AI与资产定价

AI 不是一种资产类别，而是改变盈利预期、利率路径与风险结构的生产力变量。对宏观投资者而言，关键是拆解 AI 如何进入定价公式的分子与分母。

为什么重要

传统资产定价框架依赖增长、通胀与政策三个宏观因子。AI 在三个层面施加非线性影响：

• 分子端：AI 是否能系统性提升 TFP 与劳动生产率，进而抬升长期盈利中枢？
• 分母端：AI 带来的技术失业、地缘竞争与监管不确定是否改变风险溢价？
• 结构端：AI 改变行业利润分布，使传统相对估值失效

进入定价的三条路径

1. 盈利路径（分子扩张）

AI 对盈利的影响存在分层：

层级	主体	盈利机制	兑现时间
基础设施	GPU 云商、芯片厂	资本开支供收入	已兑现（2023–2025）
平台与应用	云厂商、AI 原生应用	效率提升与付费转化	中期（3–5年）
广泛行业	金融、医疗、制造	降本增效	长期，渗透率不确定

宏观含义：若 AI 能系统性提升 TFP，名义增长率抬升，股票风险溢价（ERP）可容忍更高估值；若盈利迟迟无法兑现，估值扩张变成泡沫。

2. 折现率路径（分母移动）

折现率 = 无风险利率 + 风险溢价。AI 对两者的影响方向相反：

• 压低风险溢价的机制：AI 提升全要素生产率，降低长期增长的不确定性；历史上技术革命（TMT、互联网）初期常伴 ERP 下降
• 抬高风险溢价的机制：AI 替代风险、技术突袭、地缘芯片禁令、监管不确定性

宏观含义：AI 叙事强时，科技/成长股对利率敏感性上升（长久期特性强化）；AI 证伪或监管冲击时，溢价快速走阔，回撤可超过盈利下修幅度。

3. 行业利润重分配路径（结构效应）

AI 不是零和，但对行业利润池有重分配效应：

AI 普及
  -> 云基础设施需求↑（资本开支潮）
  -> 应用层竞争加剧，价格战
  -> 下游传统行业：效率胜者获份额，落后者受损
  -> 能源需求↑（算力电力消耗）

宏观含义：AI 相关主题股与传统防御股/价值股之间的轮动，可类比互联网时代的”胜者通吃”与”均值回归”交替。

与其他资产的定价关系

资产	AI 影响机制	方向
科技股（纳指）	盈利预期 + 风险偏好 + 利率	直接正相关
美债	若 AI 提升 TFP → 潜在增速↑ → 利率上行压力	负面（长久期）
美元	AI 芯片出口 + 美国科技顺差	支撑美元（中期）
大宗商品（铜/能源）	数据中心用电 + 芯片制造	需求侧支撑
黄金	地缘 AI 竞争 + 不确定性	间接正相关

当前周期特征（2024–2026）

本轮 AI 资本开支潮与以往互联网周期的重要区别：

1. 资本开支集中度更高：微软/谷歌/亚马逊/Meta 四家占总 CapEx 的比重远超 2000 年思科/英特尔时期
2. 盈利兑现更快：云厂商 AI 服务已产生真实收入，而非纯概念
3. 利率环境更复杂：加息周期中 AI 估值承压，但流动性宽松预期对冲
4. 地缘维度新增：芯片禁令使 AI 投资带上了出口管制风险溢价

适用与失效边界

适用：判断 AI 主线在宏观组合中的风险预算；解释科技股估值扩张/收缩的宏观条件。

失效：

• 把纳指等同于 AI（纳指还有生物科技、零售等非 AI 成分）
• 忽视 AI 内部结构分化（上中下游盈利模式差异巨大）
• 用长期叙事替代中短期盈利验证（框架用于风险预算，不用于精确择时）