资本开支悖论下的投资选择

作者：李迅雷金融与投资

题图：李迅雷金融与投资微信公众号lixunlei0722

引 言

近期，科技股的波动明显放大，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）也成为全球资本新的警惕对象。

科技的多空博弈加剧。以Alphabet二季度财报为例：多头看到的是收入和云业务加速，空头看到的是资本开支侵蚀自由现金流。

与此同时，韩国杠杆ETF资金大幅出逃、海力士等核心资产同步承压；美联储7月议息决议按兵不动，但会间期长端利率已大幅上行。这些看似分散的事件，指向的是同一个问题：这一轮AI科技行情，除资金结构的松动之外，产业基本面是否能支撑科技估值？

当前市场主流AI叙事是：云厂商自由现金流已被资本开支持续消耗，一旦股价和信用同时转弱，订单可能像2000年科技泡沫那样迅速“蒸发”。

本文试图从产业趋势出发回答：这一轮AI科技行情走到了哪个阶段，和2000年科网泡沫相比有哪些本质差异，又该如何理解7月以来的这轮波动。

去杠杆与财报季，

AI投资的审美发生了什么变化？

美股科技龙头在财报之后的股价反应，说明了市场资金对于AI资本开支“审美”的变化。

Alphabet二季度的财报发布后，公司收入同比增长24%，Google Cloud收入同比增长82%，经营现金流达到391亿美元，业务层面并没有失速的迹象。但单季资本开支升至449亿美元，自由现金流因此转负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。

以往财报季，只要资本开支指引上调，市场大多把它读成AI需求还在加速的证据，股价通常随之走高。这一次，同样的上调却被读成了自由现金流被侵蚀、股东回报被压缩的信号，Alphabet股价应声下跌。

但市场并没有简单地开始厌恶资本开支。同一个财报季里，微软的投入照样在增长，股价反而大涨。

这是因为资金的审美变得更加苛刻：过去投得多就算利好，现在还要再看：一是投出去的钱有没有对应的收入增速可以验证，二是这个数字有没有清晰的解释。

这种审美变化把三家公司放在一起对照就很明显。Alphabet的Cloud增速82%已经很亮眼，但资本开支涨得更快，以致把单季自由现金流推成负数，市场于是把它归入“回报尚未兑现”；Meta的收入仍在加速，经营利润率却在一年之间从43%掉到31%，同样是投入跑在了回报前面。

微软的Azure增速从40%抬到43%，其日历年资本开支数字甚至还出现名义下调，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其溢价。

所以这轮财报季的信号，是市场开始就资本开支这笔钱考虑“对价”。同样一笔投入，过去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，在股价上的反应比较清晰：Alphabet 7月22日盘后发布财报，次日收跌7.1%；Meta 7月29日盘后跌约9.6%，次日收跌7.9%；而同一晚发布财报的微软，盘后涨约8%，次日收涨15.5%。

另一方面，市场对美股科技龙头财报反应差异的背后，是资金去杠杆的冲击。

这种资金结构冲击的本质，是杠杆仓位的强制平仓，本身和基本面无关。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；但如果这类仓位是被强力买方整体接走，并没有无序抛售给市场，接下来的反弹又常常被误读成“基本面改善”，而不是空头回补带来的技术性修复。

例如，7月底的Situational Awareness事件。这只由前OpenAI研究员Leopold Aschenbrenner创立、重仓半导体与AI基础设施的对冲基金，资产规模一度达到450亿美元，上半年回报率高达439%，但杠杆据报道接近400%、持仓高度集中，在7月的AI股回撤中组合价值单月下跌67%，最终被迫把约160亿美元的公开股票组合以约一成折价卖给Citadel。

值得注意的是，该基金并未清盘，出售的仅为公开股票组合，年内仍录得约80%的正回报，并已宣布停止对公开市场头寸加银行杠杆，这也印证冲击来自杠杆结构本身，而非基本面判断失误。

7月30日前后美股随即明显反弹，直接触发因素是Microsoft、Amazon的财报超预期，微软单日涨幅创下其历史最大单日市值增幅。但另一层更重要的原因被市场忽略：这个原本注定要被强制平仓的大仓位被Citadel整体承接，预期无序抛售的空头反而被迫回补。

这种资金结构冲击，在AI硬件和云服务/软件的股价分化上体现得更清楚。韩国2026年5月27日首批放行单一个股杠杆产品，16只跟踪三星电子、SK海力士的两倍杠杆ETF合计规模，从上市时的4.4万亿韩元升至7月15日的11.9万亿韩元，其中约92%由个人投资者持有。

按高盛交易台的统计，截至7月13日，韩国全市场已有超过120万个杠杆信用账户触及追保线，约32万至36万个被券商强制平仓。而三星资产管理的KODEX SK海力士单一个股杠杆ETF，自6月23日峰值回撤超过80%，对应的三星电子产品自6月3日峰值回撤近75%。

而同一时期，AI软件和云厂商股票的回撤幅度明显小于杠杆集中的硬件标的，部分被大量做空的企业软件公司甚至逆势上涨。可见，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，并不是整条产业链。

所以对于AI产业链仍需要回答的是：资本开支到底有没有真实的产业支撑，能不能持续找到真实的买方？

“AI资本开支悖论”，

为什么市场开始质疑AI需求？

所谓“AI资本开支悖论”，指的是同一笔算力投入既是需求最直接的证据，也是自由现金流最直接的消耗。投得越多，既像景气，也像风险，市场没法只靠这个数字判断产业究竟处在什么位置。

要拆开这个悖论，得从订单转化为收入的角度看：上游订单里其实混着两类完全不同的需求。

一类来自能用现有业务现金流支付的企业，比如Google用搜索广告利润投资TPU，这类需求哪怕回报周期长，也有成熟业务托底，不会因为一次融资环境收紧就突然消失。

另一类来自依靠融资维持的客户，Oracle是最典型的例子，判断这一轮资本开支能否持续，关键就要看这一类需求是否真实。

Oracle在这一轮AI浪潮里扮演的角色，和Google、Microsoft不太一样：它没有搜索广告或企业软件这类现金牛业务能反哺算力投入，而是几乎把公司重新定位成一个“云算力批发商”，通过Oracle Cloud Infrastructure（OCI）向OpenAI、xAI这些大模型公司出租GPU算力，最大的支柱是和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）。

为了跟上这个节奏，Oracle于2026年3月一次性裁员3万人，把腾出来的资源和现金押注在这轮AI资本开支上。

这也是为什么Oracle的财务数据这两年格外引人关注。

截至2026财年末，公司剩余履约义务（也就是已经签下、但还没确认成收入的合同金额）达到6380亿美元，同年还筹集了430亿美元债务和50亿美元股权。这些订单到底是真实需求，还是靠不断举债维持的预期？

按Oracle披露，这批大型AI合同中已由客户预付或客户自供的硬件部分合计约750亿美元，这部分资金风险已由客户承担，也相应减少了Oracle需要自筹的建设资金。

剩余合同对应的数据中心仍需Oracle自行融资建设，公司指引2027财年净资本开支约700亿美元、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。

那么，如果剩下那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财年才确认成收入，中间这段时间差就是风险敞口。一旦因为电力、用水或芯片供应等问题被推迟，Oracle的现金流压力会先反映在信用市场上：债券投资者要求更高的利息，银行收紧新增授信。

而融资成本一旦上升，Oracle就得放慢新的资本开支，已经下给上游芯片、服务器、电力设备厂商的订单也会跟着被重新谈判或延后，压力就这样从Oracle自己的资产负债表，一路传导到整条产业链的上游。

这条链条并不陌生，它和2000年科技泡沫的一段历史高度相似，这也是市场反复把这一轮AI行情与当年科网泡沫作对比的原因。

2000年科网泡沫，

与本轮AI周期有何本质区别？

回顾2000年的科技泡沫，直接点燃泡沫破裂的，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4.75%一路推高到6.5%，融资环境骤然收紧。纳斯达克2000年3月10日见顶后，MicroStrategy的会计问题相继暴露，风险偏好迅速逆转。

但真正决定这场泡沫破裂有多剧烈的，是更底层的原因：融资闭环的断裂。

电信运营商和互联网公司过去几年靠IPO、供应商融资和高收益债建起了远超实际需求的产能，设备商直接向客户提供融资，把潜在采购提前变成订单，例如，Nortel在2000年末的客户融资总额一度高达51.68亿美元。

而一旦融资窗口关闭，这些建立在“预期需求”上的订单就瞬间失去了支撑。2000年下半年，投机级电信服务商从债券市场拿到的净融资只剩70亿美元，比上半年少了六成。买设备的资金，就是在这半年出现“断裂”。

信用利差的变化更能说明问题。到2000年11月，电信高收益债对国债的利差走高至1200个基点，一年之内走阔了687个基点；而同期整个高收益债市场的利差是944个基点，也就是说，电信这一个行业单独付出了约250个基点的额外风险溢价。

分行业看，这种分化更显著。2000年1月到2001年8月，电信高收益债利差涨了225%，科技涨了116%，能源只涨了21%，医疗甚至还收窄了15%；同期这些发债主体的股价也是同向恶化，电信跌57.4%、科技跌72.5%，而能源和医疗都是正收益。

债和股的行情都指向同样结论：融资闭环的断裂与泡沫的破裂有直接关系。

这也说明，即便在2000年那样深度的出清里，信用风险也主要集中在杠杆最重的行业上。道理和第一部分的韩国杠杆ETF一样：资金结构主导的时候，被打的是杠杆集中的具体标的，整条产业链未必跟着受损。

加息只是压垮骆驼的最后一根稻草，真正的问题是内部现金从来覆盖不了扩张的规模。

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

思科当时是这轮基建热潮里最典型的“卖铲人”：路由器和交换机几乎是互联网骨干网建设离不开的设备，2000年3月，思科市值一度超过微软，成为全球市值最高的公司。但它的订单本质上来自Global Crossing、WorldCom这类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：Global Crossing、WorldCom分别在1999年5月、6月见顶，领先纳指2000年3月的高点约10个月和9个月。

问题是，思科自己当时仍按过去几年的高速增长趋势做预测，向供应商下了大额的元器件采购订单；等到2000年下半年客户端的资本开支真的开始收缩，库存已经大幅积压。2001年计提22亿美元过剩库存减值并大规模裁员，股价自高点回撤逾90%。

而作为设备商的思科，直到2000年3月才随大盘见顶，比它的客户晚了大半年。AT&T的领先幅度明显小于前两者，它的业务结构更多元，并非纯粹由电信资本开支驱动，对融资环境的敏感度自然低一些。

这也说明：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。而卖方只能观察订单，看不到买方的股价，所以反应更慢，损失也更重。

把今天和2000年放在一起看，相似之处确实存在：融资都会把未来需求提前变成当期订单，2000年的IPO、供应商融资和电信债务，跟今天的长期云合同、预付款功能上是一回事；建设周期和需求周期也同样存在错位，订单和剩余履约义务不等于现金，能不能履行要看客户信用和取消条款。

但两者的差异同样明显。今天的主要买方不是亏损初创企业，Google、Microsoft、Amazon、Meta有成熟的现金流缓冲，和当年靠融资输血的电信运营商不是一个量级；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），这和2000年大量闲置光纤的状态是两回事；GPU也具备一定再配置能力，旧GPU可从训练转向推理，不太可能像当年的路由器交换机一样迅速失去价值。

最重要的差异，是AI具有直接的国家安全属性，中美两国都在用政策通道为本国战略模型公司兜底，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”这个判断的反驳。 Oracle这类高杠杆样本值得警惕，但不能把思科的结局直接套在整个产业上。

对于当前的科技投资来说，决定这条链条会不会重演的，是AI这个产业到底有没有真实需求撑住这轮投入，这就要回到AI技术进步本身。

押注推理的军备竞赛，

AI模型层的护城河在哪？

AI产业到底有没有真实需求撑住这轮资本开支？

这个问题要看收入是不是真的在涨，能不能持续。其背后的驱动力是：模型能力每上一个台阶，能承接的任务就更复杂，企业的付费意愿也随之提高。

模型层的军备竞赛，既消耗算力，也创造真实商业价值，这才是算力需求能否持续的根本逻辑。

首先，看模型的营收。模型公司都没有公开审计财报，市面上流传的“年化收入”（ARR）是拿最近一个月的收入乘以12推算的，会明显高于实际入账金额。下面优先采用公司向投资人披露的收入口径，ARR数据单独标注、不与前者混用。

Anthropic在2026年5月的融资轮中向投资人披露：一季度收入48亿美元，二季度预计109亿美元，环比翻倍以上，并预计在二季度录得5.59亿美元的首个经营利润。

市面上广泛引用的ARR口径，Anthropic的运行率从2025年末的90亿美元起步，2026年2月到140亿，4月到300亿，5月中越过470亿，到7月初第三方追踪估到690亿，基本以月为单位逐级抬升。

OpenAI的收入体量明显低于Anthropic，可比的数据也更少。它2026年没有审计数据可查，只剩第三方测算的年化收入口径：epoch.ai等机构认为其自2月起基本持平在250亿美元附近。

可以看出，模型层的收入确实在快速增长，但增长并不同步：领先者已预告首个盈利季度，追赶者仍在大额亏损。但比总量更值得关注的，是收入结构的变化。

两家公司的收入驱动都已经转向企业级入口：OpenAI的Codex，知识工作者用户占比已经提升到20%，增速是开发者的三倍，企业渠道贡献已经超过总收入的40%，预计年底前和消费端持平；Anthropic的Claude Code年化收入运行率超过25亿美元，企业客户贡献已经过半（前者来自OpenAI 2026年6月Codex报告，后者来自Anthropic 2026年融资公告）。

这个结构性转变的意义在于，一旦收入结构中企业占比过半，这份收入的抗周期能力，会明显好于早期单纯靠聊天助手订阅获得的收入。

换句话说，模型层的商业闭环正在从“有没有人付费”，走到“付费的人是不是越来越难以离开”。

其次，再从技术层面来看，AI模型层的护城河。

具体来看，如果护城河指的是数据飞轮，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”，这个机制门槛没有想象中高：开源模型和多家闭源厂商都能通过合成数据、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”。

如果护城河指的是模型架构本身的技术优势，那更难成立：架构创新一旦发表或被逆向工程，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，这层护城河在AI的应用层。

比如，企业一旦把Codex这类Agent深度嵌进自己的代码库、CI/CD流程和权限系统，或者把Gemini嵌进Workspace和安卓生态，迁移成本就不再是“换一个更聪明的模型”这么简单，而是要重新做一遍集成、重新培训团队、重新验证合规。这也解释了前面企业收入占比提升为什么重要：企业客户的黏性来自集成深度，与模型领先幅度的关联有限。

这也就回应了市场热烈讨论的一个问题：为什么把AI模型公司类比成苹果，逻辑上是有偏的。

苹果的护城河建立在硬件分销、软硬件一体化体验和消费者品牌溢价之上，产品迭代放慢一两代，用户也不会轻易迁出iOS生态；但AI模型是一层可以被API调用、可以被开源复制的软件能力，本身不构成分销渠道，也谈不上消费者品牌忠诚度，一旦某个模型连续两代掉队，开发者和企业迁移的物理成本极低。

更贴切的对比，其实是半导体制程或创新药研发这类军备竞赛式的技术密集型行业：没有一家公司能凭一代产品建立永久领先，行业里每一家都必须持续投入巨额研发才能维持竞争地位，一旦停下来，很快就会被同行赶超。但正因为如此，整个行业的研发和资本开支强度会常年维持高位，不会因为某一家公司暂时失去优势就停下来。

最后，模型的竞争格局是一种CapEx驱动的增长模式。

模型层难以决出赢家，恰恰保证了上游算力这条军备竞赛不会停止。这是一种典型的CapEx驱动的增长范式：没有哪一家是看到确定回报才扩张的，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也不能靠搜索入口的存量优势自然防守。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。

这种模式也决定了，单一公司的商业闭环和整个行业的资本开支强度，必须分开来看：前者取决于这家公司能不能把技术优势转化成留存率和定价权，后者取决于这个行业还有没有参与者愿意继续投入。

只要头部几家公司还在互相追赶，军备竞赛带来的采购需求就会持续存在，不会因为某一家的商业化不及预期而系统性停滞。

而且这场竞赛已经不再只是以投入换取位次。前面提到Anthropic预计在二季度实现首个经营利润，这意味着在算力投入仍在加码的同时，领先者已经具备把军备竞赛的支出转化成利润的可能——该判断的成立仍取决于其后续审计财务数据的确认。

回到开头那个问题：

AI产业有没有真实需求撑住这轮投入，答案不在某一家模型公司能不能盈利；而在于这场军备竞赛有没有停下来的迹象，目前看不到任何一方愿意主动退出。

高波动之下，

科技行情仍有哪些影响因素？

整体来看，既然这一波科技股的调整源于杠杆资金出逃，而不是产业基本面的改变和产业资本的撤退，那么只要AI技术有真实进展，押注生产率提高的资金就有望回流。

那么，展望本轮AI科技行情调整后的行情演绎，需要聚焦四个变量：1、美联储的加息冲击是不是已经被充分定价；2、前沿模型能不能重新拉开与低成本开源模型的差距；3、资金去杠杆是不是到了尾声；4、模型公司的融资窗口还有多大。

第一，美联储加息影响“最集中的冲击”其实已经过去。7月29日FOMC以9比3的投票结果，把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，这是沃什就任主席以来的首次异议票（6月会议为全票通过）。这一偏鹰信号叠加科技股资金结构本身的脆弱，冲击已经发生，也基本被市场定价。

更值得关注的是沃什对前瞻指引的态度。他在发布会上为放弃前瞻指引辩护，并明确表示会间期长端利率的大幅上行更多是在回应经济数据、而非回应货币政策本身，称这是“一个向好的变化”。这轮会间的长端利率涨幅是近二十年来最大的几次之一，在沃什看来恰恰验证了取消前瞻指引的合理性。

这意味着加息预期今后将紧跟当月的PCE、非农、PMI这些硬数据来回摆动。会后联邦基金期货一度定价年内至少一次25BP加息约八成的概率，但这一定价完全建立在后续数据之上、缺少前瞻指引的锚定，因而容易随单月数据出现大幅重定价。

展望下半年，8月公布的7月非农和随后的Jackson Hole是下一个数据节点，8月28日劳工统计局还会发布年度基准修订初值，这项修订历史上多次大幅下修此前的就业增量，时间点又正好在Jackson Hole之后、9月议息会议之前。再往后，9月底PCE统计口径也会有技术性下修，这类偏鸽的技术因素目前还没被市场充分计入。

第二，前沿模型差距仍未被明显拉开。这就是前面讲的护城河问题：如果差距被抹平、行业定型为寡头格局，算力需求反而要打折扣。目前的状况是差距在缩小，但没有消失。Moonshot最新的开源旗舰Kimi K3，按其自评已经接近OpenAI最新的闭源旗舰GPT-5.6，单任务价格更便宜，但Moonshot也承认综合能力仍有落差。

这中间还多了一层监管程序，差距会不会拉开，已经不完全取决于谁训练得更快。特朗普2026年6月2日签署第14409号行政令：经分级程序认定为“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。

机制虽为自愿，实际约束力仍不低。OpenAI在政府提出安全关切后，将GPT-5.6的公开发布推迟约两周并采取分批放行；接下来体量更大的GPT-6如果同样在这道程序上放慢节奏，等于给了开源阵营额外的追赶窗口。

第三，资金去杠杆的节奏，大概率已经过了最剧烈的阶段。据高盛Prime Services的数据，对冲基金在过去八周里有六周净卖出美国科技股，自6月初以来该板块的总敞口按市值降了约10%，是其十余年数据记录中最大的一次减仓；七巨头敞口占美国对冲基金总敞口的比例已降到14.5%，接近三年最低，年内累计下降7个百分点。

再看去杠杆最为剧烈的韩国股市，16只单一个股杠杆ETF的合计市值在7月15日为11.9万亿韩元，韩国金融委员会预计在预托金上调等新规实施后将回落至4万亿至5万亿韩元，接近5月27日上市当天4.4万亿韩元的起点。7月31日三星电子与SK海力士单日分别大涨26.81%和29.95%，虽然直接催化是微软、亚马逊财报确认AI资本开支延续以及卖方评级上调，但如此极端的单日弹性，更多反映的是前期抛压出清后的技术性修复。

第四，模型公司的融资窗口正在从一级市场转向公开市场。OpenAI已于5月22日、Anthropic于6月1日先后秘密递交S-1，目标分别是9月和10月挂牌。

一方面，两家公司届时必须首次提交经审计的完整财务报表，运行率与实际收入之间的那些口径分歧会被一次性公开，模型层的收入究竟有多少真实、成本结构究竟有多重，会直接接受市场资金的审视。

另一方面，从风险角度来说，这也是本轮与2000年最相似的一个环节。2000年引爆崩塌的正是融资窗口关闭，而这一轮的窗口非但没关，还在从一级市场往公开市场继续打开。但公开市场的定价纪律远比私募轮严格，一旦这两单定价不及预期或者推迟，一级市场给出的万亿美元估值就会立刻面临重估，并顺着算力采购链往上游传导。

从时间点来看，秋季这两宗IPO是本轮时点最确定的事件节点，收入争议可能由此直接变成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，存储等环节涨价短期利好利润，但若推高token成本，反而会削弱AI应用扩散的叙事。叠加资金结构冲击，科技硬件行情或仍处于高景气、高波动阶段。

结论与配置建议

整体来看，AI大周期未结束，基于产业趋势，只要大模型之间的差距仍未明显拉开，市场竞争强度仍然较强。AI产业的应用主线仍是Agent。中长期应用空间的打开关键取决于物理AI的应用落地。

若端侧消费电子、人形机器人出现可规模化的新设备，AI大周期可能迎来更系统性的上行，风险偏好较高的资金当前可关注端侧AI与机器人主题；若2027年办公Agent逐步饱和而物理AI仍无明确商业化产品，空头逻辑会明显强化，或只存在结构性机会。

考虑到以两融为代表的杠杆资金已经系统性出清，而科创50、创业板等ETF为代表的长线资金仍在流入，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和政策呵护，科技板块与市场整体指数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的龙头科技公司。

1、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。

2、关注物理AI落地受益的领域，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。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。

3、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，而应转向与高端制造结合的防御方向，例如化工龙头、工程机械龙头与精密设备龙头。

4、有色金属也可以逐步进入左侧布局，核心逻辑同样是美联储加息预期的降低。

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存在差异；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；美联储加息预期反复；相关科技资产价格大幅波动。

作者：

中泰策略首席分析师：徐驰

执业证书编号：S0740519080003

中泰策略分析师：张文宇

执业证书编号：S0740520120003