塔斯娱乐资讯网

美股上涨32万亿市值过半来自10家AI企业:AI已绑架整个美国市场

AI已深度嵌入美国金融系统,自2022年底以来,标普500新增近32万亿美元市值中过半来自10家AI公司,44%的公共养老金持仓与科技挂钩。
审批稍缓就可能引发波动并波及退休账户,少数公司估值承载众多养老钱,这究竟是可持续的技术红利,还是被指数放大的集中押注?

一、筹码全集中大家每天看美股大盘上涨,总觉得是美国各行各业都在赚钱,其实根本不是这么回事。
把标普500拆开来看,自2022年底ChatGPT上线算起,到2026年11月初,整个指数增加的市值接近32万亿美元。
但这32万亿美元里面,超过一半的涨幅仅仅来自10家与人工智能直接相关的公司,其余四百多只股票加在一起,表现平平常常。

这十家公司里最突出的是英伟达,从2022年底到现在,英伟达股价涨幅超过1200%,市值常态化维持在5万亿美元以上,单这一家公司在标普500里的权重就达到8%左右。
如果把英伟达与微软、苹果、亚马逊、Alphabet、Meta放在一起看,这六家公司合计占标普500的权重为30.8%。
信息技术板块本身约占标普500市值的三分之一,如果把通信服务等与科技高度绑定的行业一并算入,广义科技板块的占比已经超过一半。

这种集中程度在历史上极为罕见。
当前标普500前十大公司的权重约为40%,而2000年互联网泡沫顶峰时这一数字约为27%,前十大集中度已经明显超过了上一次科技泡沫的高点。这意味着现在的指数基金已经很难起到传统意义上的分散风险作用。
很多人买指数基金,原本是想买下全美国的各行各业,分散掉单一公司的波动。
但现在的实际运行机制完全变了,先锋领航和贝莱德这些大型资产管理机构旗下管理着数万亿美元的被动型指数基金。普通上班族每个月发了工资,扣除一部分定投到标普500基金里。

这些被动基金拿到现金后,必须按照指数既定的市值权重机械式买入。结果就是,流入指数基金的资金中,有接近四成会按权重自动配置到前十大持仓,其中英伟达、苹果、微软、亚马逊、Alphabet这几家又占据了最大的份额。
大资金买得越多,巨头的市值就越大;巨头的市值越大,它们在指数里的占比就越高,下个月吸引的被动配置资金也就更多。

高盛在2026年的报告里专门指出了这个问题。
标普500成分股中站上200日均线的比例已经跌破50%,中位数股票较52周高点下跌了约16%,而指数本身仍在高位附近,市场广度的恶化程度为2000年互联网泡沫以来最差。
表面上看起来是指数的持续繁荣,底色其实是少数几只股票的单边拉升。这几家公司只要发布一次不及预期的财报,或者宣布减少后续的资本开支,整个指数就会失去支撑,缺乏其他板块来缓冲回调压力。

二、电网扛不住如果AI只是股票账户里的数字波动,它还不至于影响整个美国社会运转。
彭博对70多家公共养老基金的审查显示,这些养老金持有人的股票投资约44%押在科技行业,规模达6100亿美元。科技股同样成为对冲基金和保险公司股票投资中占比最大的板块。
加州公务员退休基金、纽约州退休体系涵盖大量教师、消防员、警察和普通职员。他们平时不炒股,甚至不了解算力中心,但每月扣除的养老钱大量配置到英伟达、微软和亚马逊等股票。

金融绑定已完成,物理绑定更直接,人工智能模型运转必须依托大型数据中心,消耗巨额电力和水资源。
国际能源署2026年4月《全球能源回顾》显示,美国数据中心2025年消耗全国约7%电力,高于2023年的4.4%,劳伦斯伯克利国家实验室预计2030年升至约11.8%。按当前耗电量粗略对比,美国数据中心总用电与加利福尼亚州全年发电量处于同一量级。

单次AI查询耗电,早期6到10倍说法已过时。
谷歌Gemini中位数文本提示约0.24瓦时,OpenAI的ChatGPT平均查询约0.34瓦时,对照现代谷歌搜索约0.042瓦时,按设备端能耗计算,中位数文本查询约为现代谷歌搜索的6到8倍。
若把冷却和配电等设施开销一并计入,两者大致处于同一量级,复杂推理任务则可能高出数十倍。

硅谷巨头发现,限制扩张的不再是工程师数量,而是发电厂和高压电网输送能力。微软、亚马逊直接找发电商签长期独家供电协议,甚至买下核电站输出电量。
这改变公用事业板块逻辑。原本低风险、稳健分红的电力公司股价大涨。Vistra2024年涨约264%,成为标普500表现最好的股票之一。2025年Vistra和Constellation(星座能源)年内涨幅均近40%。

但波动同样剧烈,2026年11月初一次中期选举结果令Vistra单日跌超14%,Constellation跌近7%。GE Vernova燃气轮机订单积压和机位预留从100吉瓦升至116吉瓦,2026年和2027年产能基本售罄。
公共电网容量短期固定,科技公司把电力包圆后,地方电网负荷变大,居民承担更高电费,还面临停电概率。弗吉尼亚州和宾夕法尼亚州居民和环保团体反对新建数据中心。

美国联邦能源管理委员会2024年11月1日以2比1否决一项电力直供协议修订,该协议原允许亚马逊数据中心扩大从宾夕法尼亚州Susquehanna核电站直接取电。
反对意见认为PJM(宾夕法尼亚-新泽西-马里兰互联电网)未充分证明必要性,质疑者称可能将约1.4亿美元输电成本转嫁其他用户。

只要地方政府在土地审批、用水指标和电网接入上收紧,新建机房周期就会拉长。机房无法按时通电,芯片只能堆仓库折旧,硬件采购链立刻放缓。这就是一次地方选举风向变动,就能引发全球半导体和电力板块集体大跌的原因。
三、账单谁来买既然全美国甚至全球的金融资产都押注在人工智能上,决定这个链条能否继续运转的核心,就变成实打实的财务回报率。

科技巨头正把过去轻资产运作积累的现金,全部投向极重的重工业基础设施。
微软、Alphabet、亚马逊和Meta四家超大规模云服务商,2024年资本支出合计约2510亿美元,2025年升至约3560亿美元;按2026年11月各家指引汇总,四家全年合计约7300亿美元,较2025年接近翻倍。重心几乎全在数据中心、GPU采购和配套电力设施上。

这一规模已无法完全靠经营现金流覆盖。
2026年第三季度,四家合计资本支出约2019亿美元,同期经营性现金流约1755亿美元,整体自由现金流转为负260亿美元,而一年前同期还是正620亿美元,为2016年有数据以来首次。
缺口由债券、股权和租赁填补,科技公司拉来黑石、博枫等机构设立表外合资实体,私市信贷和资产证券化市场也接纳了大量以数据中心厂房和GPU设备为底层资产的债务工具。

钱花出去了,回报从哪里来?
红杉资本合伙人戴维·卡恩的测算框架是,把英伟达数据中心年收入乘以2倍以反映数据中心总成本,再乘以2倍以覆盖终端用户毛利率。2024年提出这一框架时,对应的年收入要求约为6000亿美元。
到2026年,卡恩的更新测算显示,全球AI基础设施支出本身即达约1.5万亿美元,而全行业需要创造约3万亿美元的收入,才能覆盖这些投入并实现回本。终端AI软件支出仍只有数千亿美元的体量,与3万亿美元量级的收入要求之间存在显著缺口。

更关键的是折旧周期,传统数据中心机房和光纤网络寿命可达15到20年,AI服务器里的GPU则处在产业界与财务界的分歧之中。
2026年10月,黄仁勋在GTC柏林明确表示,市场长期按4年计算GPU折旧已经过时,Blackwell及下一代Vera Rubin架构的实际使用寿命为7至8年甚至更长。

但云厂商财报中计提折旧的年限仍短于黄仁勋所描述的物理寿命,而部分市场分析则认为芯片的经济折旧速度可能快于账面年限,账面折旧可能低估真实损耗。
这一分歧直接决定云厂商利润表上折旧压力的轻重:若寿命接近4年,当前数千亿美元硬件投入需要在极短窗口内回收。
若接近7至8年,年化折旧费用将大幅下降,利润表压力随之缓解。

巴克莱银行从单位经济模型拆解:AI模型公司每获得100美元收入,约35至40美元以推理算力费用流向云厂商。
云厂商扣除折旧等成本后落袋10至20美元营业利润,对应约35%至45%的营业利润率。这一利润率建立在模型公司持续支付算力费用的前提上。一旦终端AI应用收入增速跟不上折旧累积,云厂商利润表会率先承压。

不过,这不是要得出技术发展会停滞的结论。
任何重大通用技术普及,都会经历基建铺设与回报兑现的时间错位。十九世纪铁路网络和二十世纪末互联网光纤都经历过类似阶段:早期过度借贷带来财务困难,但铺好的基础设施最终支撑了后续几十年的经济增长。
现在的算力中心也是同样逻辑,前期资本开支把金融市场集中度推向极限,也给电网和财政体系带来阶段性承压,高强度投入客观上存在节奏调整需求。

接下来市场关注的核心,已不再是哪家公司买了多少块芯片,而是各家企业能不能把算力转化为实际生产力工具。
只有制造、医疗、金融和日常消费企业真正利用这项技术缩减成本、增加营业收入,这32万亿美元的庞大市值才能从少数股票的集中拉升,转变为整个实体经济的全面增量。