报告摘要

　　去杠杆与财报季：AI投资“审美”的系统性变迁：全球科技股在经历本轮深度调整后，市场对AI投资的核心审美正经历从“规模崇拜”向“对价验证”的系统性迁移。2026年二季度财报季中，Alphabet与微软在同样加大资本开支的背景下录得截然相反的股价反应，清晰表明资金已不再单纯为投入规模买单，而是要求每一笔资本开支必须对应可验证的收入增速与清晰的财务解释。与此同时，对冲基金持续减持美国科技股，科技板块持仓敞口收缩至近三年低位，叠加韩国单一股票杠杆ETF的强制平仓潮，资金结构层面的冲击已集中释放，市场正在从杠杆出清中寻找新的均衡点。

　　“AI资本开支悖论”：市场为何开始质疑AI需求的真实性：当前市场对AI需求的疑虑集中表现为“资本开支悖论”——同一笔算力投入既是产业景气的信号，也是自由现金流被侵蚀的源头。拆解这一悖论的关键，在于区分两类不同性质的买方：以Google为代表的成熟业务现金流托底型需求，与以Oracle为代表的高杠杆融资驱动型需求。后者截至2026财年末剩余履约义务达6380亿美元，但2026财年自由现金流已转负，其能否如期将订单转化为收入，是判断本轮资本开支持续性的核心变量。历史参照而言，Oracle的高杠杆模式与2000年电信运营商的融资扩张确有相似之处，但当前买方结构中Google、Microsoft、Amazon等成熟科技巨头的存在，以及AI的国家安全属性与算力的再配置能力，构成了对“简单类比泡沫破裂”的系统性反驳。

　　2000年科网泡沫与本轮AI周期的本质差异：2000年科技泡沫破裂剧烈程度的底层因素是融资闭环的断裂——电信运营商依靠IPO、供应商融资和高收益债建起远超实际需求的网络产能，一旦融资窗口关闭，建立在“预期需求”之上的订单便瞬间失去支撑。将当下与2000年对照，相似之处确实存在——长期合同与预付款在功能上与当年的供应商融资具有相同的性质，订单并不等同于现金。但差异构成了系统性反驳：今天的买方以Google、Microsoft等拥有成熟业务现金流支撑的巨头为主，而非亏损的初创企业；算力存在明确的产能上限与再配置能力，与2000年大量闲置光纤形成鲜明对比；而AI的国家安全属性更意味着政策兜底的存在。Oracle这类高杠杆样本值得警惕，但将思科的结局简单套用于整个AI产业，既忽略了买方结构的本质差异，也低估了这一轮需求背后的真实产业支撑。

　　押注推理的军备竞赛：AI模型层的护城河与持续性：AI模型层的收入增长呈现显著分化——领先者已预告首个盈利季度，追赶者仍陷于大额亏损，但比总量更关键的是收入结构转向企业级入口，AI正从技术尝鲜品蜕变为商业必需品。从护城河角度看，模型架构和算法优势的领先窗口正在从“年”压缩到“月”，真正体现黏性的是生态整合深度——一旦AI Agent深度嵌入企业代码库与业务流程，迁移成本便与模型能力领先幅度脱钩。这一竞争格局决定了模型层难以决出唯一赢家，而只要头部几家公司还在相互追赶，军备竞赛带来的算力采购需求就不会因单一公司的商业化不及预期而系统性停滞。

　　四大关键变量决定调整后的演绎路径：需要聚焦四个关键变量：第一，美联储加息冲击是否已被充分定价——7月FOMC的异议票及沃什弃用前瞻指引后市场已转向数据驱动模式，当前加息定价大概率已过度；第二，前沿与开源模型的能力差距能否重新拉开——监管程序为闭源模型增加了额外的时间成本，客观上为开源阵营提供了追赶窗口；第三，资金去杠杆进程是否接近尾声——对冲基金科技持仓已降至近三年低位，韩国杠杆ETF的集中平仓潮也已充分释放；第四，模型公司IPO融资窗口能否顺利开启——OpenAI与Anthropic的上市若推进不及预期，一级市场估值将面临系统性重估。

　　风险提示：AI商业化和知识工作Agent渗透不及预期；模型公司收入披露口径与实际财务结果之间可能存在显著差异；高杠杆算力云和数据中心项目再融资受阻；GPU、存储等设备出现产能过剩；折旧和资产减值高于预期；能源价格、电力接入和监管约束上升；前沿模型发布因监管审查延后超预期；美联储加息预期出现反复；相关科技资产价格可能面临大幅波动。

　　报告正文

　　01

　　去杠杆与财报季：AI投资“审美”的系统性变迁

　　近期，全球科技股波动率显著放大，海外资本市场对“AI泡沫”的讨论持续升温，“AI-washing”——企业夸大或虚报自身AI能力以博取估值——亦成为全球资本新的警惕对象。科技板块的多空博弈日趋激烈，市场情绪在产业信仰与估值纪律之间反复摇摆。美股科技龙头在财报发布后的股价分化反应，清晰地说明了市场资金对于AI资本开支“审美”的系统性变化。

　　Alphabet二季度财报发布后，公司收入同比增长24%，Google Cloud收入同比增长82%，业务层面并未出现失速迹象。但单季资本开支升至449亿美元，自由现金流因此转负至59亿美元，全年资本开支指引还在上调，来到1950亿至2050亿美元。在以往的财报季中，只要资本开支指引上调，市场大多将其解读为AI需求仍在加速的证据，股价通常随之走高。但这一次，同样的上调被市场解读为自由现金流被侵蚀、股东回报被压缩的信号，Alphabet股价应声下跌。

　　然而，市场并未简单地开始厌恶所有资本开支。在同一个财报季中，微软的投入同样在增长，股价反而大幅上涨。这种分化背后，是资金审美变得更为苛刻：过去只要投入规模增长就算利好，现在市场还要再审视两件事——其一，投出去的资金是否有对应的收入增速可以验证；其二，资本开支数字的变化是否有清晰的财务解释。

　　这种审美变化将三家科技巨头放在一起对照，结论十分鲜明。Alphabet的Cloud增速82%已是相当亮眼的成绩，但资本开支增长更快，以至于将单季自由现金流推成负数，市场将其归入“回报尚未兑现”的类别。微软则给出了可验证的加速信号：Azure增速抬升至43%；与此同时，其日历年资本开支数字甚至出现名义上的下调，公司说明降幅主要来自资产使用年限等会计口径调整，实际投入并未收缩。加速可被验证、口径有清晰解释，市场因此仍然愿意给予溢价。

　　大型科技公司是全球科技估值的中枢，上游硬件企业即便利润仍在增长，也很难长期脱离下游龙头的走势而独立上涨。这正是为什么一份财报能够牵动整个科技板块情绪的原因。因此，这一轮财报季传递的核心信号是：市场开始就资本开支这笔钱考虑“对价”。同样的一笔投入，过去购买的是估值想象空间，现在必须换回可验证的收入增速，否则就要按风险折价。市场对“AI资本开支”的容忍度，正在系统性下降。

　　这种重新定价在股价上的反应十分清晰。Alphabet（GOOGL）财报日后第 1 个交易日收跌7.13%；Meta（META）财报日后首个交易日收跌7.95%；同期发布财报的微软（MSFT）走势截然相反，财报日后首个交易日收涨15.51%。三只股票在相同宏观环境下的截然不同表现，印证了市场审美已经从“规模崇拜”转向“对价验证”。

　　另一方面，市场对美股科技龙头财报反应差异的背后，还叠加了资金去杠杆的结构性冲击。

　　这种资金结构冲击的本质，是杠杆仓位的强制平仓，本身与基本面无关。仓位越集中、杠杆越高，市场热情一旦减退就越容易被迫平仓；但如果这类仓位被强力买方整体承接，并未出现无序抛售，那么接下来的反弹又常常被误读为“基本面改善”，而非空头回补带来的技术性修复。

　　例如7月底的Situational Awareness事件。这只重仓半导体与AI基础设施的对冲基金，资产规模一度极为庞大，上半年回报率惊人，但杠杆极高、持仓高度集中。在7月的AI股回撤中，该基金组合价值单月遭遇巨幅下跌，最终被迫将其公开股票组合以显著折价转让给另一家金融巨头。值得注意的是，该基金并未清盘，年内仍录得可观的正回报，并已宣布停止对公开市场头寸加银行杠杆。这恰恰印证了冲击来自杠杆结构本身，而非基本面判断失误。

　　随后美股随即明显反弹，直接触发因素是多家科技巨头的财报超预期，其中微软强劲业绩和指引推动股价盘后一度上涨逾8%。但另一层更重要的原因被市场所忽略：这个原本注定要被强制平仓的大仓位被实力雄厚的买方整体承接，原本预期的无序抛售并未发生，空头反而被迫回补，形成了技术性反弹的额外动力。

　　这种资金结构冲击，在AI硬件与云服务/软件之间的股价分化上体现得更为清晰。以韩国为例，在单一股票杠杆产品获准交易后，相关杠杆ETF规模一度迅速膨胀。市场高峰期，大量杠杆信用账户触及追保线，相当数量被券商强制平仓。7月7日，KOSPI指数下跌8%触发熔断，随着SK海力士和三星电子双双大跌，相关杠杆ETF也大幅下挫。

　　然而，资金结构的冲击并未演变为整条产业链的系统性崩塌。去杠杆压力释放后，7月31日三星电子与SK海力士单日分别大涨30%和27%。可见，当资金结构成为主导变量时，受冲击的是杠杆集中的具体标的，而并非整条产业链的系统性崩塌。

　　因此，对于AI产业链仍需回答的核心问题是：资本开支到底有没有真实的产业支撑，能否持续找到真实的买方？

　　02

“AI资本开支悖论”：市场为何开始质疑AI需求的真实性

　　所谓“AI资本开支悖论”，指的是同一笔算力投入既是AI需求最直接的证据，也是自由现金流最直接的消耗。投入越多，既像是产业景气的信号，也像是财务风险的累积。市场无法仅凭资本开支的规模来判断产业究竟处于哪个阶段。

　　要拆解这一悖论，需要从订单转化为收入的角度来看：上游订单中实际上混合着两类性质完全不同的需求。

　　一类来自能够用现有业务现金流支付的企业。以Google为例，其使用搜索广告业务产生的利润投资TPU算力，这类需求即便回报周期较长，也有成熟业务托底，不会因为一次融资环境的收紧而突然消失。另一类则来自依赖外部融资维持运营的客户，Oracle是其中最典型的代表。判断这一轮资本开支能否持续，关键在于这一类基于杠杆的需求是否真实。

　　Oracle在这一轮AI浪潮中扮演的角色与Google、Microsoft存在明显差异：它没有搜索广告或企业软件这类能够反哺算力投入的现金牛业务，而是几乎将公司重新定位为一个“云算力批发商”，向大模型公司出租GPU算力。其最大的支柱是与OpenAI合作的“星际之门”项目（该项目由OpenAI、软银与Oracle等方共同出资，计划未来四年在美国投入5000亿美元建设AI数据中心，Oracle在其中承担算力交付环节。截至2026财年末，公司剩余履约义务——即已经签下但尚未确认为收入的合同金额——达到6380亿美元。同年，Oracle还筹集了430亿美元债务和50亿美元股权。

　　根据Oracle的披露，在其大批量AI合同中，已由客户预付或客户自供硬件的部分合计约750亿美元。这部分资金的风险已由客户承担，相应地减少了Oracle需要自行筹集的建设资金。然而，剩余合同所对应的数据中心仍然需要Oracle自行融资建设。公司预计2027财年资本支出最高将达950亿美元，计划融资约400亿美元（含200亿美元ATM股权发行）。2026财年自由现金流已为负237亿美元，这部分投入能否如期转化为收入，才是判断后续科技走势的关键变量。

　　如果剩余部分订单真的开始出问题，会发生什么？ 这类合同大多要到2027、2028财年才能确认收入，中间这段时间差就是风险的敞口期。一旦因为电力接入、用水许可或芯片供应等问题导致项目被推迟，Oracle的现金流压力会首先反映在信用市场上：债券投资者要求更高的风险溢价，银行收紧新增授信额度。融资成本一旦上升，Oracle就不得不放慢新的资本开支，已经下给上游芯片、服务器、电力设备厂商的订单也会随之被重新谈判或延后。压力就这样从Oracle自身的资产负债表，一路传导至整条产业链的上游环节。

　　这条传导链条并不陌生，它与2000年科技泡沫的一段历史高度相似。这也正是市场反复将当前AI行情与当年科网泡沫进行对比的根本原因。

　　03

2000年科网泡沫与本轮AI周期的本质差异

　　回顾2000年的科技泡沫，直接点燃泡沫破裂的导火索是美联储从1999年6月到2000年5月连续六次加息，联邦基金利率从5.00%一路推高至6.5%，融资环境骤然收紧。但真正决定这场泡沫破裂剧烈程度的，是更为底层的结构性因素：融资闭环的断裂。

　　信用利差的变化更能说明问题。2000年1月至2001年8月，电信高收益债利差上涨了225%，科技板块上涨116%，能源板块仅上涨21%，医疗板块的利差甚至收窄了15%。同期这些发债主体的股价表现也是同向恶化：电信板块下跌57.4%，科技板块下跌72.5%，而能源和医疗板块均录得正收益。

　　债券市场和股票市场的走势指向同一结论：融资闭环的断裂与泡沫的破裂存在直接因果关系。 这也说明，即便在2000年那样深度的出清中，信用风险也主要集中在杠杆最重的行业。道理与第一部分分析的韩国杠杆ETF案例一致：当资金结构成为主导变量时，承受冲击的是杠杆集中的具体标的，整条产业链未必同步受损。加息只是压垮骆驼的最后一根稻草，真正的问题在于企业内部现金流从来覆盖不了扩张的规模。

　　这条传导链条在思科身上体现得最为完整，也对应了市场认为“电信股资本开支是领先指标”的空头逻辑。

　　思科在当时是这轮基建热潮中最典型的“卖铲人”：路由器和交换机几乎是互联网骨干网建设不可或缺的设备，但思科的订单本质上来自Global Crossing、WorldCom这类依靠融资扩张的电信运营商。而这些运营商的股价比思科自己的股价更早开始松动。

　　思科自身当时仍然按照过去几年的高速增长趋势做出预测，向供应商下了大规模的元器件采购订单。待到2000年下半年客户端的资本开支真正开始收缩时，库存已大幅积压。2001年，思科库存冲销总额达到22亿美元并大规模裁员，当年第三季度股价下跌约60%。这说明：买方的股价和信用状况比卖方的订单更早反映资金链的紧绷。而卖方只能观察到订单，无法看到买方的股价变化，因此反应更慢，最终承受的损失也更重。

　　将今天与2000年放在一起比较，相似之处确实存在： 融资都会将未来需求提前转化为当期订单——2000年的IPO、供应商融资和电信债务，与今天的长期云合同、预付款在功能上具有相同的性质；建设周期与需求周期同样存在错位——订单和剩余履约义务并不等同于现金，能否履约取决于客户信用和合同取消条款。

　　但两者的差异同样明显，且这些差异构成了系统性的反驳。今天的主要买方并非亏损的初创企业。Google、Microsoft、Amazon、Meta均拥有成熟的业务现金流作为缓冲，与当年依靠融资输血的电信运营商不在同一个量级。算力目前仍存在可观察的产能上限与供给约束——客户排队、配额分配等现象持续存在——这与2000年大量闲置光纤的状态形成鲜明对比。GPU还具备一定的再配置能力，旧GPU可从训练任务转向推理任务，不太可能像当年的路由器和交换机那样迅速失去价值。

　　最重要的差异在于，AI具有直接的国家安全属性。 中美两国均通过政策通道为本国战略模型公司提供兜底支持，行业很难像2000年那样被全球同步出清到只剩一两家。这几条差异合在一起，构成了对“这次也会像2000年一样泡沫破裂”这一判断的系统性反驳。Oracle这类高杠杆样本确实值得警惕，但不能简单地将思科的结局直接套用在当前整个AI产业之上。

　　对于当前的科技投资而言，决定这条传导链条是否重演的核心变量，是AI产业究竟是否存在真实需求来支撑这轮投入。这要求我们回到AI技术进步本身来审视。

　　04

押注推理的军备竞赛：AI模型层的护城河与持续性

　　AI 产业这轮资本开支存在真实需求支撑的问题，需要从收入端寻找答案。收入能否实现真实增长，以及这种增长能否持续，其背后的根本驱动力在于，模型能力每上一个台阶，能够承接的任务就更加复杂，企业的付费意愿也随之提高。模型层的军备竞赛，既消耗大量算力，也创造真实的商业价值，这正是算力需求能够持续的根本逻辑。

　　首先，观察模型的营收表现。头部公司已凭借先发优势实现快速扩张并预告首个盈利季度，而追赶者虽收入增长却仍陷于大额亏损，领先者与追赶者之间的差距正在拉大。然而，比营收总量更关键的结构性转变在于，公司的增长驱动转向企业级入口——当AI深度嵌入开发流程与知识工作，成为提升效率不可或缺的基础工具时，企业客户的贡献占比已攀升至半数以上，这部分收入的粘性远超消费端的聊天订阅。这意味着AI的商业闭环正在完成从“验证有没有人付费”到“验证付费用户是否越来越难以离开”的质变，企业级市场的深度渗透不仅增强了收入的抗周期能力，更标志着AI正从技术尝鲜品蜕变为商业必需品，而这种深度绑定带来的收入质量提升，或许才是支撑其长期价值最坚实的基础。

　　其次，从技术层面审视AI模型层的护城河。如果将护城河定义为数据飞轮——即“用户交互数据反哺模型训练、模型越用越准、越准越多人用”——那么这一机制的门槛并没有想象中那么高。开源模型和多家闭源厂商均可通过合成数据、强化学习和人类反馈快速缩小能力差距，领先窗口正在从“年”压缩到“月”。如果将护城河定义为模型架构本身的技术优势，则更难成立：架构创新一旦公开发表或被逆向工程，几个月内就会被同行复现，这也是为什么各类榜单排名变动如此频繁。

　　真正开始体现出黏性的是生态整合能力，这层护城河位于AI的应用层。 例如，企业一旦将Codex这类AI Agent深度嵌入自己的代码库、CI/CD流程和权限系统，或者将Gemini嵌入Workspace和安卓生态，迁移成本就不再是“换一个更聪明的模型”那么简单，而是需要重新做一遍集成、重新培训团队、重新验证合规。这也解释了前文所述企业收入占比提升为何如此重要：企业客户的黏性来自集成深度，与模型领先幅度的关联相对有限。

　　最后，模型的竞争格局本质上是一种CapEx驱动的增长模式。

　　模型层难以决出唯一的赢家，这一格局恰恰保证了上游算力的军备竞赛不会停止。这是一种典型的CapEx驱动的增长范式：没有哪一家公司是在看到确定性回报之后才进行扩张的，所有参与者都被迫持续投入，因为落后一步的代价——永久掉出第一梯队——远高于继续投入的成本。OpenAI不能因为上一代模型领先就放慢训练节奏，Anthropic不能因为企业端暂时占优就削减算力预算，Google也不能依靠搜索入口的存量优势进行自然防守。国内开源模型的成本每下一个台阶，闭源厂商反而需要进一步加快迭代，才能维持住那个越来越窄的技术溢价空间。

　　05

高波动之下的四大关键变量

　　整体而言，既然这一轮科技股的调整源于杠杆资金的结构性出逃，而非产业基本面的恶化或产业资本的撤退，那么只要AI技术仍有真实进展，押注生产率提高的资金就有望回流。

　　展望本轮AI科技行情调整后的演绎路径，需要聚焦四个关键变量：第一，美联储的加息冲击是否已经被充分定价；第二，前沿模型能否重新拉开与低成本开源模型之间的能力差距；第三，资金去杠杆的进程是否已经接近尾声；第四，模型公司的融资窗口还有多大的空间。

　　第一，美联储加息“最集中的冲击”实际上已经过去。 7月29日FOMC以9比3的投票结果将联邦基金利率维持在3.50%至3.75%，其中三位委员投下反对票，主张加息25个基点。这一偏鹰信号叠加科技股资金结构本身的脆弱性，冲击已经发生，也基本上被市场定价。

　　更值得关注的是沃什对待前瞻指引的态度：他履职后摒弃了前瞻指引，转向完全依托数据逐次会议决策，推动美联储进入 “数据驱动模式”。在这套运作逻辑下，市场对加息的预期今后将紧扣 PCE 等月度经济硬数据波动变化。当前市场对加息的定价大概率已过度，相关利率定价缺少前瞻指引作为锚定，容易随单月数据大幅波动而重新定价。

　　第二，前沿模型与开源模型的差距仍未被明显拉开。 这正是前文所讨论的护城河问题：如果差距被抹平、行业定型为寡头格局，算力需求反而可能打折扣。目前的状况是差距在缩小，但尚未消失。Moonshot最新的开源旗舰Kimi K3，按照其自评已接近OpenAI最新的闭源旗舰GPT-5.6，单任务价格更为便宜，但Moonshot也承认综合能力仍然存在落差。

　　这中间还多了一层监管程序，差距是否会拉开，已经不完全取决于谁训练得更快。特朗普于2026年6月2日签署了一项行政令：经过分级程序被认定为“受管辖前沿模型”的开发商，可在向受信伙伴发布之前，向政府提供最长30天的提前访问期。该机制虽为自愿性质，实际约束力仍然不低。

　　第三，资金去杠杆的节奏，大概率已经过了最剧烈的阶段。近期对冲基金持续减持美国科技股，阶段性净卖出频次显著偏高，科技板块整体持仓敞口出现明显收缩。与此同时，美股科技龙头组合在对冲基金整体持仓中的占比持续走低，回落至近三年低位，年内持仓稀释趋势十分明显。

　　全球去杠杆浪潮中，韩国股市的去杠杆力度最为突出。随着保证金要求从1000万韩元提高至3000万韩元等监管新规落地，单一股票杠杆ETF的交易金额已从7月15日的13.0361万亿韩元降至8月4日的1.3329万亿韩元，降幅达89.8%，相关交易规模显著回落7月31日韩综指早盘多次刷新历史最大单日盘中涨幅纪录，收盘上涨17.91%，三星电子和SK海力士分别暴涨26.81%和29.95%。行情直接触发因素，源自海外科技巨头财报验证AI资本开支的持续性，以及机构评级上调的利好催化，但单日极端反弹弹性，更多反映的是前期集中抛压充分出清后，市场迎来的技术性修复行情。

　　第四，模型公司的融资窗口正在从一级市场向公开市场转移。Space X、OpenAl、Anthropic三大科技巨头密集推进上市进程，合计募资规模或超过2000亿美元。届时必须首次提交经审计的完整财务报表，运行率口径与实际收入之间的那些分歧将被一次性公开。模型层的收入究竟有多少是真实的、成本结构究竟有多重，将直接接受公开市场资金的审视。

　　另一方面，从风险角度来看，一旦这两单IPO定价不及预期或出现推迟，一级市场给予的万亿美元估值将立刻面临重估，并顺着算力采购链向上游传导。从时间点来看，秋季这两宗IPO是本轮周期中时点最为确定的事件节点，收入争议可能由此直接演变为股票市场估值的争议。

　　综上所述，AI硬件行情的杠杆去化已经过了最剧烈的阶段。存储等环节的涨价在短期内有利于利润，但若推高token成本，反而会削弱AI应用扩散的叙事。叠加资金结构的冲击，科技硬件行情或仍将处于高景气、高波动并存的阶段。

　　06

结论与配置建议

　　综合以上分析，AI大周期并未结束。从产业趋势来看，只要大模型之间的能力差距仍未明显拉开，市场竞争的强度就将持续维持在较高水平。AI产业的应用主线仍然是Agent方向。中长期应用空间的进一步打开，关键取决于物理AI的应用落地。

　　如果端侧消费电子、人形机器人出现可规模化的新设备，AI大周期可能迎来更为系统性的上行行情，风险偏好较高的资金当前可关注端侧AI与机器人主题；如果2027年办公Agent逐步趋于饱和，而物理AI仍无明确的商业化产品落地，空头逻辑将会明显强化，届时可能仅存在结构性机会。

　　考虑到以两融为代表的杠杆资金已经进行了系统性的出清，我们认为，以科创50为代表的国产半导体设备与高端制造龙头，已经进入中长期的底部区间。叠加下半年美联储加息预期可能被证伪，以及中美元首会晤前国内可能出现的流动性释放与政策呵护，科技板块与市场整体指数在下半年仍有可能走出一轮新高行情。

　　就配置建议而言，本轮科技行情更可能延续板块内部轮动、高景气与高波动并存的特征。产业趋势本身未被破坏，继续看好AI基础设施和现金流强劲的龙头科技公司。

　　第一，以科创50为代表的高端制造、国产半导体设备龙头已进入中长期底部区间，可逐步提高配置比例。

　　第二，关注物理AI落地受益的方向，例如军用AI、卫星等。这类方向不受“AI替代软件”这一利空逻辑的影响，同时有望受益于硬件资金的外溢扩散。在具体品种上，可关注光纤、钨钼。它们既具备AI与新技术的叙事弹性，背后又有军工需求与耗材属性提供业绩支撑。

　　第三，在防御与红利仓位上，建议不要简单配置高股息、自由现金流充裕的传统白酒板块，而应转向与高端制造相结合的防御方向，例如化工龙头、工程机械龙头与精密设备龙头。

　　第四，有色金属也可以逐步进入左侧布局阶段，核心逻辑同样是美联储加息预期的逐步降低。

　　风险提示：AI商业化和知识工作Agent渗透不及预期；模型公司收入披露口径与实际财务结果之间可能存在显著差异；高杠杆算力云和数据中心项目再融资受阻；GPU、存储等设备出现产能过剩；折旧和资产减值高于预期；能源价格、电力接入和监管约束上升；前沿模型发布因监管审查延后超预期；美联储加息预期出现反复；相关科技资产价格可能面临大幅波动。

（文章来源：中泰证券）