2026 年 10 月,AI 与大型科技股经历了一轮教科书级别的集中重估。纳斯达克 100 指数当月市值蒸发超过 2 万亿美元,指数跌幅超过 5.8%,创下 2008 年以来最长跌势。Alphabet 在财报后单日跌幅超过 12%,市值损失约 5,000 亿美元;费城半导体指数在 10 月 22 日单日重挫 5.67%,AMD、英特尔、美光、英伟达等上游标的同步承压。
这轮调整最值得记录的变化,不是跌幅本身,而是市场定价逻辑的切换。此前,大型科技公司提高 AI 资本开支通常被解读为需求强劲的确认信号;10 月之后,同一组数字开始被放在自由现金流和投资回报率的框架下重新审视。科技股抛售的核心问题已经从“AI 有没有增长”,转向“当前股价和资本开支节奏是否已经过度透支了未来数年的增长”。
10 月抛售的触发链条:财报季如何成为重估的催化剂
这轮调整并非由单一宏观事件触发。10 月下旬密集披露的科技巨头三季度财报,将高估值、资本开支扩张与盈利兑现节奏之间的张力集中暴露出来。
Alphabet 三季度云收入同比增长 102.6% 至 307.1 亿美元,Azure 收入同比增长 48.2%,AWS 收入同比增长 39.3% 至 459.8 亿美元,三大云业务增速均处于 Accelerating 区间。但同一份财报中,Alphabet 季度自由现金流从上年同期的正 244.61 亿美元转为负 90.65 亿美元,资本开支达到 513.55 亿美元;Meta 自由现金流为负 21.2 亿美元;亚马逊过去 12 个月自由现金流为负 42.4 亿美元。
来源:Gate 股票行情数据
云收入在加速,现金流却在恶化。这一组合本身并不必然意味着 AI 投资失效,但它改变了投资者评估科技股的方式:当资本开支增速持续高于经营现金流增速时,高估值资产对“盈利兑现延迟”的容忍度会迅速收窄。Alphabet 财报后的创纪录单日跌幅,正是这种容忍度收窄的集中表达。
资本开支从“需求证据”变为“估值压力”的临界点
2026 年三季度,北美四大云厂商合计资本开支约 2,087 亿美元,同比增长 84.2%;按各公司最新指引测算,全年合计资本开支约 7,300 亿美元,且四大厂商均释放了 2027 年继续扩大投入的信号。亚马逊全年资本开支指引约 2,200 亿美元,Google 维持 1,950 亿至 2,050 亿美元,Meta 指引收窄至 1,350 亿至 1,450 亿美元,微软因第三方算力交付延迟将指引由 1,750 亿美元微调至 1,700 亿美元。
来源:Gate 股票行情数据
在 AI 叙事的早期阶段,这些数字被市场视为算力稀缺和需求可见度的证明。但当资本开支的绝对规模进入数千亿美元量级,并且连续多个季度以超过 80% 的速度扩张时,投资者开始提出一个更基础的问题:这些支出所形成的资产,在多长时间内能够产生足以覆盖资本成本的现金回报。
高德纳 10 月的一项预测被市场广泛引用:到 2030 年,AI 数据中心需累计创造 8.5 万亿美元收入才能覆盖资本开支并实现预设回报率,而同期相关收入预计不超过 3.6 万亿美元。这一测算的假设条件当然可以讨论,但它指向的担忧具有可验证的逻辑基础:当资本开支曲线陡峭到一定程度,估值对“回报延迟”的敏感度会非线性上升。
高盛策略师也捕捉到了同一变化:Meta、微软、亚马逊、Alphabet 四家公司 2026 年合计资本开支预计达到 7,250 亿美元,较 2025 年的 4,100 亿美元增长 77%,市场估值逻辑正在从“收入增长”转向“现金回报”。10 月的科技股抛售,本质上就是这一估值锚点切换过程中的集中定价调整。
需求端并未给出“见顶”信号:算力容量的现实图景
如果把股价下跌直接等同于 AI 需求见顶,会遗漏供给端最关键的信号。亚马逊 CEO 安迪·贾西在 10 月底明确表示,AWS 2026 年的主要算力容量已经售罄,2027 年的大部分产能已被预订,相当一部分长期客户订单甚至延伸至 2028 年。这一信息与“需求萎缩”的叙事存在明显张力:如果企业客户和 AI 实验室正在以长期合约锁定未来两到三年的算力资源,那么当前的问题更准确地落在供给交付节奏和投资回报周期上,而非需求的方向性逆转。
云业务的积压订单提供了另一组可验证数据:截至三季度末,Google Cloud 积压订单达 5,608 亿美元,AWS 积压订单约 4,960 亿美元,微软商业剩余履约义务达 6,770 亿美元,同比增长 73%。微软三季度实际资本开支因第三方产能延迟而低于 500 亿美元的计划,也从侧面说明部分瓶颈在供给侧而非需求侧。
因此,对当前局面的合理理解是:市场质疑的对象已经从“AI 是否有真实需求”,转移到“在需求可见的前提下,资本开支转化为利润和自由现金流的节奏是否足以支撑当前估值”。这一区分对于判断后续分化至关重要。
Nvidia 与云厂商为何不能共用一套估值框架
10 月的调整中,AI 产业链上游与下游的定价逻辑出现了值得注意的分离。
Nvidia、Broadcom、AMD、存储和半导体设备企业处于 AI 基础设施上游,其收入直接挂钩云厂商的资本开支节奏。截至 11 月初,Nvidia 追踪市盈率约 25.87 倍,远期市盈率已降至约 12.9 倍,低于标普 500 同期 18.7 倍的水平;市值约 4.93 万亿美元。这一估值变化本身说明,市场已经对上游芯片环节进行了相当幅度的重定价,远期盈利预期仍被计入,但估值溢价明显压缩。
下游云厂商的估值则面临更复杂的检验。AWS 三季度运营利润率达到 38.7%,高于上年同期的 34.6%;Google Cloud 运营利润率从 23.7% 跃升至 36.2%;三大云服务商合计云收入约 1,100 亿美元,同比增长约 56%。野村在 11 月 2 日的报告中指出,负自由现金流并不等同于“AI 不赚钱”,资本开支在支出当年全额计入现金流出,而折旧与收入在资产投入使用后的数年间逐步确认,这属于经典的 J 曲线效应。
但这一解释并不能消除估值压力。云厂商需要证明的不只是云业务本身赚钱,而是 AI 相关收入增量能够以足够快的速度覆盖新增折旧和资本成本。上游芯片公司从每一美元资本开支中直接获得收入,下游平台则需要完成“资本开支—算力容量—客户付费—利润与现金流”的完整闭环。两者在 10 月承受了不同性质的抛售压力,后续反弹的触发条件也因此不同。
与互联网泡沫的关键区别:不是产业逻辑证伪,而是估值锚点重置
将这轮 AI 调整与 2000 年互联网泡沫类比,在情绪层面容易获得共鸣,但在结构层面存在重要差异。2000 年泡沫破裂时,大量公司缺乏可持续的盈利模式和现金流;而当前 AI 龙头公司拥有成熟的现金生成业务、庞大的客户基础和可验证的订单储备。橡树资本霍华德·马克斯在 10 月也指出,与互联网泡沫顶峰时期相比,当前大型科技股的预期市盈率并未膨胀到同等极端水平,2000 年标普 500 前五大科技股平均预期市盈率约 65 倍,而当前约 23 倍。
更准确的定性是:这是一次对 AI 投资回报速度和估值水平的重估,而非对整个 AI 产业逻辑的否定。市场正在要求企业用更短的时间窗口证明,AI 基础设施投入能够转化为可量化的利润和现金流。那些能够展示云收入加速、利润率扩张和订单兑现的公司,与仅仅维持“AI 概念”叙事的公司之间,估值分化会进一步扩大。
反弹的条件:什么信号才具有趋势意义
科技股能否从当前水平形成可持续反弹,并不取决于“AI 投入是否继续”,而取决于几个可观测变量的组合。
第一,资本开支增速与 AI 收入增速的剪刀差是否收窄。如果未来一到两个季度,云厂商的 AI 相关收入增速持续高于资本开支增速,自由现金流的压力叙事会得到实质性缓解。第二,上游订单的持续性与能见度。Nvidia 下一代 GPU 和 HBM 的需求指引、云厂商 2027 年资本开支的最终落点,将决定半导体环节盈利预期的修正方向。第三,估值本身在调整中提供的缓冲。Nvidia 远期市盈率降至 12.9 倍、大型科技股预期市盈率约 23 倍,意味着股价继续下行时,估值对盈利增长的敏感度会发生变化。
与此同时,加密市场在同期呈现出相似的风险偏好特征。北京时间 11 月 3 日,BTC 回落至 77,000 USDT 附近,ETH 同步走弱,加密总市值当日下跌约 3.04%。AI 科技股与加密资产在 10 月至 11 月初的同步承压,共同指向宏观层面对高久期风险资产的重新定价,而非单一板块的孤立事件。这一跨市场的联动本身,也是评估科技股反弹持续性时不应忽略的背景变量。
结语:从“相信增长”到“验证回报”的范式迁移
2026 年 10 月的 AI 板块抛售,在表面上表现为市值蒸发和指数回撤,在深层则完成了一次定价范式的切换。市场不再愿意为“AI 投入本身”支付无差别溢价,而是开始用资本回报率、自由现金流和盈利兑现速度来重新分级 AI 股票。
需求端的信号——AWS 容量售罄至 2027 年、云积压订单处于历史高位、云业务利润率仍在扩张——并不支持“AI 需求见顶”的判断。但供给端的资本开支曲线,以及由此产生的现金流压力,确实构成了高估值科技股继续压缩溢价的条件。后续的核心观察点不在于 AI 叙事是否延续,而在于未来几个季度里,资本开支与 AI 收入之间的增速差能否开始收敛。收敛发生之处,估值修复的基础才会真正形成;收敛延迟之处,重估压力就仍然存在。
FAQ
AI 板块 10 月为什么出现集中抛售?
直接触发因素是财报季暴露的现金流压力与高估值的叠加。Alphabet 自由现金流转负、Meta 和亚马逊现金流承压,使投资者开始用现金回报而非收入增速来定价 AI 股票。同时,四大云厂商 2026 年合计资本开支指引约 7,300 亿美元,进一步放大了对回报延迟的担忧。
AI 股票下跌意味着 AI 需求见顶了吗?
现有数据不支持这一结论。AWS 2026 年容量已售罄,2027 年大部分产能被预订,订单延伸至 2028 年;三大云厂商积压订单合计超过 1.7 万亿美元。当前矛盾集中在资本开支转化为利润和现金流的节奏,而非需求方向本身。
Nvidia 和云厂商受到的抛售压力性质一样吗?
不一样。Nvidia 等上游芯片公司的收入直接来自云厂商资本开支,远期市盈率已压缩至约 12.9 倍,定价调整较为充分。云厂商则需要证明 AI 投入最终能转化为利润和自由现金流,面临的是“资本开支—收入—现金流”闭环的验证压力,而非订单缺失。
科技股后续反弹最值得跟踪哪些指标?
核心观察四个变量:AI 相关收入增速与资本开支增速的差值、AWS/Azure/Google Cloud 的产能利用率和利润率、Nvidia 下一代 GPU 与 HBM 的订单能见度、大型科技公司自由现金流拐点。估值本身在调整后已提供一定缓冲,但趋势性反弹需要盈利兑现信号来确认。




