美股的创纪录涨势正面临一个被市场低估的结构性威胁——人工智能算力成本的急剧攀升，正在侵蚀超大规模云计算企业的盈利能力，并令外界对天量 AI 支出能否获得足够需求支撑产生深切疑问。
数据中心成本增速已明显超过营收增长。微软将其 2026 年资本支出中的 250 亿美元归因于零部件价格上涨，Meta 首席执行官 Mark Zuckerberg 也在年中上调支出区间时表达了类似担忧。在今年逾 7000 亿美元的 AI 基础设施建设中，越来越大的比例正被不断上涨的投入成本所吞噬。
乐观的 AI 叙事曾是推动标普 500 指数屡创历史新高的核心动力。然而，随着需求前景趋于不确定、自由现金流持续收窄，这一逻辑的根基正在松动。
据 Nomura Equities 数据，10 只股票贡献了标普 500 指数自年内低点以来近 20% 涨幅中的 69%；高盛估计，AI 相关投资驱动了 2026 年指数整体每股盈利增长的约 40%。一旦 AI 动能消退，市场将面临缺乏盈利支撑的真空地带。
内存成本激增，算力扩张遭遇价格瓶颈
AI 基础设施成本上升的核心压力点在于内存。据 SemiAnalysis 数据，超大规模云计算企业资本支出中用于内存的比例已从 2023 年的 8% 跃升至近三分之一，背后驱动力是每一代 GPU 对 DRAM 的需求量持续增加，推动成本曲线愈发陡峭。
电力供应短缺进一步加剧了扩张瓶颈。据 RBC 研究，电网接入审批目前需要约 55 个月，而数据中心的建设周期仅约两年。微软在进入 2026 年时，已有价值 800 亿美元的 Azure 订单处于未履行状态，原因正是 GPU 在等待电力接入期间处于闲置状态。电力供应商 PJM 表示，受数据中心负荷增长影响，容量电价在两年内已飙升逾 10 倍。
自由现金流枯竭，超大规模企业转向举债扩张
资本支出的急剧膨胀正在压缩超大规模云计算企业的财务空间。据 Pimco 估算，未来两年资本支出预计将吸收这些企业经营性现金流的 94%，自由现金流已大幅萎缩。
目前，强劲的云计算和 AI 营收增长在一定程度上掩盖了上述压力，但这层遮蔽能否持续，取决于需求端能否跟上供给端的扩张节奏。
AI 需求前景存疑，变现缺口难以弥合
市场对 AI 需求 " 无上限 " 的假设正受到越来越多的质疑。Gartner 预计，到 2027 年底，超过 40% 的智能体 AI 项目将因成本上升、投资回报不明确及风险管控不足而被取消。S&P Global 的调查则显示，在截至去年 10 月的 12 个月内，42% 的企业在 AI 项目投入生产前便已放弃大部分相关计划。
变现缺口的规模同样令人警醒。Bain 估算，当前的数据中心建设规模需要到 2030 年实现每年 2 万亿美元的营收才能收回成本，而 ChatGPT 推出三年后，AI 营收规模仍仅约 200 亿美元。与此同时，Forrester 预计企业将把四分之一的计划 AI 支出推迟至 2027 年，且不足三分之一的企业能够将 AI 投资与企业利润的实际改善挂钩。
此外，OpenAI、Anthropic 等 AI 平台面临的 IPO 压力，也将迫使其逐步放弃前期以低于成本的价格获取用户的策略，转而聚焦盈利。这意味着当前 AI 算力消耗中的相当一部分需求，可能随之消失。
估值偏高，容错空间极为有限
当前的市场估值几乎不允许任何盈利层面的意外。标普 500 指数目前市盈率约为 21 倍远期盈利，高于长期均值。据 Allianz 研究，AI 板块整体估值接近 25 倍 EV/EBITDA，已超过 2000 年互联网泡沫顶峰时期电信板块的估值水平。
触发这一风险并不需要系统性危机——仅仅是某家主要超大规模企业因需求疲软而下调 2027 年资本支出指引，便足以迅速瓦解当前的 AI 交易逻辑。
值得注意的是，市场内部已出现一定的领涨结构轮动迹象，等权重标普 500 指数近期表现优于市值加权指数。但若 AI 动能在其余板块尚未实现显著盈利增长之前便已消退，整个指数将面临缺乏盈利底部支撑的风险。这一前景，正在强化提前对冲股票收益的必要性。
