Binance Research: AI 交易正从半导体向软件与资本市场轮动

作者 | Lim Kim Thye

编译 | 吴说区块链

核心摘要

· 在单位能力成本持续下降的情况下, Token 使用量增长有利于超大规模云服务商, 其基础设施业务利润率达到 33%至 38%。

· 资本支出占经营现金流的比例从 2023 年的 41%升至 2026 年的约 105%。相关公司合计自由现金流已经转负, 资金缺口开始由债务融资填补。

· 市场的定价逻辑已经改变: 无法转化为实际增长的资本支出会受到惩罚, 能够推动 AI 收入增长的投入则会获得正面反馈。

· 市场集中度正在下降。币安投资者也在减少对半导体行业的集中配置, 并将资金转向软件和资本市场行业。

Token 最大化趋势在第二季度结束, 两条曲线开始背离

第二季度结束了 Token 消耗量增加会直接转化为模型层收入的假设。企业意识到, Token 消耗与生产力并非线性相关, 因此不再一味追求 Token 使用量最大化。与此同时, AI Agent 迅速普及, 市场更关注完成单项任务所需的 Token 效率。前沿模型的开发重点也从推理基准测试, 转向 Agent 编程、记忆架构和成本更低的轻量级推理。

截至 2026 年 9 月初, 经由 OpenRouter 路由的 Token 周使用量达到 137 万亿, 约为年初的 20 倍。开放权重模型占该平台生产环境推理 Token 的比例已超过一半, 高于上一次研究中的三分之一, Token 使用量最高的五款模型也全部采用开放权重。这些模型的能力约为闭源模型的 90%, 单次调用成本却仅约为后者的六分之一。Stripe 在维持每日 5,000 万次调用的同时, 将 GPU 集群缩减至原来的三分之一, 推理成本下降 73%。

由此, AI 增长带来的收益开始分化。企业根据具体任务选择模型, 而 AI Agent 完成一项任务通常需要消耗数千个 Token, 低成本的开放权重模型因此成为长时间运行 Agent 实现经济可行性的关键。在单位能力成本下降的情况下, Token 用量增长有利于利润率达到 33%至 38%的超大规模云基础设施提供商, 但直接销售模型能力的公司更难将其转化为收入。

图 1: Token 使用量逼近 150 万亿, Token 价格指数于 7 月达到 2.62 美元的峰值

资本支出超过经营现金流

美国五大云计算运营商给出的 2026 年资本支出指引合计达到 7,250 亿至 8,000 亿美元, 具体金额取决于是否计入融资租赁和预付款。

相比绝对金额, 更值得关注的是资本支出与经营现金流之间的比例。五家公司的资本支出占经营现金流比重已从 2023 年的 41% 升至 2026 年的约 105%。这意味着, 它们用于扩充基础设施容量的资金已经超过主营业务产生的现金。

这一变化迅速反映在自由现金流上。Alphabet 当季自由现金流为负 59 亿美元, 上市以来首次转负。Meta 的自由现金流从上年同期的 85 亿美元降至 7.84 亿美元。按过去 12 个月计算, Amazon 的自由现金流为负 76 亿美元, Oracle 在 2026 财年则消耗了 237 亿美元现金。五家公司合计自由现金流从 2024 年的正 2,460 亿美元, 转为 2026 年的约负 370 亿美元, 首次在本轮投资周期中转负。

随着内部现金无法继续覆盖投资需求, 外部融资开始成为主要资金来源。债务融资占超大规模云服务商资本支出的比例, 已从 2024 财年的 9% 升至截至 2026 年年中的过去 12 个月内的 32%, 五家公司债务总额约为 7,000 亿美元。

国际清算银行（BIS）的一项观察尤其值得注意: AI 私募信贷的贷款利差约为 6.2 个百分点, 与非 AI 借款人的融资利差接近。换言之, 股票市场已经开始反映的风险, 信贷市场尚未充分计价。

图 2: 2026 年资本支出超过经营现金流, 自由现金流转负

需求信号十分庞大, 但兑现周期漫长

三家公司呈现出相同的趋势。

· Google Cloud 收入增长 82% 至 248 亿美元, 营业利润率从 20.7% 升至 35.6%, 未履行合同金额达到 5,140 亿美元。目前, Google Cloud 每分钟处理 220 亿个 Token, 高于上一季度的 160 亿个。

· Microsoft 的商业剩余履约义务（RPO）达到 6,780 亿美元, 同比增长 84%。Azure 收入增长 43%, Microsoft 365 Copilot 付费席位则突破 3,000 万个。

· Oracle 的剩余履约义务达到 6,380 亿美元, 同比增长 363%。但该公司披露的数据显示, 其中仅约 12% 将在未来 12 个月内转化为收入, 约 20% 则要到五年以后才能兑现。

模型公司方面, Anthropic 的年化收入约为 470 亿美元, OpenAI 约为 250 亿美元。两家公司目前均处于亏损状态, 同时都在筹备上市。Goldman Sachs 预计, 到 2030 年 Token 消耗量将增长至当前的 24 倍, 但届时仅有 12% 的知识工作者使用 Agent AI。

这些数字的规模确实十分庞大, 但其中很少能在短期内转化为实际收入, 而这一时间差正是本报告后续分析的关键。未履行订单真实存在, 资本支出也已经发生, 但超大规模云服务商和前沿模型公司必须足够快地将合同需求转化为已确认收入, 才能证明这些投入具有合理性。与此同时, 支撑这些业务的底层资产通常需要在四至六年内完成折旧。

图 3: 未履行订单远超当前收入, Google Cloud 达 5,140 亿美元, Oracle 达 6,380 亿美元

市场的定价逻辑已经逆转

投资者已经开始将这些因素纳入定价, 最新一轮财报季清楚反映了这一变化。

整体数据不足以完整呈现这种转变, 个股表现更具代表性。指数成分股中, 每股收益超出预期的公司平均上涨 0.6%, 低于过去五年平均的 1.0%；业绩不及预期的公司平均下跌 2.5%, 跌幅也小于过去五年平均的 3.0%。市场对利好和利空的整体反应都有所减弱, 但 AI 板块内部却出现了剧烈分化。

以财报发布后的首个完整交易日计算, 分化十分清晰。Alphabet 营收增长 24%, 云业务增长 82%, 股价却下跌 7.13%, 原因仅在于公司上调了资本支出指引。Meta 则因每股收益不及预期、再次上调资本支出, 以及自由现金流降至 7.84 亿美元, 股价下跌 7.95%。

另一侧的表现同样鲜明。Microsoft 的 Azure 收入增长 43%, 剩余履约义务增长 84%, 同时小幅下调 2026 日历年的资本支出, 推动其股价上涨 15.51%, 创 2008 年以来最大单日涨幅。

Amazon 将资本支出上调至 2,200 亿美元, 但由于 AWS 增速重新加快至 37%, 股价仍上涨 15.32%, 市值突破 3 万亿美元。Nvidia 上涨 8.74%。几乎不需要投入资金扩建基础设施的 Palantir 则上涨 29.45%。

市场采用的判断标准已经非常明确: 除非能够证明投入正在转化为增长, 否则资本支出就是负担。正因如此, 同样是上调资本支出, Alphabet 遭到市场惩罚, Amazon 却获得正面反馈。

图 4: 同样上调资本支出, 结果截然相反, Alphabet 下跌 7.1%, Amazon 上涨 15.3%

2026 年的市场主线是扩散, 而非进一步集中

市场集中度已经见顶并开始回落。“科技七巨头”在 S&P 500 指数中的权重, 已从 2025 年 10 月的约 35.3% 降至 2026 年 9 月的 33.2%。截至 8 月, S&P 500 指数年内上涨 12.28%, Nasdaq 综合指数上涨 13.46%, Russell 2000 小盘股指数上涨 19.12%。

其中, 小盘股的表现尤其值得关注。这表明 AI 交易正在向工业、电力以及其他间接受益行业扩散, 而非进一步集中于超大市值软件公司。等权重指数的表现领先市值加权指数约 3.6 个百分点, 说明在最容易获得的涨幅兑现后, 资金正流向波动性更高的二阶受益标的。

不过, 当前估值限制了这种轮动继续发展的空间。S&P 500 指数的预期市盈率约为 19.6 倍, 略低于过去五年平均的 19.9 倍, 但高于过去十年平均的 19.0 倍。利率环境同样未能提供支持, 当前有效联邦基金利率为 3.63%, 10 年期美国国债收益率为 4.77%。

因此, 当前结论已经与去年发生逆转: 2026 年的市场上涨正在向更多行业和不同市值公司扩散, 被动投资组合对 AI 龙头股的超额配置则在缩小, 而非继续增加。

图 5: “科技七巨头”权重从高位回落, Russell 2000 以 19.12% 的年内涨幅领跑

币安投资者也在分散配置, 但起点更加集中

对比 2026 年 6 月底和 9 月 4 日的数据可以发现, S&P 500 指数与币安用户股票持仓的调整方向基本一致。半导体行业在 S&P 500 中的权重从 18.8%降至 14.8%, 科技硬件行业从 6.8%降至 6.2%；币安投资者的调整幅度更大, 其科技硬件持仓占比从 15.92%降至 7.94%。

同期, S&P 500 中几乎所有其他行业的权重均小幅上升, 表明资金并未转向另一个单一主题, 而是从此前高度集中的领域分散至多个行业。币安投资者则继续减持航空航天与国防、互动媒体与服务及工业类股票, 同时增持资本市场、软件和综合零售行业。

币安投资者与基准指数主要存在三点区别: 半导体配置比例高达 42.08%, 明显高于 S&P 500；资本市场行业配置反映了其加密相关偏好；持仓集中度也更高, 前十大行业约占其股票配置的 92%, 而 S&P 500 前十大行业的合计权重约为 53%。

图 6: 6 月至 9 月, S&P 500 指数与币安用户持仓中的半导体权重均有所下降

月度资金流向实时呈现行业轮动

月度资金净流向进一步印证了市场扩散趋势, 并清楚呈现投资者仓位逐月变化的过程。

7 月, 投资者仍围绕 AI 主题进行配置, 并在财报季前保持乐观。多数投资者在 7 月下旬市场回调时买入, 半导体行业吸收了大部分净流入, 资本市场行业也获得较多资金。

8 月, 投资者转趋谨慎。他们开始对资本市场类股票获利了结, 同时继续增持半导体, 但资金流入速度明显放缓。与此同时, 大量资金转向软件行业, 当月整体净流入规模降至 7 月的大约一半。

9 月以来, 半导体行业首次出现月度资金净流出, 原因是长期利率上升对风险资产构成压力。不过需要注意, 当前数据仅覆盖 9 月第一周, 即将公布的 Federal Reserve 利率决定可能迅速扭转这一趋势。

综合观察这三个月的数据可以发现, 投资组合在季度初仍高度集中于 AI 硬件领域, 随后逐渐向软件、资本市场及其他二阶受益行业扩散。这与基准指数中出现的行业轮动方向一致, 但来自不同的投资者群体, 且调整速度更快。

图 7: 7 月至 9 月, 资金从半导体行业流出并转向软件行业

交易量与投资者持仓高度一致

交易活动与投资者的资产配置结构高度吻合。交易量占比排名前十的行业, 基本也是币安投资者主要持有的行业。这表明投资者更可能是在持续建立和调整现有仓位, 而非在彼此无关的主题之间进行短期轮动。

9 月, 半导体行业以 33.84%的交易量占比居首, 资本市场和软件行业分别占 16.71%和 13.67%。三者合计占前十大行业交易量的约 64%。科技硬件行业以 10.42%位列其后, 与前文所述投资者减持该行业股票的趋势一致。

持仓与交易集中于相同行业, 是解读资金流向时的重要信号。当交易量集中在投资者正在增持的行业时, 相关资金流动更可能代表明确的配置意愿, 而非单纯由短期换手产生。

Pre-IPO 永续合约可直接为交易对手风险定价

币安 Pre-IPO 永续合约允许投资者对其他主要平台尚未提供的私营公司估值建立头寸。Anthropic 公布季度收入增长超过一倍并实现小幅经营利润后, 其合约价格在 8 月累计上涨约 35%；OpenAI 发布最新前沿模型 Astra 后, 其合约价格在 9 月初上涨约 23%, 反映了市场对模型发布的即时判断。

这两家模型公司贡献了超大规模云服务商 AI 收入中的很大一部分。Wells Fargo 估计, Microsoft 超过 70%的 AI 收入来自两者；Barclays 估计, 两者贡献了 Amazon 约 73% 的 AI 收入；UBS 预计, 两家公司在 Google Cloud 总收入中的占比将从 2026 年的 28% 升至 2027 年的 48% 以上。OpenAI 与 Oracle 签订的 3,000 亿美元合同, 也约占 Oracle 6,380 亿美元未履行订单的一半。

因此, 实际客户集中度高于整体资本支出数据所显示的水平, 相关收入高度集中于两家尚未上市的交易对手。如果其中任何一家增长明显放缓, 影响将从超大规模云服务商的 AI 收入传导至 Oracle 的未履行订单, 并进一步波及由供应商支持、为相关基础设施提供融资的证券化产品。目前, Pre-IPO 永续合约是少数可直接对冲这类特定风险敞口的工具之一。

图 8: Anthropic 发布业绩、OpenAI 推出 Astra 后, Pre-IPO 合约价格重新定价