率，大幅度跑赢了大盘。在他们最新一期推荐的7只精选标的中，有5只股票的收益率均成功超越了标普500指数的同期表现，历史战绩非常亮眼。

目前，Seeking Alpha平台正在举办全场75折（即20%优惠幅度）的限时促销活动。Alpha Picks这一量化选股服务原价为每年499美元，在本次活动中可以直接减免124美元。同时，他们的Premium标准订阅服务同样享受75折优惠，并且为新用户提供了7天的免费试用期。如果您对这两个能够助力投资决策的分析工具感兴趣，可以点击我放在置顶留言区里的专属链接进行了解和订阅。感谢大家的收看，我们下期节目再见。