如何判断美国科技股走势

AI热潮推动美股科技股今年以来迅速走高，近期随着市场分歧加剧，市场进入震荡调整期，关于后续走势的讨论大幅增加。众多的分析策略和指标，往往单一呈现，其优缺点却鲜有讨论，而分析相关股票不仅是对市场的理解，更是对于AI科技革命背后产业发展、用户行为乃至经济发展前景的判断，所以我们迫切需要一个对相关科技股从估值到产业到需求的整体分析框架，呈现各类指标在科技股周期判断中的适用性及优劣，为市场、产业和宏观经济分析提供有益参考。

在人类历史来看，智力、体力和资本的约束始终是决定生产水平的重要变量。在历次工业革命后，人类通过资本积累、技术进步、机器取代人力劳动，总产出因此极大增加。AI的出现，进一步为人类节省了智力资源，其后续演进虽然难以估计，但其技术发展和延伸对于人类的影响，将带来一轮人类生产力的变革，这正是目前市场重视AI的逻辑起点。

基于市盈率等估值计算方法

基于估值的算法主要包括PE（市盈率，股价除以每股收益）、Forward PE（远期市盈率，股价除以预期每股收益）、PS（股价除以每股销售额）和PB（股价除以每股净资产）等。这些指标的计算基础往往具有较强的周期性，比如一个反直觉的结论是，标普500指数市盈率最高的时刻并非2000年科网泡沫时期，而是科网泡沫破灭后，2008年金融危机后（2009年，图1）以及新冠疫情后，出现这种情况的原因是经济危机后企业利润迅速回调，但股价回调慢于利润回调速度（一个直观的反映是，部分企业利润可能迅速转负，但股价基本不可能转负），这反映了利润具有周期性从而会削弱其价值预测能力，尤其是长期价值预测能力的缺点。

但是市盈率指标仍然有价值，一是市盈率可以用于比较当前回报率和资本再投资回报率（利率），来判断这笔交易是否“划算”，比如今年7月标普500指数的市盈率为28.71倍，而7月美国的长期利率（7月10年期美债的平均名义收益率）为4.6%，无风险收益率能够支撑的估值倍数约为21.74倍，从这一点看标普500的估值是偏贵的。二是市盈率可以用于与历史数值进行比较，目前标普500指数的市盈率高于1954年以来16.9倍的均值，也远高于1990年以来更高估值阶段的19.6倍。

Forward PE、PS、PB的逻辑比较类似，分别使用预期盈利、销售额和净资产作为估值变量，这些变量都可以衡量现在市场的相对位置，但本质上盈利、销售额和股价一样都属于产业发展的结果，用结果预测结果存在逻辑上的缺陷。席勒（Shiller）市盈率将估值公式分母改为过去10年经通胀调整后的平均每股收益，有效平滑了波动，这也使得美股的席勒市盈率展现了完全不一样的结果，目前处于40~42倍的历史第二高位，仅次于2000年互联网泡沫破裂前的约44倍；PEG指标通过将市盈率与预期盈利增速作比试图改善对股票成长性预测不足的问题，但是10年平均收益依然是用结果预测，预期盈利的增速仍然具有较大的不确定性，我们迫切需要寻找领先指标，而不仅仅是结果指标。

基于产业需求的方法

前述方法的所有问题，都在于缺乏经济传导机制，更多是一种基于历史维度的比较和应用无套利原理。如果观察需求指标，则可以更清晰地反映AI产业究竟能从客户，包括产业和终端客户中取得多少收入支撑其利润乃至股价。

基于产业需求，可以观察的指标主要是AI服务提供商的资本支出（Capex）。Capex代表了主要的AI服务提供商投资的强度，目前显卡、处理器、光模块、存储相关股票的大幅上涨，原因主要是AI服务提供商资本支出带来的设备需求，只要资本开支仍处于扩张周期，相关股票的股价就具备现实支撑。集邦咨询预测，2026年美国和中国的主要云服务厂商的资本支出合计将达到8000亿美元，比2025年增加约一倍。从现实数据看，北美四大AI和云服务提供厂商谷歌、微软、Meta、亚马逊2026年一季度资本开支合计约为1288亿美元，同比增长81%，环比增长10%，证明相关产业确有旺盛的需求。

但是上述产业需求根本上是中间品厂商向上游厂商采购的链条中的一环，根据美银最新的统计数据，AI基础设施提供商和AI服务提供商的自由现金流产生了鲜明对比。英伟达、美光、博通和应用材料公司（Applied Materials）4家AI基础设施公司未来12个月预计将产生约4300亿美元的自由现金流，是两年前的三倍多。而谷歌、微软、Meta、亚马逊和甲骨文5家公司的自由现金流预计将从2024年2600亿美元的历史峰值，首次跌入负值，反映了产业上下游现金流的此消彼长特征，由此可见，要判断AI能不能从融资驱动走向盈利驱动，仅仅分析产业需求是不够的，必须考虑终端需求。

基于终端用户需求的方法

本文从四个指标入手，来计算和反映AI的终端用户需求。

1.终端用户在AI模型和平台的支出。

2025年，全球终端用户在AI模型和平台的支出仅为393.11亿美元，Gartner预测2026年将达到642.52亿美元，相较2025年增长63.4%，其中生成式AI模型投资增速达117%，AI平台支出则增长36.9%。增速虽快，但总量相比服务商巨大的资本支出显得微不足道。此外，根据Menlo Ventures的数据，全球消费级AI市场用户数量突破18亿，但所有AI用户中仅有3%为付费用户，凸显出该领域的营收潜力仍未真正释放。

关于AI付费市场的潜力，有两个可参照的指标，一是个人电脑的普及率，Gartner统计2021~2025年全球个人电脑5年累计出货量约为14.04亿台，如计算部分5年以上的存量设备，总的活跃保有量在18亿~22亿台，全球2025年人口为82.15亿人，电脑设备的全球普及率在21.91%~26.78%，5年以内电脑设备普及率约为17.09%。二是全球智能手机的普及率，2025年10月的时点数据约为60%。

这两个指标的意义是什么？个人电脑需求可以视为专业性需求的上限（只计算5年内购买的设备，因为专业性需求很少会使用老旧设备），而智能手机需求可以视为总需求的上限。如果应用在AI上，则可对应为AI付费用户的上限和AI总渗透率的上限。目前AI市场的渗透率为21.91%，如果以智能手机普及率计算，AI终端用户的市场容量为目前的3倍不到（2.74倍）；如以5年内电脑设备普及率17.09%计算，AI付费用户的市场容量还有相当广阔的前景，目前AI付费用户约为0.54亿人，付费用户的市场容量可达目前的26倍，付费市场规模可达约1万亿美元。

市场有一种声音，认为随着AI应用的深入，用户的付费价格会上升。笔者认为，随着技术的普及渗透，技术的单价整体应呈现下降趋势，这在过去的电脑、智能手机的发展过程中都有体现。AI Token支出指数也反映了这种趋势。

2.AI Token支出指数。

AI Token支出指数是由Silicon Data编制的核心行业指标，衡量全市场每使用100万枚Token的平均支付价格，反映市场对AI前沿模型的边际支付意愿而非总需求量。该指数的单纯涨跌并不反映实际的需求总量特征，更多是用户需求结构的一种变化，该指数在今年6月初达到2美元后迅速下滑至9月初的1美元，为自2025年12月有数据以来的最低点，这反映了一个事实：企业人工智能预算正受到更严格的审查，人们越来越关注使用效率、成本控制和可衡量的结果。AI的单位支出价格下降也符合上文对AI技术普及渗透过程中价格下降的判断，值得注意的是，H100 GPU租赁价格指数并未出现显著下跌，这个数据又一次印证了上文中产业需求旺盛的观点，上述数据共同反映了产业需求和终端用户需求间存在明显的冷热不均。

3.AI领域的总消费支出。

即使扩展至AI领域的总消费支出，相关数据仍能支持本文的判断，Counterpoint Research发布的研究报告预计，全球AI消费支出将高速增长，全球生成式AI消费支出将从2023年的2250亿美元增长至2030年的6990亿美元，复合年增长率（CAGR）达17.6%。

这里的AI总消费支出包含了各类AI硬件（如AI智能手机），总支出在2030年才能触及约7000亿美元，短期消费需求并不能覆盖服务提供商庞大的资本支出。此外，AI手机占据了AI消费支出中的最大比重，这类端侧AI设备带来的对AI硬件的增量需求不如AI大模型本身带来的设备增量需求，端侧设备的最终变现能力也受到AI付费用户市场潜力的约束。短期来看，与AI直接相关的设备在AI硬件中占比较低，对产业的拉动小于总消费支出。

4.巴菲特指数。

为什么说巴菲特指数（股票总价值占GDP的比例）也应视为一种股价与终端用户需求的比率呢？有两个原因，一是GDP的波动远小于利润，是一个更加优质的估值指标，和席勒市盈率的逻辑类似。二是GDP、国民收入等指标与股价关系的内涵十分丰富，假设国家资本化的水平在一定时间内不变，或我们至少可以认为资本深化不是导致近期市场上涨的原因，那么我们只需要关注GDP这个指标，可以发现，GDP不是一个单纯的结果变量，联系文章开头的产出公式，产出等价于GDP。AI的终端用户需求，将取决于其对生产力的推动能力，即AI导致GDP变化的部分，应等于AI消费的理性需求，是一个自变量。

从数据看，当前美股的巴菲特指数创下历史新高，达到了220%以上的极端水平，其回归的趋势不可避免，短期可能表现为市场的调整，长期则需要依靠AI对生产力的推动，推动分母升高，从而使指标下降。这种长期设想是否能成为现实，还需进一步的证据。

目前，AI市场的结构在快速变化，端侧AI、Agent兴起后，相关任务需要持续感知、规划、调用工具，并有较长的任务链条，任务的Token消耗量相比传统聊天模式大大增加。AI目前已经在工业制造、医药研发、能源物流、学术研究等领域实现了生产力级的应用，但在诸多行业的应用拓展还面临着难点。总而言之，AI对生产力的改变正在发生，也将要发生。短期而言，AI面临着终端用户需求不足的问题，对于股价是一个较大的风险因素；长期而言，AI的价值取决于经济层面上其对生产力的替代和加成程度，AI的价值将在更远的未来得到体现。

（作者系上海财经大学经济学博士）