作者：王奎一

11月5日，华尔街经历了19个月以来最猛烈的一次科技股抛售。

纳斯达克指数单日下跌5.52%，较10月高点回撤11.9%。英伟达跌去9.3%，AMD下跌17.3%，美光、闪迪等存储芯片公司也遭到集中抛售。

一天之内，标普500指数下跌4.36%。大量科技公司此前数月积累的股价涨幅迅速缩水。

11月6日，市场迎来反弹。纳斯达克上涨1.09%，AMD上涨约11%，英伟达回升2.8%。

但整个星期，纳指累计下跌3.4%，连续第四周收跌。

华尔街正在经历一场颇有意思的估值调整。

微软最新季度收入增长19%，营业利润增长21%。亚马逊云业务收入增长39%，创下近五年来最快增速。Meta广告展示量增长10%，平均广告价格上涨14%。

这些数字放在任何一个正常的财报季，都足以证明大型科技公司的经营韧性。

投资者却开始关注财报的另一面：赚到的钱，有多少需要重新投入服务器、GPU、数据中心和电力设施？

当这笔支出达到每年上千亿美元的规模，科技公司的商业模式也随之发生变化。

这可能才是理解本轮科技股下跌的关键。

01 科技巨头，一年要花掉8000亿美元

先看一组更能解释市场情绪的数据。

摩根大通资产管理估计，2026年美国主要超大规模云计算企业的资本开支接近8000亿美元，约为2023年的五倍。2027年，这项支出有望突破1万亿美元。

更值得关注的是资金来源。

2025年，这些企业的资本开支约占经营现金流的60%。到了2026年，这一比例预计接近100%。

整个科技行业的投资强度，已经接近上世纪90年代电信基础设施建设高峰时期的水平。

逐家公司看，情况更加直观。

微软为2026自然年预计资本开支；其余为2026全年指引。Meta含融资租赁本金支付，各公司口径存在差异。

Alphabet、Meta采用指引区间中值；亚马逊和微软采用管理层最新预计值。数据来源：公司2026年第三季度财报与业绩电话会。

这四家公司合计计划支出约7300亿美元。

如此庞大的开支，已经开始影响现金流。

亚马逊第三季度财报显示，截至9月底的过去12个月，经营现金流增长29%，达到1683亿美元。

同期自由现金流却从上年同期流入148亿美元，变成流出424亿美元。

原因集中在投资端：过去12个月，其物业和设备净购买支出达到2107亿美元，同比增长82%。

Meta也出现类似现象。

第三季度，Meta经营现金流达到327.9亿美元，资本开支及融资租赁本金支付合计349.1亿美元，自由现金流为负21.2亿美元。

去年同期，它还有106.3亿美元的自由现金流。

Alphabet第三季度经营现金流423亿美元，资本开支514亿美元，自由现金流为负91亿美元。不过，其中还有欧盟罚款支付及TPU库存增加的影响，需要单独考虑。

微软的表现相对稳健。

截至9月底的季度，微软经营现金流达到580亿美元，现金购买固定资产约394亿美元，仍创造了186亿美元自由现金流。

但其包含融资租赁的资本开支已达452亿美元。

02 真正值得关注的，是未来六年的折旧

资本开支还有另一层影响。

购买GPU和服务器发生在今天，相关成本却会在未来数年逐步计入利润表。

Alphabet披露，第三季度技术基础设施投资中，约65%投向服务器和网络设备，这部分资产通常按照六年使用寿命折旧。

其余35%主要投向数据中心，使用寿命为7至40年。

微软的结构更值得关注。

它在最新财报电话会上表示，季度资本开支中约四分之三投向CPU、GPU等相对短寿命资产。

这意味着，科技巨头投资建设的数据中心，内部包含两类经济属性差异极大的资产。

土地、建筑和电力设施，可以使用几十年。

GPU则面临持续的技术迭代。新一代产品提供更高算力和更低单位计算成本，原有设备的经济价值也会受到影响。

可以做一个简单的财务测算。

假设一家科技公司购买1000亿美元计算设备，按照六年平均折旧计算，每年会产生约167亿美元折旧费用。

这是理论模型，具体仍取决于设备实际投产时间、会计年限和后续资本化政策。

更重要的，是使用率。

假设设备每年可以产生250亿美元收入，随着负载增加、价格调整或计算效率提升，收入可能继续上升。

但如果算力租赁价格下降，或者客户开始转向新一代芯片，老设备的收入能力就需要重新评估。

对云计算企业而言，未来利润率取决于三个变量：服务器利用率、单位算力售价，以及设备更新周期。

这也是科技股与传统互联网商业模式的一项显著差别。

搜索引擎增加一次查询、社交网络增加一次广告展示，边际成本相对有限。

AI推理服务则持续消耗计算资源、存储和电力。规模扩大可以带来效率改善，同时也要求企业持续优化硬件投资。

谷歌最新财报已经体现这种变化。

第三季度，Google Cloud收入同比增长103%，达到307亿美元，营业利润达到111亿美元。

但管理层也明确提示，技术基础设施投资增加，将持续带来折旧、能源和数据中心运营成本压力。

03 上万亿美元订单，距离现金还有多远？

科技公司继续大规模投资，也有相当扎实的需求依据。

微软最新财季Azure收入增长48%，商业剩余履约义务达到6770亿美元，同比增长73%。

Alphabet的Google Cloud未履约订单达到5610亿美元，管理层预计其中超过55%将在未来24个月确认为收入。

两家公司披露的合同口径存在区别，直接相加的意义有限，但都说明大型客户正在提前锁定长期计算能力。

摩根大通的研究还指出，目前在建数据中心超过80%的容量已经获得租赁承诺。

这是本轮AI建设周期与2000年前后互联网基础设施投资的重要差别。

当年美国光纤网络大量建成，使用率却长期偏低。摩根大通引用的数据显示，2002年前后只有约7%的光纤网络得到使用。

今天，算力资源依然相对紧张，云计算公司拥有大量长期合同。

需求的真实性，与投资回报的确定性，属于两个层次。

合同收入首先需要完成建设和交付。

数据中心投入使用以后，需要稳定供电、设备运行和客户持续消耗算力，企业才能逐步获得经营现金流。

还有一个问题值得投资者观察：究竟是谁在购买算力？

微软、谷歌、亚马逊等公司与模型开发商、企业客户和其他云计算平台之间，存在规模庞大的交易关系。

产业链上游的芯片销售收入，来自云厂商投资。

云厂商的部分收入，又来自模型公司和大型科技企业采购计算资源。

随着投资规模扩大，客户集中度、合同期限、付款能力以及最终企业用户的付费意愿，都会影响算力需求的持续性。

一家芯片企业的收入增长，反映的是客户当期采购。

一家云计算企业的收入增长，反映的是算力服务开始交付。

而一家企业用户通过AI节省成本、创造收入，才是这笔投资逐步传递到终端经济活动的体现。

这条链条越长，市场就越需要时间验证。

04 数据中心，开始成为美国地方议题

本轮科技股下跌，还有一个重要催化剂。

美国11月3日中期选举期间，数据中心建设成为多个地方选区的争议焦点。

据美国选举数据库Ballotpedia统计，截至11月4日，已经完成投票的47项数据中心相关地方议案中，46项的结果倾向于加强限制。

具体形式包括禁止新建、增加审批要求，以及否决支持开发的议案。各地措施的法律约束力有所差异。

这一结果具有产业意义。

过去，地方政府往往欢迎数据中心带来的投资、税收和建设岗位。

随着园区规模不断扩大，电力、水资源和土地使用开始成为居民关注的问题。

数据中心消耗大量电力，却通常提供相对有限的长期运营岗位。

某些地方还要为新增负荷建设输电线路和配套基础设施。

谁来承担这些成本，成为当地居民与科技企业之间的重要议题。

《金融时报》援引高盛估计，短期建设暂停令可能影响美国规划数据中心增量的45%。

这一数字属于潜在影响范围的估计，最终影响仍取决于具体政策执行。

资本市场对此高度敏感。

一家云服务公司已经签订计算资源合同，也安排了服务器采购和融资。

如果数据中心建设延迟，原定设备交付、客户开通和收入确认的时间就可能整体后移。

这种延迟对不同企业的影响差别很大。

拥有成熟园区、电力资源和多个运营区域的科技巨头，具备调整项目的能力。

依赖单一项目融资、设备抵押和特定客户合同的新型算力租赁公司，承受的现金流压力可能更大。

地方审批，正在成为AI产业链投资模型中的关键变量。

05 华尔街在意的是借钱建设算力

如果只观察纳斯达克指数，很容易把本轮调整理解为股票市场自身的估值波动。

债券市场提供了另一组信息。

摩根大通资产管理估计，五家主要超大规模云计算企业在投资级债券指数中的占比，可能从AI建设周期开始前的约3%，上升至2027年的7%以上。

这些企业的信用利差在2026年扩大约30个基点，同期广泛投资级市场的利差只扩大约2个基点。

这说明债券投资者也在重新衡量科技公司的融资成本。

不过，大型云厂商的整体财务基础依然稳健。摩根大通测算，考虑更广泛债务口径后，其净债务与EBITDA之比约1.3倍，仍低于典型投资级发行人的2.7倍。

真正敏感的环节，集中在融资能力相对有限的算力服务商。

路透社11月6日报道，AI云计算企业CoreWeave五年期信用违约互换利差突破1000个基点，创下新高。

简单理解，市场要求为持有其债务风险支付极高的保险价格。

同期，垃圾债券风险溢价也明显上升。

这组信号值得重视。

假设一家算力租赁公司需要借款建设数据中心，未来收入来自与大客户签订的长期算力合同。

当债务融资成本上升，项目需要创造更高的经营现金流，才能覆盖利息、设备更新和本金偿付。

如果市场开始怀疑客户的增长速度，贷款条件还可能进一步收紧。

融资成本与经营预期之间，容易形成相互强化的过程。

但这轮调整距离全面金融压力仍有差距。

路透社数据显示，11月6日前后，VIX波动率指数一度超过28，十年期美国国债收益率较此前超过5%的高位回落约50个基点。

与此同时，国债波动率与美元融资市场总体仍保持相对有序的状态。

这意味着，市场正在区分企业信用质量，而非对所有科技公司的资产负债表采用同一种判断。

从融资角度看，本轮调整还有一个深层问题。

过去几年，科技公司依靠充沛的现金流支持设备采购。

当算力投资开始越来越依赖债券、租赁和外部融资时，科技行业对利率的敏感程度也随之上升。

11月6日公布的美国10月就业数据较强，失业率降至4.1%。根据LSEG数据，当时市场预计美联储12月加息的概率达到78%。

强劲的经济增长，一方面支持企业需求，另一方面也可能延长较高资金成本的持续时间。

这恰好构成当前科技股估值的矛盾：企业增长仍然强劲，投资者要求的资本回报率却在上升。

06 科技股还要跌多久？

回答这个问题，可以把市场调整分成三个层次。

第一层是交易层面的去杠杆。

对冲基金降低科技股集中持仓、交易商调整风险头寸、投资者从高估值股票转向现金和其他行业。

这部分变化往往发生得很快。

截至10月底，标普500信息技术板块当月已经下跌6.8%，而标普500指数11个行业中，有9个行业上涨。

超过70%的标普500成分股在10月实现上涨。

说明此前市场已经出现明显的行业轮动，科技股承受的压力大于整体股票市场。

第二层是宏观估值调整。

接下来几周，美国通胀数据、就业表现、美联储利率路径，将直接影响投资者愿意为科技公司未来利润支付的价格。

11月10日即将公布的美国10月CPI，是一个重要观察节点。

第三层则是经营层面的验证。

这部分调整可能持续更长时间，时间窗口需要以未来一至两个财季为单位观察。

判断依据有三个。

首先，科技巨头的资本开支增长速度能否逐步趋稳。

市场需要确认数据中心投资进入更可预测的阶段，使经营现金流有机会逐渐转化为自由现金流。

其次，云业务收入和利润能否持续增长。

微软Azure、Google Cloud以及亚马逊AWS的实际增长、单位算力收入和利润率，能够帮助投资者判断计算资源的商业价值。

最后，信用市场能否稳定。

尤其是CoreWeave等依赖外部融资的算力企业，信用利差、融资条件和建设进度会成为重要的风险指标。

从这个角度看，科技股的企稳与AI产业的长期发展，可能呈现差异很大的时间节奏。

股票价格可以在投资者情绪改善时提前反弹。

而大型数据中心从投资建设、设备安装到客户收入确认，仍然需要经过完整的商业周期。

市场情绪的修复可能只需要几周，投资回报率的验证则往往需要几个季度。

对于资产负债表稳健、核心业务现金流充足的科技企业，估值下降可能逐步改善长期预期收益。

对于依赖持续融资、客户高度集中、资本开支持续增加的企业，投资者仍需要观察融资条件与实际回款。

因此，科技行业未来可能出现更加明显的股价分化。

同样是参与AI产业，持有高利润率软件业务、成熟云平台的公司，与依赖设备融资的新型算力租赁企业，已经属于不同的风险结构。

而上游芯片供应商的业绩，又同时受到客户资本开支、芯片迭代周期和订单集中度影响。

科技股下一阶段的行情，决定因素可能从谁拥有更大的订单，逐渐转向谁能用更少的资本创造更多现金。

从这个意义上说，华尔街对AI的分析正在进入一个更成熟的阶段。

投资者已经看到了技术进步和算力需求。

如今，他们开始认真计算另一件事：

当数千亿美元的服务器、芯片和数据中心投入运营，这些资产究竟能为股东赚回多少钱？

这张账单，才是未来几个季度科技股估值变化的核心。