港湾观点︱2026年10月：在恐慌中守住认知
来源：东方港湾投资管理
▷2026年10月
港湾观点
作者：东方港湾黄海平
备注：封面来自摄图网
10月，全球AI相关资产经历了明显调整，科技与半导体的跌幅显著大于大盘：标普500指数下跌0.93%，纳斯达克100指数下跌6.65%，费城半导体指数下跌15.36%。
回顾过去三年，对AI发展的质疑我们并不陌生，只是每次的焦点不同。2023年，市场首先担心的是大语言模型幻觉严重、企业端付费意愿不明，ChatGPT究竟是改变生产力底座的革命，还是仅仅是一阵难以变现的“科技玩具”？在彼时高利率杀估值与商业化质疑的双重夹击下，纳指与首批AI概念股经历了第一轮超过10%–15%的显著清洗。到了2024年仲夏，市场质疑科技巨头每年投入数千亿美元购买GPU，却迟迟看不到能够匹配这一规模的杀手级软件收入。这一担忧与Blackwell架构芯片延迟交付的传闻、以及全球日元套息交易（Carry Trade）平仓风暴形成共振，导致费城半导体指数与“美股七雄”在短短三周内暴跌20%至30%。2025年初，来自中国的开源模型DeepSeek以极低的训练成本展现出比肩顶尖闭源模型的推理能力，瞬间在华尔街引爆了一场核弹级的“算力通缩恐慌”。这一担忧直接导致英伟达等算力龙头单日暴跌近17%，并在2025年一季度叠加关税摩擦担忧，令纳指创下阶段性深幅回调。回头看，AI在几乎每一年都会遇到截然不同的担忧，从“能不能用”到“有没有ROI”，从“算法会不会消灭算力”再到今天的“现金流够不够、算力会不会过剩”。
全球AI基础设施的主要投资力量，是大型云服务商，即CSP。按目前整理的2026年全年估算，亚马逊、谷歌、微软、甲骨文、字节跳动、腾讯和阿里巴巴七家公司的集团资本开支合计约7，860亿美元，接近8，000亿美元。这还没有纳入Meta、部分新云、主权资本及其他传统企业的投入。需要注意，集团资本开支中也包含非AI业务，不能把七家公司的全部投入直接当成AI专属投资。
这几家公司为什么如此积极地进行投资？
除了为了争夺下一代技术范式“入场券”的竞争压力之外，更核心的商业原因在于：当前的AI投资在财务上确实能够带来合理的真实回报。我们可以做一个粗略检验：将资本开支按一定使用年限摊开，再与云业务和传统业务合计带来的新增EBITDA比较，观察新增盈利能否覆盖投入所要求的回报。AI既可能直接贡献云收入，也可能改善广告、软件和电商的经营效率，因此集团层面的观察有其意义。
下图采用六年使用寿命、零残值、期初投产的假设，分别测算覆盖折旧以及达到10%、20%年化回报所需的EBITDA。以截止2026年第三季度为例，滚动四批投资对应的单季度EBITDA门槛约为244亿、360亿和490亿美元，而集团EBITDA较上年同季增加约427亿美元，落在10%与20%的门槛之间（右下图），贴近20%的回报。它支持的判断是，新增盈利仍能对相当部分投资提供支撑，不能因为自由现金流转负，就认为所有新增投资都失去了经济意义。同时需注意的是，投入需时间成熟，立即匹配当季利润或低估了整体的回报率。
根据下图中的公司披露口径汇总，四大CSP单季度自由现金流从2025年初开始下降，到2026年第三季度合计约为负300亿美元。这意味着，当前资本开支已开始超过同期经营现金流能够覆盖的规模，资金压力开始显现。
预期到了内生自由现金流转负，2026年以来，各大科技巨头纷纷打破过去十余年“净现金储备者”的传统，开始大规模通过股票增发、发行公司债、以及表外融资租赁等多元形式来筹集资金支持资本开支。按2026年前九个月的现金流量表，亚马逊取得长期债务融资现金流入1，151亿美元，其中既有债券也有贷款；Alphabet的债务发行净募集资金约852亿美元，普通股和强制可转优先股净募集资金分别约429亿和191亿美元。甲骨文也在今年6-8月完成了约200亿美元的ATM股权融资。而四大CSP加Meta的未来10年的长期采购承诺，截止本月已至3.2万亿美元，其中已签约但尚未起租的表外数据中心租赁合同总额，就高达8，200亿至1.06万亿美元。
大厂账上的自由现金流确实花光了，高利率与信用利差走阔也让各种融资环境的约束变得更加苛刻。但四大CSP自身的“自我造血能力”正在一路加速增长。2026年第三季度，四大CSP合计EBITDA约1，664亿美元，同比增长34.4%。
那么，为什么市场仍然如此压抑？
一个重要原因是，产业继续增长与增长达到此前的预期是两回事。我们在5月和6月的观察中就提醒过，模型进步、物理基础设施建设和企业组织变革，各有不同的速度。资本开支从极高增速回到较正常的高增长，本身未必是坏事，却足以对把高速增长线性外推的硬件盈利预测造成冲击。
目前整理的2027年预期对照表中，六家公司资本开支的买方估计合计约1.57万亿美元，卖方估计约1.45万亿美元，相对表中2026年基数，分别增长约91%和76%。再结合英伟达对于2027年高达70%的收入增速指引，这意味着，单单四大CSP，即便假设明年EBITDA继续高增40%，为了填补如此激进的买方预期缺口，还需要通过股债和租赁等各种方式额外净融资2，800亿至4，000亿美元。在当前融资环境下，就显得不可持续，信用最差的Coreweave的信用债利率甚至飙升到15%。
若指望2027年的增速比2026年第三季度高达126.1%的同比增速更快（见下图6），期待“树长到天上去”，那就违背金融与物理规律了。面对2027年的增速斜率，更要实事求是。
如果Capex不缩减，从Ant的收入增速里，看到了AI需求不足和数据中心过剩？
近期困扰市场的另一大核心利空，是头部AI大模型实验室Anthropic的年化收入运行率（ARR）环比增速确实下来得非常快。下图中Anthropic的月度ARR增幅，由年初的58%的高增长降至8月约10%、9月约2.1%。截止10月11日的数据，反映了ARR重新加速的迹象，但数据不全。
为什么市场对Anthropic的增速放缓如此敏感？
因为AI Lab（大模型实验室）的算力采购虽然在CSP存量总收入中占比不大，却占据了CSP新增云收入的极大份额。以龙头Anthropic为例，2026年截至第三季度，其训练与推理算力开支约为90亿美元，加上约27亿美元的云渠道分成费用，合计约120亿美元直接贡献给了CSP——这虽然仅占北美四大云厂总共3，000亿美元存量云收入的4%，但却占到了四大云厂今年前三季度1，000亿美元新增云收入的12%！如果把OpenAI等几大头部模型厂全部算上，AI Lab在CSP增量收入中的占比相当可观；甚至在新兴算力云代表SpaceX AI的收入结构中，绝大部分是靠AI Lab在“充值”的。
所以，CSP的最大客户确实是需求不行了？
首先，从单位经济模型（Unit Economics）来看，AI Lab的投入产出效益不仅没有恶化，反而在持续且显著地改善。 根据Anthropic于2026年11月2日最新披露招股书文件（见下图8），其每单位计算与基础设施投入所带来的收入，已经从2025年第一季度的0.40倍，大幅提升至2026年第三季度的1.72倍，在短短六个季度内实现了4.3倍的效率跃升！ 这是在Token单价不断下降的背景下，通过模型架构优化与单位算力成本赛跑，最终实打实“轧”出来的毛利与经营杠杆。这一正向经营杠杆证明了AI Lab的底层商业模型完全成立，其对CSP的算力需求具备坚实的内生支撑。与此同时，目前虽然已有约一半的《财富》500强企业采用了Anthropic的产品，但相关的Token支出仅占这些巨头总费用的0.1%——仅仅0.1%的渗透率就已经支撑起了Anthropic近700亿美元体量的年化营收，未来的企业级渗透潜力依然十分巨大。
其次，我们要正视ARR环比增速下滑所隐含的潜在风险。风险最集中的地方，是收入增速与固定承诺之间的时间差。按Anthropic申报材料，截至2030年底前需要履行的相关承诺约4，475亿美元，其中2026年9月30日之后十二个月约698亿美元。若第三季度约170亿美元收入不再增长，简单年化只有约680亿美元，几乎无法覆盖最低算力支出承诺，更别提利润率下滑。对于Anthropic这样一个全球AI算力最大的消纳户和需求最强者来说，一旦收入停滞，算力确实会面临过剩风险。这正是当前压制美股算力板块最核心的担忧来源。
我们必须同时看清楚三个产业真相，否则就是“盲人摸象”。
第一，竞争格局已从年初Anthropic在编程Agent上的“一家独大”，演变为年底的“百家争鸣”，不能仅凭Anthropic一家的ARR来判断全行业总需求。例如，下图中的OpenAI的ARR在年中重新加速，7—9月的增幅明显高于此前数月，也显著高于Anthropic。与此同时，谷歌的编程大模型、Meta的Muse、xAI的Grok Bot的代码与推理工具纷纷发力，甚至来自中国的开源大模型也在编程与Agent性能上迎头赶上。当前的市场格局是群雄逐鹿、百花齐放，大量新增算力消耗被分流到了OpenAI、各大云厂自研模型及开源生态之中。单看一家，有失偏颇。
第二，此前“一家独大”曾导致Token价格不降反升，而近期由竞争引发的“Token价格战”虽然短期拉低了名义ARR增速，但可能是通向应用繁荣的必经之路。 观察LLM Token价格指数（见下图11）可以发现，在2026年上半年Anthropic垄断高端编程市场期间，全行业平均Token价格不仅没有下降，反而一路逆势——这种因局部垄断导致的智能成本上升，对下游应用生态而言是非常不健康的。近期头部模型厂名义收入增速的放缓，很大程度上是单价暴跌50%以上的价格因素所致，而非底层Token调用量的萎缩。在趋近于零的智能成本下，下游的海量应用与真实需求才能够蓬勃生长，才可能刺激产业良性发展。
第三，大模型实验室的收入增长从来不是平滑的线性曲线，更多的是伴随着应用场景与产品模式的跃升“拾阶而上”。 回顾历史，无论是Anthropic还是OpenAI，其收入增速显著放大的阶段，无一例外都源自新应用场景的破圈。今年拉动Anthropic收入爆发式增长的AI编程应用，早在2025年甚至更早便已初现端倪，蓄力良久后才在2026年迎来全面井喷。同理，当前在AI编程的技术底座之上，衍生出的AI办公、AI游戏、AI营销与广告等全新Agent场景，其模型能力与用户规模正在经历惊人的跃升。根据QuestMobile最新数据（见下图12），截至2026年9月，国内典型办公类Agent月活跃用户规模已迎来爆发，例如腾讯旗下的WorkBuddy月活达3，235.3万（季度环比暴增647.1%）。
AI主要帮人省时间，尤其是在消费端，“省时间”难以形成大需求？
回顾人类文明史，人类需求最强大的底层动因之一就是“懒惰”（或者说对节省时间与精力的永恒追求）。从远途出行的飞机、高铁，到家庭中的洗衣机、扫地机器人、电热水壶，再到过去十几年移动互联网演化出的电商、外卖、网约车——它们本质上全都是在帮人“省时间”。诚然，游戏、短视频等娱乐应用是在研究如何消磨你的时间；但人类科技进步的绝大部分成果，本质上都是在研究如何帮人节省时间或精力。更关键的经济学差异在于：研究“如何花时间”的产业，其天花板是锁死的，因为全人类每个人一天只有24小时，这就是物理极限；而研究“如何省时间”的产业，它可以无限地压缩满足人们各类需求所需的时间长度，在理论上是没有上限的，本质上是在“创造生命（体验）”。
因此，AI Agent的本质虽然是“省时间”，但这绝不意味着“提升枯燥的工作效率”就是它的全部应用需求。 我们可以举几个每个人在日常生活中都深有体会、却长期被忽视的真实场景：
场景一：个人与家庭全周期健康管理。例如，我们希望在微信里查看深圳不同医院肠胃科医生的挂号情况，持续留意新放出的号源；把散落在不同医院小程序中的病历、诊断和检查报告汇总起来，形成一份有时间顺序的个人健康档案，再在需要时交给医生。Agent如果能够在获得授权后完成信息检索、整理和提醒，就已经解决了许多人长期想做却嫌麻烦的事情，医疗判断仍应由相应专业人员负责。
场景二：海量社交信息的智能过滤与代办分流。又比如，微信里有几百条未读消息。哪些是在向我提出请求，需要及时处理；哪些与我无关，可以忽略；哪些是我可能感兴趣、值得保留的材料？如果Agent能够理解上下文，替我们分类、提取任务并整理阅读顺序，节省的就不只是几分钟，更是注意力不断被打断的消耗。
场景三：庞大社交关系链的梳理与激活。比如很多人的微信里加了几千个好友，其中大量联系人当时疏于备注，或者添加之后便再也没有联系过。Agent不仅可以对这几千名联系人进行背景梳理与标签补全，还能在特定场景下主动提供规划——例如当你下周要去北京出差调研时，Agent自动筛选出在北京、且近期适合约见交流或定期聚会的朋友名单并协助安排日程。
场景四：社群思想碰撞的沉淀与多模态创作。比如在一个高质量行业群或读书群里，大家围绕某一个话题展开了一段极具启发性的激烈讨论，Agent可以把这段碎片化的群聊内容自动整理提炼，同时进行发散思考、自动检索补充外部背景材料，最终直接转换成一段图文并茂的视频或播客，以便我们随时观看、留念或记录。
请仔细思考以上这四个场景：它们没有一件属于传统的“打卡上班工作内容”，但全都是我们过去一直想做、却因为繁琐耗时而倍感头疼、最终不得不放弃的事情。
这正是C端AI Agent最核心的价值跃迁：Agent实际上是把我们过去“想干而没有时间干”的事情全都帮我们干了，而绝不仅仅是把“必须干的苦差事”提升效率这么简单。哲学意义上，那些我们内心真正想体验、想关怀、想创造却苦于没有时间去做的事，才组成了我们真正意义上的“生命”。因此，一旦Agent的泛化能力到位、Token成本也下降到大众可接受的区间，个人消费者为Agent买单，本质上是在“花钱延长自己的生命宽度”、享受更丰盛的人生体验。 从这个维度来看，C端用户的真实付费意愿将会非常强烈。
当然，这里还存在硬币的另一面：Agent能不能干、用户愿不愿意付费是一回事；独立的Agent创业公司能不能因此把钱收上来，则是另一回事——因为这取决于竞争格局与生态壁垒。
回顾我们在上面提到的微信联系人关系链、医院小程序里绑定的实名医疗信息、历史诊断记录，以及国内外的即时通讯社交网络或海外的个人邮箱市场份额——这些承载着用户历史数据与外部连接权限的生态系统，就是Agent能够帮你省时间的任务“环境”，而这个“环境”本身就是最深厚的商业壁垒。如果底层大模型与AI技术的进步，并不足以让用户为了一个独立Agent去更换自己的主力通信软件或主力邮箱，那么原有的超级入口平台就依然掌握着最大的护城河与最终的变现定价权。
从需求总量来看，个人消费者已经几乎不可能离开AI了，而且只会越用越多、越用越深。个人花钱买Token和Agent服务，主要是为了省下时间、丰富生命体验，并不像企业那样需要精算每一笔投入的财务ROI——这注定了C端将孕育出极其庞大的终局算力消耗。
我们常问：为什么绝大多数人会错失一个又一个时代？答案在于，即便身处大牛市，投资之路也绝不会一帆风顺。过去常有人说做美股投资很容易，仿佛只要选好科技龙头、一路拿住，就能轻松收获时代红利；直到真正经历持续大跌时，才知其中的不易。美股没有涨跌幅限制，波动的烈度往往远超预期。
时代的红利从来不是躺赢的馈赠，它总是裹挟着颠簸、恐惧与反复的考验。真正能穿越周期的人，不仅需要看清长期的大方向，更要有定力承受途中的惊涛骇浪。
THE END
免责声明
市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷，东方港湾不承担任何责任。
责任编辑：石秀珍 SF183
