美股为何又要新高？高通胀之下不一定是熊市

提示：这篇文章文字比较多，图比较少，有一定阅读门槛。

上周再次去某大分行交流的时候，我复盘了2月份去该分行交流时候错判美股的事情（当时担心美元信用崩塌影响美股，美股给的是低配），一位分管财富的领导说：我很认同你之前低配美股的逻辑啊，刚看了某个知名政经大网红专家的视频，专家说美国经济濒临崩溃，很快就要大衰退了。

我不知道怎么回答他，只好说：美国正在考虑加息，怎么会衰退呢？

不论是政经大网红还是银行领导，相对于普通人都已经是专业人士了，而关于美股是衰退还是过热，都出现了这么大的认知差异，足见市场上有很强的预期差。

今天大家都在讨论地产小作文，讨论节前出大政策，贴息100bp云云，调侃蓓蓓拿到地产大结果，但我今晚打开软件看到美股又要创新高，还是结合前期和业内人士交流的几点看法，和大家讲下美国经济和AI。

先说我们的结论：

美股仍有再创新高的逻辑，但这个结论并不建立在“通胀无害”或“估值永远不贵”之上，而建立在一个更具体的前提上——美国正处于由人工智能基础设施、模型能力和应用扩散共同推动的需求扩张期，需求增长暂时快于有效供给扩张。

在这个结构中，通胀更像是需求、资本开支和供给约束共同作用的结果，而不是熊市的起因。只要企业盈利能够随着名义增长上修，且人工智能投资能够逐步转化为云服务收入、软件收入和生产率收益，股市就可能继续由盈利而非单纯估值扩张推向新高。

不过，本文是一篇条件性论证，不是无条件的看涨预言。真正要警惕的并非某一个通胀数字，而是增长结构发生切换：当需求放缓、供给追上、人工智能资本开支的回报率下降，而市场却仍主要依赖降息、杠杆和估值上行时，行情的性质就会从基本面驱动转向流动性驱动。

一句话概括：高通胀未必危险；当它对应的是需求领先供给、企业盈利持续上修时，它甚至可能是繁荣的表征。更值得担心的，是需求已经转弱之后，市场仍被低利率和流动性推着上涨。

1、通胀不是原因，而是供需关系的价格信号

市场讨论通胀时，最常见的错误是把所有高通胀都等同于“滞胀”，再进一步推导为“高通胀必然压制美股”。

这一推理遗漏了最关键的一环：通胀由什么驱动。

如果需求持续快于供给，价格上涨反映的是订单、收入和投资需求都在增长。企业在这种环境中不只是面对成本上升，也往往拥有更强的提价能力、更高的产能利用率和更快的收入增长。利润端的改善可以部分甚至完全抵消贴现率上升的压力。这样的“高增长—高通胀”结构，未必是熊市结构。

反过来，若供给受到能源、地缘政治或政策冲击，而终端需求和企业收入并未同步走强，价格上涨就会挤压实际收入与利润率。这才是典型的滞胀风险。两种情形的表面现象都可能是CPI上行，但对权益资产的含义恰好相反。

因此，讨论美股是否能够继续走高，不能只问“通胀高不高”，而应当问三个问题：

第一，企业收入是否随名义需求同步增长；

第二，企业盈利预期是否仍在上修；

第三，新增投资是否在形成未来的收入与生产率，而不只是堆积产能。

只要前两项为真、第三项仍有可验证的兑现路径，高利率和高通胀对股市就不是自动的终局信号。

2、人工智能投资使这轮增长不只是金融叙事

本轮美股的核心，不应被简单概括为“市场喜欢AI故事”。

更准确的说法是，人工智能正在形成一条从资本开支到收入、再到生产率的传导链：云厂商和企业先投入数据中心、服务器、电力、网络和软件；这些投入转化为可供外部客户调用的算力与模型能力；应用扩散后，需求进一步反馈为云收入、软件订阅、广告效率或企业成本节约；盈利预期由此获得上修的基础。

这种传导尚未完全完成，但已经不只是抽象概念。旧金山联储的研究指出，信息处理设备、软件和数据中心建设在2025年第三季度已占美国企业投资的三分之一；研究同时发现，2024年以来美国上市公司资本开支的增长主要来自对人工智能持积极预期的企业，且其投入高度集中于少数超大规模科技公司。 这既解释了为什么美股指数容易受少数龙头带动，也说明市场不是在交易一条凭空出现的估值曲线，而是在交易真实发生的投资周期。

美联储对AI建设的研究也给出了一个更审慎、但同样重要的判断：从2025年至2026年第一季度，与软件、数据中心、电力设施和计算设备相关的投入，对美国季度GDP增长已经构成了有意义的贡献；同时，相关设备进口较多，且“AI投资”并非国民账户中的独立科目，因而不能把全部资本开支机械地当作新增增长。

这恰好界定了多头逻辑的边界：资本开支本身不是终点，资本开支的回报才是终点。

3、从“碳基人”到“硅基人”：K型经济与指数上行可以同时成立

美国经济确实呈现K型分化。高资本回报、技术能力和资产价格更集中地流向头部企业与高技能人群，而许多传统行业和低收入家庭未必同步受益。承认这一点，不能推出“美股就不会创新高”。因为资本市场定价的不是平均体感，而是上市公司、尤其是指数权重公司的利润和现金流。

可以借用“硅基人”的比喻来理解这件事，但必须把它当作分析框架，而不是字面事实。对人工智能系统而言，新增的服务器、机柜和电力容量，类似于可投入生产的“人口”增加；模型能力提升、推理成本下降和应用场景扩大，则类似于“人均产出”提高。当这两项同时发生，AI经济的有效供给和可变现需求都会扩张。

这一框架有数据层面的支持，也有明确的局限。美联储对美国AI采用的追踪显示，截至2025年末，按企业口径计算的AI采用率约为18%；按就业权重计算，约78%的劳动力所在企业已采用AI。专业服务和金融业的采用率更高，但不同调查的口径、样本和“采用”定义差异很大，不能将这些数字直接等同于生产率提升。 因此，AI扩散是正在发生的事实；“AI已经带来全面生产率革命”仍是需要持续验证的命题。

这也是为什么K型经济并不自动否定美股的繁荣逻辑。它反而解释了指数为何可能强于平均宏观感受：增长集中于资本密集、技术密集、利润率高、权重大的公司。代价是市场广度与社会体感可能偏弱，因而指数新高并不等同于一轮均衡、普惠的繁荣。

4、“Token出口”是一个有用但不应滥用的类比

理解本轮美国繁荣时，中国2001年至2014年的经验很有启发性。当年，中国的出口扩张、城市化、制造业投资和劳动力转移相互加强，推动了需求、收入、投资和产能的共同上行。

中国国家统计局的数据显示，2011年中国GDP增长9.2%，全年居民消费价格上涨5.4%；至2014年，GDP增长降至7.4%，全年CPI涨幅降至2.0%。

这组历史数据至少说明，高增长与较高通胀可以共存，而通胀下行也常常与名义增长放缓同时出现。

美国今天与当年中国并不相同，但有一个结构上的相似之处：技术、资本和基础设施正在被打包成可向全球销售的能力。

中国当年主要出口商品；美国今天更可能通过云服务、软件接口、模型调用、芯片设计、先进计算和数字服务输出AI能力。把它概括为“Token出口”，抓住的是技术能力跨境变现这一层含义。

这个类比必须保留边界。Token并非传统货物，难以用海关出口额直接衡量；AI价值链也并不只在美国，先进芯片、制造、封装、设备、能源和应用分布于多个经济体。更重要的是，欧洲并非“没有AI”，而是在超大规模云服务、前沿模型、算力和资本投入的规模上相对落后。经合组织的研究显示，美国2025年的AI投资估计值超过其他经合组织国家的两倍，领先模型与AI相关投资主要集中在美国和中国；与此同时，云、芯片和模型等环节的高集中度也可能抬高价格、限制竞争，并减慢技术扩散。

因此，“Token出口”不是一句交易口号，而是一个需要被收入、海外客户、定价能力与现金流验证的宏观命题。若美国的AI能力能够持续服务全球需求，它会带来类似出口效应的规模经济；若它只是少数公司之间的资本开支循环，外部需求又无法跟上，这个类比就会失效。

5、中国经验视角下不是“低通胀必跌”

中国2001年至2014年的经验最有价值的地方，不在于给今天的美国套一个时间表，而在于帮助区分两类牛市。

第一类是需求和基本面推动的牛市。当人口、城镇化、出口、投资和收入同时扩张时，通胀、较高的名义利率和企业利润可以并存。此时资产价格上涨有实体经济作为分子端支撑。2011年，中国经济仍然保持9.2%的增长，CPI也达到5.4%；这不是“高通胀必然压垮经济”的证据，反而说明当时总需求和投资活动仍较旺盛。

第二类是流动性与资产荒推动的牛市。当增长中枢、人口趋势和实体回报率已经下行，资金却因利率下降、资产缺口和杠杆工具而涌向金融资产时，市场仍然可能上涨，甚至快速上涨。但上涨的驱动力已由盈利和真实需求，切换为贴现率、风险偏好和资金通道。

这正是2014年后中国经验带来的警示。2014年经济增速降至7.4%，全年CPI涨幅降至2.0%，固定资产投资增速也较此前放缓。 这并不意味着“CPI一下行，股市就应立即下跌”。相反，低利率和资金寻找出口，往往还能制造一段很强的资产行情。真正的风险在于，市场把增长放缓误读成了永远利好的宽松环境，并逐渐离开了盈利的锚。

从这个角度看，李嘉诚在2014年前后处置部分内地资产是相当聪明的，他赚完了2001–2014年那段基本面繁荣的顶部，却没有去赚之后两轮由流动性推动的冲顶行情（2015、2021），赚完基本面的钱就走了。

事后总结是：在基本面扩张已趋于放缓时，选择不参与最后一段由流动性驱动的冲顶，往往比预测具体的指数顶点更重要。

6、风险不在“通胀下降”四个字，而在两个层级的切换

把风险信号压缩为“通胀向下”会过度简化问题。通胀回落可能意味着供给改善，也可能意味着需求衰减；前者对长期增长未必是坏事，后者才是需要警惕的转折。更有用的框架是识别两个层级的信号。

第一层信号的关键不是CPI本身，而是“投资还能否产生收入和现金流”。超大规模云厂商在周期前段可以先压低自由现金流，因为基础设施投入往往先于服务收入；但这种时间错配只能暂时存在。如果收入、订单和单位经济效益无法在后续兑现，资本开支就会从利润的前置投入变成估值的负担。美联储也提示，AI投资若出现明显减速，可能反映基础设施需求已被满足，或预期投资回报下降，当然也可能只是融资条件变化所致。

第二层信号更危险。它意味着市场没有因为基本面走弱而停下，反而用更低的折现率、更高的杠杆和更拥挤的资产配置维持涨势。2015年和2021年的A股经验提示，流动性行情可以延续相当一段时间，因此“第二层风险”不是短期做空信号，而是长期收益—风险结构恶化的信号。对投资者而言，关键不是猜到最后一个高点，而是分辨利润是否仍是主引擎。

若把这一逻辑放到产业政策上，结论并不复杂：一个希望延长AI繁荣窗口的政府，不会只关注模型和芯片，还必须推动电力、输电、数据中心、网络、关键零部件、人才与监管协调。因为AI的瓶颈并不只在算法，也在能源、土地、建设许可、供应链和融资能力。

因此，若特朗普政府持续强调本土AI基础设施和产业投资，这与上述繁荣叙事是相容的：目的并非简单推高资产价格，而是让供给扩张不要过早掐断需求扩张。这里的政策逻辑与中国当年持续建设制造业、物流和出口能力有相似之处——都是将一轮需求机会转化为可持续产能。

但政策支持不能替代商业回报。补贴、关税或行政推动可以改变投资节奏，却不能永久创造终端需求。若基础设施扩张快于可商业化的应用，供给追上需求的过程反而会被提前；若电力、监管或贸易摩擦抬高了成本，则可能削弱AI服务向全球扩散的速度。政策是延长窗口的变量，不是取消周期的力量。

结论：美股创新高的真正逻辑，是利润率和生产率的上行期尚未被证伪

美股可能再创新高的核心逻辑，不是“高通胀也没关系”，更不是“AI永远正确”。真正的逻辑是：人工智能正在把资本开支、企业收入、全球数字服务和潜在生产率连接成一条尚未走完的增长链。只要这条链仍能把投入转化为盈利，指数就有继续上行的基础。

中国2001年至2014年的经验提供了一条更成熟的观察方法：繁荣期内，高通胀可以是强需求的副产品；真正危险的阶段，往往不是通胀最高时，而是需求和名义增长已经下台阶，市场却开始依赖流动性维持繁荣时。

因此，对美国市场最重要的跟踪项不是单一CPI读数，而是四个更本质的问题：

AI投资是否仍在转化为真实收入？

企业现金流能否随后覆盖资本开支？

全球需求能否消化美国输出的数字能力？

股市上涨是由盈利上修推动，还是由估值、杠杆和资金偏好硬推？

前两类答案若仍偏正面，创新高并不意外；后两类一旦替代了基本面，才应真正提高警惕。

如果AI这个肿瘤把实体经济抽干了，那么这一波美股见顶的风险就很大了。

（不作为投资依据）