中国券商将科技新闻转化为AI进攻与股息防御策略
在14家券商于8月下旬至9月期间举办或计划举办秋季策略会后，中国券商将科技新闻转化为一套双轨市场策略。
它们传递的信息比又一次看多人工智能更复杂。分析师仍看好AI硬件和国产算力基础设施，但同时配置高股息公司与现金流稳定的企业。
这一组合反映出市场环境的急剧变化。据界面新闻引用的市场数据，中国科技权重较高的科创50指数在2026年上半年上涨64.25%，随后于7月下跌25.9%。电子行业在这轮回调前的涨幅已超过86%。
这次调整并未说服多数策略师放弃AI，而是迫使他们区分：哪些公司有订单和盈利支撑，哪些股票主要由不断扩张的叙事推动。
因此，核心冲突并非AI与传统行业之间的对立，而是AI增长与证明投资回报要求之间的较量。在这一证明过程逐步形成之际，高股息持仓提供了防御。
这不仅是一个股价故事，其影响超出资本市场本身。中国的AI数据中心、半导体设备制造商、存储供应商、光组件企业和企业软件厂商，都依赖于持续的资本开支。投资者预期的变化会影响谁能获得资金，以及哪些项目能够推进。
十四家券商趋向更均衡的策略
秋季策略会在方向上形成了广泛共识，但并非无条件认可风险。
相关事件于2026年9月7日中国时间下午2时41分报道。券商策略会回顾统计显示，自8月下旬以来，已有14家证券公司举办会议或公布策略会计划。
其中11家已发表观点，包括中信建投、国泰海通、华泰证券、天风证券、广发证券、财通证券、西部证券、国投证券、瑞银证券、华福证券和华创证券。
策略会日程覆盖多个金融中心：6场与上海相关，4场在北京，2场在香港，深圳和兰州各1场。中金公司计划于9月16日举行秋季投资策略会，中信证券则计划于9月21日在香港举行资本市场会议。
这些细节很重要，否则标题很容易让人误以为这是一份统一协调的预测。实际上，这是在市场剧烈波动期间发布的多场独立卖方策略演示的综合。
共同立场有两部分：AI仍是首选增长来源，尤其是与国产算力能力相关的领域；高股息公司、金融、资源及其他现金流稳定的企业，则提供组合保护。
华泰证券给出了最清晰的描述。其将未来三到六个月定义为集中式主题交易后的再平衡期，建议以精选AI公司进攻，以高股息、稳定现金流资产作为压舱石。
国泰海通也预期市场将有更广泛的参与。其策略师认为，较低的无风险利率和资本市场改革支持更长期的市场上行。他们看好科技、先进材料、制造、医疗健康、金融和派息股票。
瑞银证券将7月的调整解读为风险降低，而非长期趋势的终结。其继续看好国产算力、半导体设备、存储、连接器、银行、金属、出口商及工业企业。
广发证券通过不同路径得出了类似结论。其将AI描述为市场最强的结构性增长主题，同时认为稳定价值资产仍具备相对有利的配置价值。
这一结果最适合被理解为杠铃策略。杠铃策略将配置放在风险谱系的两端：在这里，AI提供潜在的盈利增长，而股息与现金流则降低对科技估值进一步扩张的依赖。
这并不是从科技板块撤退，而是承认市场不能再将每一家与AI相关的公司都视为同等有价值。
为什么这则科技新闻紧随25.9%的回调之后
7月的抛售将AI从广泛主题转变为一场盈利验证竞赛。
到年中，中国的科技行情已变得异常集中。科创50上半年64.25%的涨幅，以及电子行业逾86%的上涨，使市场对设备需求、国产芯片和算力基础设施抱有很高期待。
随后，7月带来了压力测试。根据同一份市场表现分析，科创50当月下跌25.9%。分析师将下跌归因于全球AI预期变化、机构持仓拥挤，以及杠杆交易被迫降仓。
所谓拥挤，是指许多基金基于相似理由持有相同证券。这种集中会放大跌势，因为价格下跌会触发重叠的降风险决策。
杠杆还会增加另一层反馈循环。使用借款的投资者会在价格下跌时面临抵押品缩水，他们的卖出可能进一步压低价格，继而给其他杠杆头寸带来压力。
瑞银中国股票策略师王宗豪认为，到9月初这些压力已有所缓解。据报道，科技板块的融资余额已回到4月和5月前后水平。估值也更接近瑞银所认为的合理区间。
海外云计算公司的业绩则提供了另一项安慰信号。这些业绩表明，尽管公开市场质疑AI商业化的速度，算力需求依然真实存在。
然而，拥挤度下降并不会自动创造新的盈利周期。王宗豪也承认，AI下一项重大增长机遇会出现在哪里仍不确定。科技板块的机构持仓在回调后已恢复，且仍相对拥挤。
这种区分决定了反弹是可交易的，还是构成可持续的投资逻辑。较低价格能够吸引买家，但持续上涨需要营收、利润率、订单或现金流支撑。
天风证券明确提出了这一要求。其策略团队表示，投资回报率，即ROI，将取代笼统的AI叙事，成为下一阶段的定价锚。ROI衡量一项投资产生的财务收益相对于其成本的比例。
对于上市科技公司，投资者可以从预收款、合同负债、收入转化和利润增长中寻找证据。合同负债通常代表企业在确认相关收入前已收到的客户付款。
这些指标并不完美。合同余额上升可能反映健康订单、交付延迟或付款条款变化。结合客户集中度、毛利率、库存和经营现金流观察时，它才更有参考价值。
这正是最新科技新闻对企业买家和开发者重要的原因。资本市场开始追问，AI基础设施能否在首轮建设浪潮之外创造经济价值。
拥有重复订单和改善现金流的供应商，应更容易通过这一考验。依赖单一客户、单一政策催化剂或尚未验证产品周期的厂商，则面临更艰难的转型。
市场没有否定AI投资，而是提高了薄弱证据的代价。
国产AI硬件仍是进攻型配置
券商仍偏好AI背后的实体基础设施，尤其是需求能够与可量化产能扩张相连接的领域。
瑞银重点关注国产算力、半导体设备、存储和连接器。这些板块处于AI基础设施链的不同层级，但当企业建设或扩建数据中心时，都可能受益。
国产算力包括在中国境内设计或制造的处理器、加速器、服务器及配套系统。半导体设备提供生产芯片所需的机械设备。存储用于保存模型数据，高速连接器则在计算组件之间传输信息。
瑞银预计，国产GPU出货量将在2026年下半年增长。其认为，更充足的加速器供应将支持AI数据中心更快建设。
这一预期仍是预测，并非已确认的结果。投资者需要出货数据、利用率、采购记录和供应商业绩，才能将这一预测视为得到验证。
潜在机制很直接。更多可用加速器使云服务商和数据中心运营商能够部署更多计算集群。这些集群需要存储、网络设备、冷却系统、电力系统、电路板和光连接。
因此，需求可以扩散至庞大的供应商网络。然而，受益并不均衡。技术认证、制造良率、交付进度和定价能力，决定哪些厂商能将产能投资转化为利润。
市场也正从原始基础设施迈向应用。广发证券称，AI正从技术创新转向实际部署。这一转变提出了更严苛的问题：哪些应用能够创造足够价值，以支持持续的基础设施采购？
企业AI提供了一项检验。一家公司部署内部助手时，必须比较生产率提升与模型、算力、集成、安全和维护成本。
消费产品提供了另一项检验。当推理成本仍高，或用户抗拒订阅和广告时，高使用量并不保证有吸引力的经济效益。
工业AI遵循不同模式。计算机视觉、预测性维护、机器人和流程优化可以创造可量化节省，但部署周期更长。与既有硬件集成也增加了执行风险。
这些差异有助于解释，为何策略师越来越偏好精选AI公司，而不再将整个行业视为一项交易。最接近已记录支出的公司可以更早展示订单。应用提供商通常需要更多时间证明经常性收入和留存率。
9月的股票推荐反映了这种硬件偏好。截至9月3日，39家券商更新了月度精选名单，覆盖243家A股公司。根据一份月度组合回顾，电子行业获得最大行业配置，占比13.11%。
机械行业占11.2%，基础化工占8.74%，医药占6.83%，有色金属占5.74%。券商增加了对机械、石油石化和通信的配置。
这些选择并非纯粹的AI组合，而是将科技与医疗健康、材料、能源和工业敞口结合。这一模式支持了更广泛的杠铃策略解读。
它也显示，AI投资的影响超出被归类为软件或半导体的企业。数据中心需要电力、金属、冷却系统、建设和专业制造。
然而，主题接近并不等同于盈利敞口。一家供应商可能服务于一个有吸引力的市场，却缺乏具备竞争力的产品或足够的产能。
最有力的证据将来自已披露的经营业绩。投资者应将订单增长与收入确认、毛利率、资本支出、应收账款和现金回款进行比较。
一家 AI 供应商即使收入扩大，却消耗了更多现金，仍可能是在为库存或客户信贷提供资金。这并不意味着该业务不稳健，但会改变其风险特征。
因此，看多逻辑的基础在于验证。国内 AI 基础设施仍受到青睐，因为算力需求看起来确实存在。每家公司仍须证明，自己能够以盈利方式承接这类需求。
高股息不仅是暂时性的对冲工具
股息股能为科技股波动提供防御，其作用也反映出中国的低利率环境，以及市场流动性来源的变化。
高股息股票通过持续向股东派付现金，在其股价中分配相对较大的回报比例。股息率可以在一定程度上抵消股价疲软，不过股息从来都不是保证。
银行、电力公司、电信运营商、资源生产商和成熟工业企业通常属于这一类别。当债券收益率和存款回报下降时，它们的吸引力会增强。
国泰海通将 A 股的长期前景与无风险利率下降及资本市场改革联系起来。当低风险资产提供的收益减少时，一些投资者会接受股票风险，以获取股息和潜在升值空间。
华泰将现金流稳定的高股息公司描述为防御性锚点。对现金流的强调很重要，因为仅看股息率可能具有误导性。
股价下跌会在机制上抬高股票的历史股息率。如果公司随后削减派息，表面上颇具吸引力的收益率便会消失。
投资者必须考察自由现金流、债务、资本支出、派息政策和盈利稳定性。可持续的股息要求公司在满足运营和必要投资后，仍保有可支配现金。
该策略的防御属性同样是对中国科技板块外部不确定性的回应。全球利率、汇率变动以及海外科技股估值，都可能向国内 AI 股票传导波动。
华福证券经济学家管涛提到了两条传导渠道。更紧的海外金融条件可能推高美元，并对新兴市场资本流动构成压力。美国科技股下跌也可能削弱其他市场对科技资产的情绪。
防御性配置无法消除这些风险，但可以降低对驱动 AI 估值的同一套增长假设的依赖。
银行股获得了特别关注。UBS 偏好 A 股而非香港上市股票，部分原因是其认为境内流动性更强。该机构指出，香港面临规模可观的发行和配售供给，南向资金未必能够完全吸收。
UBS 估计，海外投资者在第二季度持有超过 4.4 万亿元人民币的 A 股，创下纪录。该机构还称，7 月 A 股交易型开放式指数基金的净流入约为 4900 亿元人民币。
这些数字需要谨慎解读。ETF 流入可以稳定市场，但并不能说明最终投资者是否在进行长期配置。创纪录的外资持仓也可能随着利率、汇率或地缘政治预期变化而迅速调整。
UBS 策略师孟磊预计，A 股盈利将在 2026 年增长约 15%，相比之下前一年为 3%。他将第二季度收入和利润率改善视为这一预测的基础。
UBS conference coverage也报道称，科技导向板块的利润增长异常强劲。第二季度科创板盈利同比增长超过 300%；若剔除新上市公司，增幅仍超过 100%。创业板盈利增速超过 40%。
这些数据支持复苏逻辑，但基数效应和上市公司结构变化使比较更加复杂。投资者应检验增长是否能延续至后续季度，以及现金流是否能印证账面利润。
因此，杠铃策略中的股息一端有两个作用：缓冲波动，并提供对那些较少依赖遥远 AI 预期来决定价值的公司的敞口。
这种防御也有自身风险。银行仍对信贷质量和净息差敏感。公用事业公司面临监管和资本支出压力。资源生产商则依赖大宗商品价格。
“防御性”不应被误认为“安全”。这个词描述的是不同的回报来源，而非不存在不确定性。
共识掩盖了严肃的 AI 债务警告
最大的分歧在于：AI 支出究竟正在形成可持续的盈利周期，还是金融压力的累积速度快于可实现回报。
西部证券提出了最明确的怀疑观点。其首席策略师曹柳龙警告称，高企的美国国债收益率可能加速 AI 债务泡沫破裂。
这一观点挑战了杠铃策略中较为令人安心的版本。如果全球 AI 融资遭遇严重冲击，中国 AI 股票未必能仅因国内算力需求存在而幸免。
云计算公司、数据中心开发商、芯片供应商和网络设备厂商都处在相互连接的资本支出链条中。即使长期需求依旧具有吸引力，融资可得性下降也可能推迟项目。
曹柳龙还指出，美联储很少实施前瞻性的量化宽松，通常是在金融或市场压力显现后才作出反应。
这一点很重要，因为投资者常常假设央行会迅速保护高增长资产。延迟反应可能令拥挤交易在流动性改善前面临更深的损失。
strategy disagreement并不能证明 AI 债务泡沫确实存在。它只是指出了一种情景，而更乐观的会议预测必须经受住这种情景的考验。
乐观一方建立在若干主张之上：算力需求仍然真实，国内 GPU 供应应当增加，杠杆已经下降，估值已趋于合理，企业盈利正在复苏。
每项主张都有可衡量的对应指标。数据中心利用率可以检验需求；出货和进口数据可以检验供应；融资融券数据可以检验杠杆；估值倍数可以检验重估；收入、现金流和利润率可以检验复苏。
科技投资者还应区分基础设施瓶颈与结构性需求。暂时性短缺可以推高订单和价格。一旦产能追上，供应商可能面临更低的定价能力。
内存提供了一个有用的例子。AI 工作负载需要大量内存容量，但内存市场在历史上经历过强烈周期。价格改善时，生产商会扩大产出，随后可能造成供过于求。
连接器和光学元件也面临类似的客户集中度和产品迭代问题。绑定于一种主导架构的供应商可能迅速受益，但当规格变化时又可能陷入困境。
半导体设备获得了更强的战略支持，但不同制造环节的技术进展并不均衡。收入增长并不自动意味着已与全球领先企业并驾齐驱。
企业应用更直接地面对投资回报率检验。采购方必须看到可衡量的成本节省、收入增长或风险降低。始终无法从试点扩大到生产环境的项目，无法持续支撑基础设施需求。
因此，市场策略师正从验证叙事转向验证运营。相关问题不再是 AI 是否会影响经济，而是当前资本支出能否在投资者预期的时间框架内获得可接受的回报。
市场广度与科技板块领先地位之间也存在冲突。更广泛的上涨可能意味着参与度更健康，但也可能削弱 AI 股票所享有的相对资金流优势。
资金流向银行、金属、工业、医疗保健或消费公司，并不必然意味着恐惧。它可能表明投资者看到了更多受益于经济复苏的路径。
这一结果将支持慢牛论点，同时削弱 AI 必须引领每个阶段的观点。
最大的错误是将券商之间的一致看法视为独立证据。卖方预测往往回应相似的市场数据、政策信号和客户问题。
共识可以揭示主流框架，但无法保证结果。
三个信号将检验慢牛论点
未来一到三个月应能揭示，杠铃策略究竟是可持续策略，还是对 7 月波动的暂时回应。
第一个信号是来自 AI 基础设施供应商的第三季度证据。订单增长、合同负债、收入、利润率、应收账款和经营现金流应朝着一致方向变动。
订单增加却未伴随更强的现金回款，将削弱复苏质量。收入增长若同时伴随稳定利润率和改善的现金流，则会强化这一判断。
投资者应特别关注国内算力、半导体设备、内存、连接器、光网络、散热和电力系统。这些类别在券商演示中反复获得支持。
第二个信号是科技板块以外的市场参与度。可持续的慢牛不应依赖于狭窄的一组 AI 股票。
银行、工业企业、资源生产商、医疗保健企业和派息公用事业公司需要吸引资金，而不能依赖科技股抛售。更广泛的参与将支持这样一种判断：改善的盈利和流动性正在推动市场。
9 月的推荐已显示出一定广度。电子板块领跑配置，但机械、化工、医疗保健、金属、通信和能源也占据突出位置。
第三个信号是全球融资压力。美国国债收益率、海外云计算资本支出以及大型科技公司的业绩，都可能改变整个 AI 供应链的预期。
稳定的云计算支出将支持算力需求依然完整的判断。支出若大幅削减，特别是伴随信贷收紧时，则会强化 AI 债务警告。
国内政策同样重要，但投资者应避免将预测简化为政策新闻标题。其传导机制必须体现在融资条件、商业需求、公司盈利或家庭信心之中。
国泰海通预计市场将在秋季复苏并上涨，UBS 则预计慢牛趋势将持续。华泰预计市场将在三至六个月内重新向基本面平衡。
这些时间表形成了问责标准。到 2026 年底，市场应已拥有足够的盈利报告、订单披露和交易数据，以判断这些预测在方向上是否正确。
对于开发者和企业采购方而言，影响不止于投资组合。强劲且盈利的需求可以支持对国内模型、数据中心、芯片和软件工具的持续投资。
回报疲软可能使资金进一步集中于商业结果明确的项目。这可能放缓投机性实验，同时将资源聚焦于已获验证的企业和工业应用。
跟踪本轮周期的知识工作者面临着信息难题。会议声明、财报、供应商更新和政策文件往往分散而至。一个可搜索的 AI knowledge base 能够保留每项预测背后的证据，并让后续比较更加便捷。
实际问题不在于接受还是拒绝最新的科技新闻，而在于哪些事实会改变原有判断。应关注 AI 供应商的现金转换情况、科技行业以外的参与度，以及全球融资成本。如果这三项均有改善，攻守兼备的框架将更具可信度。如果订单走弱而融资收紧，股息看起来将不再只是压舱石，而更像是一项早期预警信号。
