2026 年 11 月 5 日,AI 科技股经历了一轮集中抛售。触发因素并不单一:美国中期选举后市场对数据中心监管收紧的担忧升温,AI 信贷风险与高估值压力在同一时间被重新定价,部分投资者选择在超大规模云服务商资本开支尚未给出下一阶段指引的空窗期降低敞口。抛售的烈度足以让市场重新讨论一个根本性问题:AI 基础设施投资周期是否正在接近结构性拐点。
但在华尔街主要券商中,一种不同的判断正在形成。Jefferies 股票分析师 Jane Gibbons 将 11 月 5 日的下跌定性为“反应性”调整,而非基本面重置;Morgan Stanley 则直接建议“逢跌买入”,认为部分数据中心项目的节奏变化不是资本开支故事的脱轨,而是周期拉长。两种表述的措辞不同,指向的结论却高度接近:下跌本身并不构成 AI 投资逻辑被证伪的证据,但它确实在改变市场对“哪些 AI 股票更值得持有”的筛选标准。
抛售之后,为什么 Jefferies 将其定义为“反应性”调整
Jane Gibbons 的核心论据之一来自历史统计。她在报告中指出,历史上标普 500 单日跌幅超过 4% 之后,后续回报往往出现改善:六个月平均涨幅约 11.9%,十二个月平均涨幅超过 20%。这一数据本身需要谨慎对待:LPL Financial 基于 1928 年以来的更长样本显示,单日跌幅超过 4% 后六个月的平均回报为 7.6%,十二个月为 15%,且正回报出现的频率并不稳定。不同样本区间与统计口径会带来差异,但方向性含义是一致的:极端单日下跌在历史上更多对应情绪释放,而非企业盈利或产业需求的同时崩塌。
Jefferies 的“反应性”判断还包含一层政策层面的推演。该团队在中期选举后的研究中指出,分裂政府降低了全国性激进 AI 监管落地的概率,州级已经通过和拟议中的措施多数相对温和;在缺乏灾难性级别事件的前提下,AI 基础设施建设面临的政策风险被市场高估了。换言之,抛售中计入的一部分折价来自政治不确定性,而政治不确定性的定价往往比盈利不确定性更容易在短期内被过度放大。
但需要明确的是,Jefferies 的乐观是“不转空”,而不是“已经见底”。Gibbons 并未宣称所有 AI 股票都会同步修复,她的判断框架更接近于:抛售提供了重新区分“有收入兑现能力的 AI 标的”与“依赖概念叙事的 AI 标的”的窗口。
Jefferies 的大型科技股逻辑:现金流与云收入是 AI 的“兑现接口”
在 Jefferies 此前公开的 AI 配置框架中,大型科技股的首选始终是 Microsoft、Amazon 和 Alphabet。这三家公司被归入同一梯队,原因不在于它们拥有最多的 AI 模型或最大的算力储备,而在于它们各自具备一条将 AI 资本开支转化为可持续收入的完整路径。
Microsoft 的优势在于企业信任与信息技术触达深度。Azure 提供算力底座,Copilot 将 AI 能力嵌入既有生产力工具和工作流,企业客户的付费意愿建立在已经形成的软件采购习惯之上,而不是从零开始验证 AI 的单独商业价值。Amazon 的逻辑更偏“模型不可知”的平台位置:无论最终哪一个基础模型获得主导地位,AWS 都以云基础设施的形式承接训练与推理负载,AI 支出增长在收入端首先体现为云消费,而非 Amazon 自有模型的胜出与否。Alphabet 则同时拥有 Gemini、TPU 与 Google Cloud 三层结构:TPU 构成差异化算力供给,Gemini 提供模型能力,Google Cloud 将两者打包为企业服务,使资本开支在内部算力效率与外部云收入之间形成反馈回路。
Jefferies 并未仅仅将这些公司定义为“AI 受益者”。其配置逻辑更接近一种现金流筛选:在 AI 抛售之后,市场对“资本开支能否转化为收入”的容忍度正在下降,而 Microsoft、Amazon 和 Alphabet 是少数能够在同一份财报中同时展示 AI 相关资本开支与云收入加速的公司。这种可见度本身构成了一种防御性。
第二梯队:Oracle、CoreWeave 与 Snowflake 分别押注什么
如果说大型科技股对应的是 AI 商业化的“收入接口”,那么 Jefferies 框架中的第二梯队则对应基础设施与数据层的“稀缺环节”。三家公司代表的是三种截然不同的 AI 投资敞口,也因此对应着不同方向的风险。
Oracle 在 Jefferies 的表述中是“正在浮现的第四家企业云选项”。其 AI 逻辑与数据中心审批、电力获取和大型企业客户的长期合约高度绑定:如果监管障碍缓和、数据中心建设节奏恢复,Oracle 的上行空间具有超常特征;反过来,如果许可与并网延迟持续,其增长兑现的时间表会被直接拉长。CoreWeave 则定位为超大规模云厂商之外的 GPU 云替代方案,专注于 Nvidia 参考架构的部署与软件能力扩展。它的增长弹性最高,但对 GPU 供给节奏、融资成本和客户集中度的敏感度也最高。Snowflake 的位置更靠近企业数据和 AI 应用之间的连接层,被 Jefferies 视为 AI 数据管道的前两大供应商之一。它的收入与企业的数据消费和使用强度挂钩,不直接承担数据中心资本开支,但同样受到企业 AI 预算节奏的约束。
三家公司被放在同一梯队,并不意味着风险等价。更准确的读法是:Oracle、CoreWeave 和 Snowflake 提供了比大型科技股更高的 AI 基础设施与数据层敞口,代价是资本开支强度、融资条件和企业预算变化会更快地反映在它们的估值中。
需要厘清的一件事:谁在“逢跌买入”,谁在评估“反应过度”
在当前华尔街的叙事中,Jefferies 和 Morgan Stanley 的判断经常被合并为“华尔街看多 AI 抛售后的买入机会”。这种合并会丢失一个关键区分:Jefferies 的最新核心表态是抛售“反应过度”,而 Reuters 报道中明确建议“逢跌买入”、并逐一列出具体买入标的的,是 Morgan Stanley。
Morgan Stanley 的名单覆盖了一条完整的 AI 基础设施链条:大型云平台包括 Amazon、Meta 和 Alphabet;AI 芯片为 Nvidia 与 Broadcom;数据存储为 Seagate 与 Western Digital;光通信为 Coherent 与 Lumentum。这一组合并不等同于“抄底所有 AI 股票”,它的筛选标准更接近产业链中订单可见度、定价能力和供给瓶颈同时存在的环节。Nvidia 和 Broadcom 对应加速计算与定制芯片需求;Seagate 和 Western Digital 对应 AI 数据留存带来的存储容量消耗;Coherent 与 Lumentum 对应数据中心内部与集群之间的光连接带宽升级。市场正在从“所有 AI 股票一起上涨”转向寻找真正能够承接订单、转化为收入和现金流的环节,而 Morgan Stanley 的名单正是这一转向的产物。
其他券商的方向也值得对照。HSBC 将本轮回调视为重新增加股票敞口的机会,偏向美国和亚洲科技股;UBS 的判断是市场对 AI 政治风险、信贷风险和支出风险的定价已经过于悲观。三家机构的措辞不同,但共同点在于:它们都没有将 11 月 5 日的下跌解读为 AI 资本开支需求出现结构性逆转的信号。
AI 资本开支周期真的结束了吗
本轮抛售中最具实质性的争议,不是“AI 有没有泡沫”,而是“数据中心建设会不会大面积取消”。Morgan Stanley 对此给出了一个关键的事实性判断:原预计 2028 年落成的约 5 吉瓦美国数据中心规划容量,可能推迟至 2029 年,而不是被取消;超大规模云服务提供商的支出计划大体保持不变。这一推迟在 Morgan Stanley 的分析框架中被视为偏正面的变量:供给端节奏放缓有助于缓解数据中心供应链的短期过热,改善信贷条件,并支撑算力租赁定价,从而延长而非缩短 AI 资本开支周期。
Jefferies 的整体乐观判断与这一逻辑并不冲突,但两者的侧重点不同。Morgan Stanley 给出的是资本开支时间轴上的“推迟而非消失”;Jefferies 给出的是市场情绪层面的“反应性折价”。两者共同指向一个尚未被完全证实的假设:AI 基础设施需求没有出现足以否定当前投资规模的逆转。
后续需要验证的变量是具体的,而非抽象的。超大规模云服务商的年度资本开支指引是否被下修;GPU 与服务器订单的交付周期是否继续拉长或开始缩短;数据中心的电力接入与并网进度是否实质性改善;企业 AI 使用率能否从试点走向计费消费;云收入增速是否在资本开支仍然高企的同时维持加速。这些变量中的任何一个出现方向性恶化,都足以让当前“延期而非取消”的基准判断被重新评估。
抛售后的修复顺序:市场正在重新定价“兑现能力”
抛售后的修复不会以“AI 板块”为单位同步发生。更可能的路径是按照 AI 收入兑现程度与现金流稳定性分层展开。
第一层是已经拥有规模化云业务和自由现金流的大型科技公司,Microsoft、Amazon 和 Alphabet 属于这一层。它们的 AI 资本开支规模最大,但同时也是最有可能在下一份财报中展示 AI 相关收入加速的标的。市场在调整后首先回流的,往往不是弹性最大的股票,而是“即使 AI 叙事阶段性降温、估值仍有盈利支撑”的资产。
第二层是直接受益于 AI 基础设施建设的半导体、存储和光通信企业,Nvidia、Broadcom、Seagate、Western Digital、Coherent 和 Lumentum 是这一层的代表。它们的修复速度取决于订单和供给瓶颈的可见度,而非单纯的估值收缩幅度。当市场确认资本开支没有被取消、只是节奏调整时,这一层往往会出现比大型科技股更大的价格弹性,但波动也更高。
第三层是高增长、同时对资本开支和融资条件高度敏感的公司,CoreWeave 是这一层的典型。这类标的在抛售中承受的估值压缩最显著,修复所需要的条件也最多:不仅需要 AI 需求维持,还需要融资窗口保持开放、GPU 供给不出现结构性过剩。将它们与第一层同等看待,会低估其现金流的阶段性脆弱性;将它们简单排除在 AI 配置之外,又会忽略其在算力供给链条中的位置。
风险并没有消失
Jefferies、Morgan Stanley 和 UBS 的乐观判断都属于机构分析框架内的结论,不构成“AI 股票已经见底”或“所有相关标的都会反弹”的保证。当前仍然成立的风险至少包括以下几层。
AI 数据中心建设成本仍在上升,电力与土地资源约束并未因为抛售而缓解。企业 AI 投资的回报周期尚未被充分证明,部分 AI 应用仍处于试点向规模化过渡的阶段,收入兑现的斜率存在低于资本开支增速的可能。融资成本对高杠杆、高资本开支的 AI 基础设施公司构成持续压力,利率或信贷利差的方向性变化会迅速改变这类公司的估值分母。此外,部分 AI 股票在此前上涨中已经计入了未来数年的增长预期,抛售压缩了估值,但并未自动创造“安全边际”。
“反应性调整”与“基本面重置”之间的区别,最终不由单日价格跌幅或券商评级决定,而由未来数个季度的订单、收入和现金流数据决定。
下一个验证节点:Nvidia 财报与超大规模云服务商指引
Nvidia 定于 2026 年 11 月 17 日美股盘后发布季度财报,对应北京时间 11 月 18 日凌晨。市场关注的焦点集中在数据中心业务:Reuters 报道的预期为数据中心收入环比增长超过 12%,而此前一个季度 Nvidia 数据中心收入已达到 890 亿美元,公司对下一季度的整体营收指引约为 1,080 亿美元。这份财报的意义不在于单季数字本身,而在于它能否为“AI 基础设施需求尚未逆转”提供最新的订单端证据。
同样重要的还有超大规模云服务商的资本开支指引。Microsoft、Amazon、Alphabet 和 Meta 在接下来财报季中对 2027 年及之后的资本开支表述,将直接影响市场对“延期而非取消”这一基准判断的置信度。数据中心项目是否继续推进、电力合同是否如期签署、GPU 交付周期是否出现方向性变化,都是比券商评级更硬的验证变量。
AI 股票能否从本轮抛售中完成有意义的修复,最终取决于收入、订单和现金流是否继续增长。券商的乐观判断可以提供分析框架,但不能替代数据本身。
结语
Jefferies 在 11 月 5 日抛售后的核心贡献,不是给出了一份“抄底清单”,而是提出了一个可被后续数据检验的命题:下跌是反应性的,而非基本面重置。Morgan Stanley 的“逢跌买入”名单、HSBC 的增持决定和 UBS 对悲观定价的质疑,从不同角度强化了同一方向的判断,但它们各自指向的标的和风险并不相同。对于关注 AI 股票的投资者而言,当前真正需要区分的,不是“看多还是看空”,而是哪些公司的 AI 收入正在从资本开支中兑现为现金流,哪些公司仍然依赖融资条件和估值扩张来维持叙事。在 Nvidia 财报和超大规模云服务商资本开支指引给出新的数据点之前,这一区分比任何单一评级都更值得追踪。
FAQ
Jefferies 为什么认为 AI 股票抛售反应过度?
Jane Gibbons 将 11 月 5 日的下跌定性为“反应性”,而非基本面重置。核心依据包括:历史上标普 500 单日跌幅超过 4% 后远期回报往往改善,以及分裂政府下激进 AI 监管落地的概率偏低。Jefferies 并未宣称所有 AI 股票已经见底。
Jefferies 当前看好哪些 AI 股票?
大型科技股首选 Microsoft、Amazon 和 Alphabet,逻辑在于 Azure/Copilot、AWS 和 Gemini/TPU/Google Cloud 分别构成清晰的 AI 收入兑现路径。第二梯队关注 Oracle、CoreWeave 和 Snowflake,分别对应企业云基础设施、GPU 云计算和企业 AI 数据管道。
Nvidia 是 Jefferies 最新“逢跌买入”名单中的股票吗?
需要区分机构。Reuters 报道中明确建议“逢跌买入”并点名 Nvidia、Broadcom、Seagate、Western Digital、Coherent 和 Lumentum 的是 Morgan Stanley。Jefferies 的最新核心表态是抛售反应过度;Nvidia 长期处于 Jefferies 的积极覆盖范围内,但不应将 Morgan Stanley 的名单直接归入 Jefferies。
AI 股票这轮下跌意味着泡沫破裂吗?
目前主要券商的基准判断更接近估值和预期调整,而非 AI 资本开支需求的结构性逆转。Morgan Stanley 认为部分数据中心项目从 2028 年推迟至 2029 年,而非取消。但高估值、融资成本和企业 AI 回报的不确定性仍然构成需要持续验证的风险。
AI 股票后续最值得关注哪些指标?
核心验证变量包括超大规模云服务商的资本开支指引、Nvidia 数据中心收入的环比方向、云计算增速、GPU 与网络订单的交付周期、企业 AI 使用率从试点向计费消费的转化,以及数据中心电力接入与并网进度。Nvidia 11 月 17 日盘后(北京时间 11 月 18 日凌晨)的财报是最近的一个集中验证节点。






