高盛称 AI 交易正进入盘整阶段

高盛表示，在一次急剧反转暴露出拥挤持仓、杠杆基金和脆弱的市场交易机制后，人工智能交易已进入盘整阶段。这一区别至关重要。盘整意味着，投资者正在经历一轮长期上涨后重置预期，而非放弃支撑 AI 公司盈利和基础设施需求的基本逻辑。

rsshub 36kr 发布的一则简讯概述了该行的观点：强劲的盈利表现和投资者持仓的减少应有助于缓解极端波动。其背后的论点比简单地建议逢低买入更为复杂。高盛的策略师认为市场条件正在改善，但也承认杠杆可能将一次普通的下跌演变为被迫抛售。

这为投资者带来了核心矛盾。AI 需求和企业支出依然可观，但用于交易这一需求的工具变得愈发激进。由此形成的市场，在指数层面可能看似平静，但个别半导体、存储、网络和数据中心股票却可能剧烈波动。

因此，近期下跌检验了两种相互竞争的解释。一种认为，AI 投资逻辑已因支出过高和估值过度上涨而削弱。另一种则认为，一个基本面依然完好的主题变得过于拥挤，随后经历了持仓重置，在未终结更广泛趋势的情况下清除了部分过热因素。

高盛目前更倾向于第二种解读。其依据包括持续的盈利增长、较低的对冲基金敞口，以及对算力基础设施的持续需求。不过，下一个财报周期必须证明，庞大的资本预算正在产生收入和利润，而不只是增加产能。

抛售改变的是持仓，而非整个 AI 逻辑

高盛的核心判断是，近期下跌消除过度持仓的速度，快于其对 AI 基本面投资逻辑造成损害的速度。

在这轮反转前，投资者对许多相同主题持有较高敞口。这些持仓包括半导体生产商、存储供应商、光网络公司、数据中心设备制造商，以及为新基础设施提供资金的超大规模云服务商。

持仓拥挤并不自动意味着一项投资逻辑是错误的。它意味着许多参与者出于相似原因持有相似资产。当波动加剧时，这些投资者可能同步行动，形成一波压倒公司特定信息影响的抛售潮。

高盛的主经纪业务数据为这一过程提供了观察窗口。高盛 Prime Insights and Analytics 联席主管 Vincent Lin 表示，对冲基金的总敞口在 6 月初达到五年高点，净敞口也升至四年高点。

回调后，这两项指标均降至其三年区间的大约第 60 至第 65 百分位。这使得持仓处于近期分布的中间水平，而非极端位置。

Lin 将此轮事件描述为一次健康的重置，同时强调持仓并未被彻底出清。对冲基金降低了风险敞口，但并未集体否定 AI 基础设施。

这一差别有助于解释为何 rsshub 36kr 的摘要称其可能是一次盘整，而非持久性崩盘。盘整发生在价格消化此前涨幅、投资者重新评估预期之时。它可能包括急跌、反弹失败，以及个股之间表现的巨大差异。

此次下跌也遵循了动量驱动市场中的熟悉模式。一个成功主题吸引更多资本，价格上涨推动更高风险偏好，而新型投资产品则让获得敞口变得更容易。当市场方向改变时，这些相同力量会反向运作。

一个引人注目的例子来自 Situational Awareness，这家专注 AI 的对冲基金由前 OpenAI 研究员 Leopold Aschenbrenner 创立。Axios 报道称，该基金在市场大跌期间将其公开股票投资组合出售给 Citadel。该基金近期披露的管理资产规模约为 200 亿美元。

这笔出售并不能说明整个市场发生了什么，但它确实表明，一只专注 AI 的投资组合能够多么迅速地成为它原本旨在交易的事件的一部分。面临亏损或赎回的集中型投资者，无论其长期信念如何，都可能需要流动性。

此次重置在科技板块内部的覆盖面也异常广泛。高盛称，这是其一项数据集历史上科技敞口累计降幅最大的一次。不过，该行与对冲基金的交流仍显示，它们对 AI 公司保持基本面兴趣。

这就是为何近期走势不能仅凭价格来解读。价格下跌可能反映盈利预期下降、需求疲软、估值过高、被迫去杠杆，或多种因素同时作用。高盛的持仓数据让去杠杆这一解释更具分量，但并未排除其他可能。

由此形成的市场更具选择性。投资者不能再将所有与 AI 基础设施相关的供应商视作可相互替代的受益者。他们必须区分那些拥有可见订单、可持续利润率和定价能力的公司，与那些主要受其股票主题需求支撑的公司。

强劲盈利为高盛的盘整判断奠定基础

高盛论点中的看多部分，取决于利润能否比估值倍数扩张更有力地支撑市场。

5 月，高盛的 Shawn Tuteja 表示，标普 500 指数每股收益较上年同期增长 17%。这已是连续第六个季度实现两位数盈利增长。未来 12 个月的预期已升至 13%。

与此同时，市场的远期估值倍数从 22 倍收益压缩至 21 倍。21 倍并非历史上便宜的估值，但这一组合表明，盈利的推动作用正超过单纯的投资者热情。

市场中的 AI 部分对这些结果贡献巨大。超大规模云服务商仍在持续采购芯片、网络设备、电力系统、冷却技术和建设产能。其支出支撑了远超模型开发商范围的供应链收入。

Tuteja 表示，超大规模云服务商已承诺在 2026 年投入 7550 亿美元资本支出，同比增长 38%。高盛将这些数字视为 AI 基础设施各环节需求仍然活跃的证据。

资本支出，即 capex，是用于购置服务器、数据中心和电气设备等长期资产的资金。它会立即支撑供应商，但也给出资的公司带来更棘手的问题：这些买家最终需要获得足以证明支出合理性的回报。

市场已走过这一建设周期的多个层次。首批主要受益者是先进半导体公司，随后关注范围扩大至云平台、数据中心、电力供应商、存储生产商、光网络和专业冷却系统。

高盛表示，截至 5 月中旬，光网络主题在 2026 年已上涨超过 100%。该行重点关注的另一类设备——液冷股票——上涨约 30%。这类涨幅证明了需求存在，但也增加了价格提前反映多年完美执行的风险。

如今，持续支出的逻辑日益建立在实际 AI 使用之上。高盛的投资银行研究人员表示，企业采用范围正从聊天机器人和编程工具扩大。能够执行多步骤工作而不仅是生成回答的智能体系统，正在提高算力需求。

一家接受高盛访谈的公司表示，其前 5% 的企业客户消耗的 token 是中位数客户的三倍。Token 是模型处理和生成的小型文本单位。Token 使用量上升通常需要更多推理能力，即部署后的模型响应用户时所使用的计算资源。

高盛认为，供给受限可能将基础设施支出延续数年。其企业采用研究指出，随着企业从实验走向运营工作流，需求将保持持续。

不过，供应商收入和买方回报并不是一回事。即使云服务商日后难以将新增产能变现，芯片制造商仍可能从大额订单中受益。当前强劲的盈利验证了基础设施需求，但并未解决整个系统的经济性问题。

这正是 rsshub 36kr 报道中最重要的局限。当前强劲的利润可以支撑盘整逻辑，但市场定价的是未来现金流。投资者将继续追问，AI 收入能否足够快速增长，以覆盖折旧、能源、融资和开发成本。

因此，下一阶段应会产生更大的业绩差距。销售稀缺组件的公司可能维持定价能力。依赖普遍热情的企业将面临更严格审视。超大规模云服务商必须证明，新服务、广告改善、云工作负载和内部效率提升，正在将资本支出转化为可衡量的回报。

为什么杠杆 ETF 能将回调演变为暴跌

近期波动不仅是对 AI 公司的评判，也源于投资者打包和融资其风险敞口的方式。

杠杆交易所交易基金承诺提供某一资产每日回报的倍数。例如，一只两倍半导体 ETF 的目标是实现标的指数每日变动的两倍。该基金必须频繁再平衡，以维持这一目标。

这会形成一个机械性的反馈循环。当标的资产上涨时，基金往往需要买入更多敞口；当标的资产下跌时，它则需要卖出。交易员将这种行为称为短 gamma，因为再平衡往往会放大当前市场方向。

Tuteja 在最近一次抛售前曾警告过这种结构。他解释说，一只股票在负面消息后原本预计下跌 3%，但当杠杆产品和其他被迫卖方同时降低敞口时，跌幅可能扩大至 10%。同样的机制也会在上涨行情中放大涨幅。

当杠杆基金持有交易深度有限的高波动证券时，风险会进一步上升。规模较小的产品对市场影响有限，但一只被迫在收盘前交易的大型产品可能推动价格，尤其是在多只基金遵循类似投资授权时。

高盛的 Brian Garrett 后来表示，每五只 ETF 中就有一只包含某种杠杆或反向成分。在 2026 年发行的 ETF 中，这一比例达到三分之一。这种增长使市场更具进攻性，并扩大了自动再平衡的潜在影响。

这一问题在美国主要指数之外尤为明显。Garrett 观察到，韩国 KOSPI 的隐含波动率已升至超过全球金融危机时期的水平。该指数已受到少数几只与 AI 供应链相关的高波动股票的显著影响。

集中度可能掩盖这种压力。指数汇集了许多证券，因此一个板块的上涨可以抵消其他板块的下跌。指数的低波动性可以与个股的剧烈波动并存，形成 Garrett 所说的“股票市场”与“由股票构成的市场”之间的差异。

在这种环境下，只关注标普 500 或 Nasdaq 的投资者，可能低估表面之下的压力。半导体、存储和设备类股票可能出现大幅日内波动，而多元化指数看起来则相对稳定。

ETF 波动性的讨论也解释了，为什么更为干净的持仓结构能够降低未来的动荡。当对冲基金降低敞口、杠杆产品资产缩水时，在下一轮下跌中被迫卖出的参与者就会减少。

然而，更干净并不意味着毫无风险。Lin 表示，抛售后对冲基金的敞口仍处于近期区间的中部。投资者在卖出 AI 持仓的同时，也减少了宏观对冲；他将这一过程称为去总敞口（de-grossing）。

宏观对冲是旨在抵消广泛市场风险的头寸，例如指数看跌期权或做空期货头寸。如果投资者同时撤出多头头寸和保护性对冲，其资产负债表规模便会收缩。这会降低即时敞口，但也可能使剩余市场对相关性再次上升保持敏感。

相关性衡量证券走势的同步程度。低相关性有利于选股者，因为公司自身的发展更为重要。相关性上升则表明，投资者再次将许多证券视为同一种共同风险的表现形式。

这一机制支持 Goldman 的预期：在市场完成重置后，波动性应会缓和。较不拥挤的持仓降低了可用于触发被迫卖出的“燃料”。但相同的市场结构仍然存在，包括杠杆 ETF、期权交易、集中度较高的指数，以及高度互联的 AI 供应链。

因此，盘整论并不承诺交易将趋于平静。它表明，由于投资者已经移除了大量风险，反复出现自我强化式下跌的概率有所下降。新的负面催化剂仍可能重新启动这一机制。

真正的对手是盈利兑现与持仓过度

决定性的较量并非 AI 多头与 AI 怀疑者之间的对抗，而是经营表现与拥挤交易中已计入的过高预期之间的较量。

Goldman 的建设性观点只有在盈利持续验证基础设施周期时才能成立。较低的持仓敞口可以稳定价格，却无法创造营收、改善利润率，或带来投入资本回报。

AI 交易涵盖经济模式截然不同的企业。Nvidia 和其他芯片供应商销售供不应求的计算设备。云服务提供商为数据中心提供资金。公用事业和工业企业提供电力与冷却。软件开发商则试图通过模型和应用获得收入。

一个统一标签可能掩盖这些差异。一些基础设施供应商会在设备发货时确认收入。超大规模云服务商则承担多年折旧与运营费用。应用公司必须说服客户为 AI 服务支付足够费用，以覆盖推理成本。

在盘整期间，这种区分变得更加重要。在普遍上涨行情中，投资者往往奖励与热门主题相关的敞口。在市场放缓时，季度业绩和指引会在公司之间拉开更明显的差距。

Goldman 在 5 月的评估提供了一个有力起点。盈利增长仍然强劲，尽管面临通胀和经济增长疲软，AI 相关需求似乎依旧具有韧性。Tuteja 甚至将 AI 描述为相对不易受到消费类和周期性公司所面临压力影响的领域。

这种防御性解读也有其限度。AI 支出由资产负债表强劲的公司提供资金，但它仍属于可自由裁量的资本配置。如果预期回报下降、融资成本上升，或电力限制阻碍部署，高管可能会推迟项目。

利率又增加了一层影响。长期债券收益率上升，会提高适用于未来收益的折现率。这一影响对估值依赖于多年后利润的公司尤为沉重。

Tuteja 强调，5 月 30 年期美国国债收益率突破 5% 是一个重要的心理关口。具体水平会随市场变化，但其背后的关系仍具参考意义。昂贵的资本会使企业面临更大压力，必须证明短期回报。

怀疑论者的观点也聚焦于集中度。AI 相关公司在美国主要指数中占据较大比重，这意味着少数企业业绩令人失望，就可能影响远超专业科技投资组合范围的被动投资者。

Goldman 此前曾警告，狭窄的领涨格局和快速的动量上涨往往先于更高的波动性和更弱的回报。这并不能确定市场顶部，但它挑战了“强劲的指数表现证明整体经济健康”的假设。

rsshub 36kr 的摘要强调了经历震荡后前景改善。更完整的解读应是有条件的：对冲基金和 ETF 敞口下降消除了一个不稳定来源，但盈利仍必须克服高要求的估值和巨大的资本需求。

围绕最新策略报告也存在验证缺口。公开快讯仅提供了简短转述，而 Goldman 的公开市场讨论则提供了相关数据和推理。在没有完整客户报告的情况下，读者不应将每一项细节都视为针对所有 AI 股票的明确预测。

Goldman 自身也区分机构观点与个人市场评论。其公开文字记录指出，发言者的观点可能发生变化，且不一定代表整个银行的立场。这些内容也被明确定位为信息，而非投资建议。

这一谨慎态度很重要，因为 Goldman 的不同团队研究市场的不同部分。主经纪业务专家关注对冲基金持仓。波动率交易员研究期权和 ETF 资金流。股票策略师则评估盈利、估值和投资组合构建。

他们的观点仍可形成连贯图景：持仓曾变得极端，市场结构放大了反转，而盈利仍具相对支撑力。去杠杆后，基本面与技术性压力之间的平衡不再那么不利。

然而，连贯的解释并非保证。盘整可能通过重新上涨、长期横盘，或再次下跌来结束。结果取决于在新的宏观经济或公司特定冲击到来之前，利润能否赶上预期。

因此，读者应避免两种简单叙事。抛售并未证明 AI 投资已经失败。强劲的基础设施支出也并不证明每一项 AI 相关估值都是合理的。

Goldman Sachs 的 AI 展望仍无法解决的问题

三个悬而未决的问题可能削弱盘整判断：资本开支变现、持续存在的杠杆，以及 AI 资产之间不断上升的相关性。

第一个问题是变现。超大规模云服务商必须展示，基础设施支出如何转化为云收入、广告收益、订阅增长或内部成本降低。关于未来生产率的宽泛说法无法提供足够证据。

投资者应比较资本支出与新增营收、营业收入之间的关系。他们也应关注折旧，因为服务器和网络设备会在其使用寿命内产生费用。硬件快速更换可能使这一负担更加显著。

会计确认的时间差可能暂时美化这一故事。公司建设数据中心时现金便会流出，而折旧则分摊至未来的损益表中。收入可能逐步到来，或仍难以直接归因于 AI。

第二个问题是杠杆。对冲基金降低了敞口，但 Goldman 表示持仓尚未完全出清。杠杆 ETF 和期权活动也仍是市场的结构性特征，而非暂时性的参与者。

一段更平静的时期可能迅速吸引风险重新回归。如果波动性下降、价格回升，基金可能重建头寸，散户交易者可能重返看涨期权，杠杆产品也可能吸引新资产。这一过程可能在不同价格水平上重建同样的脆弱性。

第三个问题是相关性。Lin 将股票相关性上升列为去风险化后需要关注的关键信号。如果相关性保持低位，盈利和公司自身的执行力可以驱动回报。如果相关性急剧上升，宏观压力可能再次压倒基本面差异。

近期一个备受关注的 AI 投资组合清盘事件展现了这一风险。Axios 报道称，Situational Awareness 在 AI 股票遭受重大亏损之际，向 Citadel 出售了其公开股票持仓。其经历并不预示又一次清盘，但显示了集中敞口如何传导压力。

AI 基金出售也让“持仓下降自动利多”的观点变得更复杂。一部分卖出会改善未来市场平衡。另一部分卖出则可能表明，亏损、融资压力或赎回问题仍未解决。

另一个不确定性涉及需求的构成。训练前沿模型需要庞大的集群，而推理会将计算需求分散到已部署的产品中。向推理转变可以扩大需求，但也可能使不同的硬件和软件供应商受益。

效率提升带来了额外的权衡。更好的芯片、优化的模型和更便宜的推理可以降低每项任务的成本。较低成本可能扩大使用量，但如果需求增长不够快，也可能降低供应商的收入预期。

电力可用性可能限制两方面的发展。数据中心需要电力、输电容量、冷却和许可。强劲的芯片订单并不保证建成的系统能够按计划通电运行。

地缘政治政策仍是另一个变量。出口管制、关税以及美中技术限制，都可能改变先进处理器和制造设备的需求。它们也可能加速替代性供应链的发展，而这些供应链会争夺资本。

这些不确定性都不会否定 Goldman 关于市场条件已改善的结论。它们解释了为何改善后的条件应被描述为更好的布局，而非一个已经得到解决的投资逻辑。

盘整论最有力的证据将来自更具区分度的价格反应。如果订单强劲、利润率改善的公司跑赢较弱同行，市场正重新回归基本面甄别。如果整个板块继续同步波动，持仓因素仍占主导。

未来三个月需要关注的三个信号

下一阶段将由超大规模云服务商的回报、对冲基金敞口，以及 AI 个股之间的相关性决定。

第一个信号是资本支出的转化。即将公布的超大规模云服务商业绩应披露支出计划，并提供证据表明 AI 产能正在产生收入或可衡量的效率提升。

投资者应关注云业务增长、AI 服务需求、营业利润率和管理层指引的变化。资本支出上升并伴随营收改善，将强化 Goldman 的盘整论。资本支出上升却没有更清晰的回报，则会削弱这一观点。

这种区分很重要，因为基础设施供应商可能在其最大客户建立起有吸引力的经济效益之前就交出优异业绩。市场需要交易双方的证据。

高盛自身的交易员将超大规模云服务商的财报视为近期最关键的考验。Lin 表示，他正关注支出趋势，以及将资本开支转化为新增营收和利润的进展。这一标准比单纯维持投资力度更为严格。

第二个信号是对冲基金是否重新建立敞口。抛售后的仓位大约处于第 60 至第 65 百分位区间，表明仍有买入空间，但也意味着市场并非从极度防御的仓位开始。

若在财报支持下逐步增加敞口，将进一步印证此次调整已清除了脆弱杠杆。若迅速回到此前高位，则会在基本面证据尚未来得及改善前，再次形成拥挤交易。

除对冲基金外，ETF 资产规模和期权仓位也值得关注。杠杆型和反向产品若持续增长，将增加围绕高波动证券的机械性交易规模。

第三个信号是股票相关性。低相关性将表明，投资者正在区分赢家与经营较弱的企业。这也会让主动管理者拥有更大空间，围绕公司特定的基本面进行交易。

相关性若大幅上升，则意味着 AI 板块再次表现为一个加杠杆的宏观头寸。在这种环境下，即使是优质公司也可能下跌，因为投资者会卖出流动性较好的持仓以降低整体风险。

这些信号应结合起来解读。更好的超大规模云服务商经济效益可以为重新建立敞口提供依据。适度的敞口有助于维持有序的价格发现。低相关性则能让盈利质量决定哪些股票会复苏。

相反的组合将带来风险。变现疲软、杠杆快速回归以及相关性上升，都会削弱“近期暴跌只是一次健康调整”的说法。

rsshub 的 36kr 快讯捕捉到了高盛观点中乐观的一面，但该行的公开分析也给出了必要条件。强劲的盈利和更清晰的仓位状况能够改善市场格局，但并不能消除估值、杠杆或执行风险。

对于开发者、企业买家和 AI 产品用户而言，这场市场辩论具有实际影响。持续的基础设施周期可以降低推理成本并扩大可用算力。支出放缓则可能推迟数据中心建设、限制资源获取，并迫使服务提供商优先处理盈利性工作负载。

因此，企业团队应将产品经济性与金融市场一同关注。真实部署的增长比股价动能提供更有力的证据。当不断扩大的 token 使用量能够带来经常性收入和可量化的业务成果时，高盛的论点就更具说服力。

AI 交易无需再经历一轮不间断的上涨才能保持完好。它需要的是一个更平静的市场，让盈利能够赶上预期。未来三个月，请关注资本支出是否产生回报、杠杆是否以负责任的方式重建，以及个股是否开始根据自身业绩独立交易。