最近一个月，AI硬件经历了一轮非常剧烈的调整。

韩国股市几乎在两个星期里跌了20%，A股就不用说了，更是跌的人仰马翻，科创年内就要翻绿了，连费城半导体也未能幸免，回调了10%以上。

这里面拆细了看，还是有些门道。

9月15日至10月16日，IREN下跌37%，CoreWeave下跌26%，Nebius下跌22%，而英伟达同期反而上涨了1.5%。

率先遭到抛售的，并不是卖GPU的企业，而是借钱买GPU的企业。

这可能是理解本轮AI调整最重要的线索。我觉得，这一轮调整至少有三个问题值得认真思考。

1

首先，AI资本开支正在越来越多地受到资本成本的约束。

过去两年，市场讨论AI，主要关心需求增长有多快、科技巨头又上调了多少资本开支。

但如今，市面上的钱，正在越来越成为新的瓶颈。

CoreWeave在今年6月发行的一笔债券，收益率约为9.6%，到10月中旬，二级市场收益率已经升至15%左右。

与此同时，全球AI相关债券发行额，从6月的1130亿美元下降到9月的230亿美元。

利率上行，对传统云厂商和新云厂商的影响，可能截然不同。

微软、谷歌、亚马逊这些传统云厂商，拥有庞大的成熟业务和经营现金流。以微软为例，2026年二季度经营现金流达到554亿美元，资本开支约410亿美元。

对于它们来说，资本成本提高，主要意味着新增投资的回报门槛上升。它们可以放缓扩张、调整采购节奏，甚至利用融资环境恶化的机会，以更低的成本获得算力资产。

但CoreWeave、Nebius等新云厂商，情况完全不同。

它们需要提前投入巨额资本购买GPU、建设数据中心，再通过未来数年的租金回收投资。其扩张高度依赖债务融资和资本市场持续开放。

以CoreWeave为例，2026年二季度经营现金流只有6.79亿美元，资本开支却高达94亿美元，单季度净利息支出就有6.4亿美元，接近当期收入的四分之一。

公司虽然拥有超过1000亿美元的合同积压订单，但订单并不等于当期现金流。

当融资成本从8%上升至12%，对于拥有充沛现金流的传统云厂商，更多是资本配置效率的问题；对于依赖外部融资的新云厂商，却可能直接决定新增项目是否成立。

所以，算力需求真实存在，与新云的算力投资能否为股东创造价值，完全是两回事。

不过，我觉得市场的悲观情绪也有值得商榷的地方。

目前投资者高度担忧新云的商业模式是否成立，其中一个重要假设，是GPU技术迭代过快，旧设备可能在债务偿还之前就大幅贬值。

但从实际市场来看，算力资产的经济价值，并没有随着新一代GPU推出而突然消失。

根据Silicon Data的数据，截至10月16日，H100的租赁价格仍然维持在每GPU小时2.83美元左右，甚至更老的A100，也仍然有约1.52美元的租赁价格。

这当然不意味着旧卡不会贬值。实际上，H100的二手交易价格已经较历史高点明显下跌。

但GPU的技术价值、二手残值和持续创造现金流的能力，并不是同一回事。

一张旧GPU未必还能卖出很高的价格，却可能依然能够在推理、微调等任务中产生收入。最终决定其投资回报的，是整个生命周期内的利用率、租金、运营成本与融资成本，而不是它是不是最新一代产品。

因此，这一轮调整可能存在两种相反的力量。

融资成本上升，会压制新云的资本开支，减少未来的GPU采购需求；但如果真实Token需求继续增长，新增算力供给放缓，又可能支撑已经投入运营的GPU租金，改善存量算力资产的经济性。

这对拥有低成本资本和成熟算力资产的传统云厂商，未必完全是坏事。

更何况，AI资本开支本身正在推高电力、工程设备和部分工业资源的价格，再叠加能源冲击和美国财政赤字，长期利率也未必能够迅速回落。

这里形成了一种复杂的反馈：AI投资越庞大，对长期资本的需求越强；资本越昂贵，新项目越难获得合理回报，但存量算力也可能因此变得更加稀缺。

所以，现在的信用市场危机，首先证明的是部分高杠杆算力扩张模式正在面临挑战，而不是算力需求本身已经出现拐点。

它可能改变AI产业的资本结构和竞争格局，却还不足以证明整个AI投资周期已经结束。

2

其次，AI产业链可能正在经历一次典型的牛鞭效应。

目前，真实算力需求还没有出现明显的衰退信号。

最近有张图非常火，从5月底到10月中旬，H100、B200和B300的租赁价格指数分别上涨3.3%、13.8%和44.8%。台积电也把2026年收入增长预期上调到了约44%。

但与此同时，Token的有效价格指数较夏季高点下跌超过一半，部分头部模型厂商的收入增速开始放缓。

这里存在一个越来越值得关注的矛盾：下游AI模型的货币化能力，与上游算力的定价能力，正在出现分化。

Token价格下降很大程度上受到低价模型、开源模型渗透和产品结构变化的影响，并不等于Token需求下降。

对于整个产业链而言，最终需要解决的问题始终是：谁来支付如此庞大的算力账单？

这也涉及产业链的牛鞭效应。

过去几年，需求预期不断上修，云厂商提前锁定数据中心和GPU产能，硬件企业进一步向上游传递订单，推动台积电、存储、半导体设备持续扩张。

当下游融资环境开始恶化，订单并不会立刻消失。

大型项目存在长期合同、交付周期和产能安排，上游企业甚至可能在一段时间里继续交出非常亮眼的业绩。

问题是，股票交易的是未来订单的边际变化，而不只是当前订单的绝对规模。

即使明年全球AI资本开支仍然增长，只要增速明显低于此前的预期，硬件公司的盈利预测和估值就可能受到影响。

所以，AI硬件出现了一种很别扭的局面：产业景气依然很高，企业业绩继续增长，但股票却已经进入调整。

这意味着，判断AI硬件的底部，既不能只看GPU租赁价格，也不能只看英伟达、台积电和ASML当期的订单。

更需要观察的是，信用收缩究竟会在多大程度上，改变未来几个季度云厂商的资本开支预期。亦或者说，云厂商的资本开支到底带来了怎样的现金流回报（云厂商的财报格外重要）

3

最后，这轮调整还揭示了AI产业下一阶段真正值得期待的机会。

过去几年，AI投资最大的赢家集中在硬件端。

但如果AI最终是一场生产力革命，那么它创造的经济价值，不可能永远主要体现在GPU、存储和数据中心的资本开支上。

Agent的出现，正在让AI的潜在市场从软件预算扩展到劳动力预算。这实际上意味着，AI未来的投资回报，未必主要表现为模型厂商收取多少Token费用，而可能体现为整个经济体系的成本下降和效率提高。

假设一家企业通过AI显著降低人力、研发、客服等成本，而不需要同比例增加资本投入，那么最终改善的就是经营利润率、资本周转效率，以及ROE。

过去几年，AI的利润主要体现在供给侧；下一阶段，真正需要验证的是，AI能否让需求侧的企业赚到更多钱。

只有这个过程真正发生，AI资本开支的经济合理性才能得到更广泛的验证。

当然，这也意味着AI创造的价值，未必完全由提供算力的企业获得。

有些收益会流向模型公司，有些流向应用开发者，还有相当一部分，可能直接流向使用AI的传统企业。

技术革命创造的社会价值，与产业链中各环节能够留存的利润，从来不是一回事。

回到最初的问题，AI硬件见底了吗？

我目前认为，现在还没有足够的证据断言整个AI投资周期已经结束。

但同样没有充分的理由，因为GPU租赁价格坚挺、硬件公司业绩亮眼，就认定股票已经调整到位。

当前真正发生的变化，是AI正在从一个由资本开支推动的增长故事，因为资金成本的约束，以及头部模型厂商的财务情况不及曾经的高预期，逐渐进入一个需要验证资本回报率的阶段。

长期利率和信用条件决定新增算力能否顺利融资；产业链的牛鞭效应决定上游业绩与股价的拐点可能错位；而AI应用能否真正改善企业ROE，则决定这场技术革命最终能够创造多大的经济回报。

这三件事，目前都还没有确定答案。

所以大概率的情况是，现在的证据，足以解释AI硬件为什么出现如此剧烈的波动，却还不足以证明整个AI投资周期已经结束。

从估值上来说，很多美股公司和存储公司都相当便宜，而所谓的盈利泡沫讨论，可能已经建立在极为悲观的假设之上。

当然，A股的科技股行情，涉及到的东西就复杂太多，但总得来说，这一轮和之前的新能源行情，还是截然不同的，不可以盲目的刻舟求剑。