AI估值重置:为何智能体需求值得重新审视

OpenRouter 的 token 使用量已接近 1 月的 25 倍,而 AI 股票已大幅回调。本文基于可靠信源,审视智能体需求、超大规模云厂商资本开支、信用风险以及一份十只 AI 基础设施股票的观察名单。

2026年11月20日 · AI基础设施 · 研究观察名单,非交易指令 随着投资者质疑超大规模云厂商的资本开支、融资成本及AI投资回报,AI股票正被重新定价。这种审视是健康的。但需求侧的发展速度比看空叙事所暗示的更快。 更有用的问题已不再是简单的"超大规模云厂商花了多少钱?",而是"AI系统完成了多少有用的工作,且这一工作量如何变化?"以此衡量,最新数据令人瞩目。 需求信号正变得难以忽视 OpenRout er 报告称,2026年10月处理了790万亿个token,较9月增长37%,几乎是1月交易量的25倍。智能体 AP I密钥生成了10月76%的token,而一年前这一比例为8%。 这并非整个AI市场。OpenRouter只是一个路由平台,且token计数包含提示词和补全token。然而,其方向和量级提供了一个独立于芯片制造商营收 指引 的有用实时信号。 三项变化至关重要: AI编程已跨越实用性门槛。 编程助手已存在多年,但更强大的模型如今能完成更长、更可靠的任务,而非仅仅提供代码片段建议。完成的任务越多,意味着更多的推理会话。 智能体正成为工作量乘数。 一个运行时间更长的智能体不会只发出一次请求。它会规划、检索上下文、调用工具、检查结果并重试。因此,同一个用户目标可能产生多次模型调用。 工具生态系统已为智能体做好准备。 MCP、编程工具、搜索、数据库和企业连接器为智能体提供了更多执行有用工作的方法。更好的工具扩大了具有经济价值的任务范围——以及完成这些任务所需的推理量。 AI编程还具有 二阶效应 。用这些工具构建的每一个新应用或AI服务都可能创造额外的用户、工作流和推理需求。初始的编程会话未必是算力需求的终点;它可能是一个新生产工作负载的起点。 智能正成为按量计费的投入品 组织首次能够以token和算力为计量单位,按需购买机器智能作为投入品。这改变了需求问题的性质。不存在明显的固定任务库存:当智能变得更便宜、更快速或更强大时,用户可将其应用于此前不经济的领域。 更高质量的输出本身可能需要更多资源。系统可以推理更长时间、检索更多上下文、验证答案、模拟替代方案或并行运行多个智能体。用户也可能选择更好的答案,而非仅仅以更低价格购买同样的答案。这就是为什么单位价格下降未必降低总支出;它们可以释放足够多的新使用量,从而扩大市场。 这一主张并非智能需求真的无限,也非指数级增长必然实现。预算和经济回报仍然重要。这一主张是:有用的智能没有明显的近期饱和点,不像成熟大宗商品那样;且早期使用数据与一种由能力扩展驱动的采用曲线相符,而非一次性技术试验。 为何内存是核心约束 内存不仅仅是外围组件。 HBM 容量和带宽帮助加速器处理更大的模型、更长的上下文、更大的键值缓存以及更多并发推理会话。额外内存可提升吞吐量,并使那些原本缓慢、不可用或需要更碎片化基础设施的工作负载得以实现。更好的利用率可改善整个加速器部署的经济性。 内存本身并不会自动提升答案质量;模型设计、训练和推理方法仍决定能力。但内存可以消除部署最强大模型并大规模高效服务的实际约束。 这就是为什么MU和SKHY是该论点中具有吸引力的候选标的。它们处于潜在的供给瓶颈,而非仅仅押注哪种应用胜出。如果对强大智能的需求持续超过HBM和先进内存的供给, 定价权 可能留在供应商手中。风险则相反:产能增加、良率提升或需求失望最终可能将稀缺性重新变为内存周期下行。 运营方拥有比外部评论者更好的信息 最有力的需求论据或许是云厂商自身的行为。当美国和中国的超大规模云厂商各自独立得出结论认为需要更多算力时,它们依据的是外部人士不具备的信息:当前利用率、客户谈判、 订单簿 、产品路线图,以及可能领先公开系统数代的内部模型经验。 这与外部评论者根据近期股价下跌进行外推的证据基础截然不同。这些公司同时看到需求和技术方向。它们的资本开支决策是重大承诺,而非随意观点。如果一群成熟的竞争对手尽管商业模式和国内市场条件各异,却得出相似结论,那么忽视这些证据需要非常有力的反论。 质疑运营方的技术判断与质疑市场的投资逻辑之间也存在重要区别。既尊重运营方的信息优势,又认为投资者相对AI的未来实用性而言高估了近期资本开支、利率和信贷新闻的影响,这两者完全一致。 投资者剩下的问题不是"这些公司愚蠢吗?",而是"这笔投资将获得什么回报、何时到来,以及股价中已计入了什么价格?"运营方可以理性地接受较低的近期回报以捍卫战略平台。即便每一项技术预测都被证明正确,共同竞争压力也可能导致产能过剩。需求、能力和股东回报相互关联,但并不等同。 因此适当的应对是对外部需求预测保持谦逊——而非放弃估值纪律。内部人士的资本开支承诺应增强我们对真实需求和技术进步存在的信心;投资决策仍需考量变现能力、时机、资产负债表容量以及可接受的入场价格。 Token增长不等于利润增长 这一区别至关重要。OpenRouter还报告称,自1月以来,每百万token的有效价格对闭源模型下降了57%,对开源模型下降了70%。缓存、模型组合和竞争正在降低单位成本。 模型提供商与云厂商处于不同的经济层次 模型提供商的每token价格包含的远不止原始算力:模型开发、训练、研究、安全、软件和支持。云厂商则可通过加速器时间、计算单元、网络、存储及相关基础设施变现。因此,LLM提供商的token价格下降并不机械地要求云厂商每计算单元收费同等下降。 这一区别很重要,因为token通缩可与有韧性的基础设施利润率共存。如果更低的应用价格刺激了足够多的使用量,云厂商可从更高的利用率和总算力需求中受益,即便模型提供商为竞争牺牲部分利润。 但云厂商利润率并非自动受到保护。预留实例折扣、客户议价、折旧计划、能源成本、竞争和利用率仍然重要。同时销售第一方模型或按token定价的托管推理的超大规模云厂商参与两个层次,可能选择补贴一个以支持另一个。因此正确的检验不是仅看token价格,而是每计算单元 收入 、利用率、基础设施成本和已部署产能的现金回报。 价格下降可以刺激需求,同时限制每单位算力的收入。因此投资者需要将token增长与以下因素联系起来: 付费利用率 和客户留存; 加速器和内存利用率; 云收入和 积压订单 ; 扣除 推理成本 后的 毛利率 ; 以及扣除资本开支后的 自由现金流 。 看涨理由不是"token增长,因此每只AI股票都赢"。而是快速增长的实用工作使基础设施需求周期比纯粹投机性解读所暗示的更为持久。 资本开支是理性反应——但并非免费通行证 如果需求增长快于可用产能,更高的资本开支是正常的投资反应。摩根大通指出,五家美国超大规模云厂商2026年估计资本开支已达6970亿美元,同时警告资本开支占其运营 现金流 的比例已从2023年的33%升至2026年估计的93%。同一分析发现,更高的资本开支只有在伴随更高的收入预期时才会得到回报。这是正确的纪律。 信贷担忧也值得更多关注,而非被轻视。更高的利率、债务发行和长期承诺可能降低股权价值,即便终端需求是真实的。融资结构、 客户集中度 和循环供应商安排仍需审视。 Anthropic的IPO展示了可观的股权市场胃口:其定价为每股83美元,高于其指示区间,首日收盘价为97.17美元。但同一交易日纳斯达克下跌2.3%。成功的IPO是获得资本的证据,而非信贷风险已消失的证据。 此次重置正在创造更具选择性的入场窗口 此次调整意义重大。基于stockfinancedata的2026年未调整月度高点和11月19日收盘价: | 公司 | 代码 | 2026年高点 | 11月19日收盘 | 价格回撤 | |---|---|---:|---:|---:| | 美光 | MU | $1,255.00 | $690.44 | 45% | | AMD | AMD | $658.52 | $489.19 | 26% | | 腾讯 | 0700.HK | HK$639.00 | HK$348.40 | 45% | | 英伟达 | NVDA | $243.37 | $145.98 | 40% | | 博通 | AVGO | $495.00 | $346.65 | 30% | 这些是价格 回撤 ,并非声称每家公司盈利倍数以相同百分比收缩。入场吸引力仍取决于盈利持久性和相对现实前瞻假设的估值。 覆盖AI技术栈的研究观察名单 原始候选标的——MU、SKHY、AMD和腾讯——涵盖内存、加速器和亚洲应用/云平台。增加其他瓶颈可降低对单一产品周期的依赖。 | 公司 | 代码 | 在论点中的角色 | 需监测的主要问题 | |---|---|---|---| | 美光 | MU | HBM和内存定价 | 周期性、产能增加和合同转化 | | SK海力士 | SKHY | HBM规模和先进内存 | ADR溢价/折价、汇率、韩国上市联动和资本开支 | | AMD | AMD | 替代AI加速器和CPU | 执行、软件采用及当前中国指控 | | 腾讯 | 0700.HK | AI应用、广告和云 | 变现与AI成本增长;中国监管 | | 英伟达 | NVDA | 商用加速器和系统 | 估值、竞争、治理和客户集中度 | | 博通 | AVGO | 定制加速器和网络 | 超大规模客户集中度和项目时机 | | 台积电 | TSM | 先进制程和封装 | 地缘政治、产能经济性和节点执行 | | Arista | ANET | 连接AI集群的以太网架构 | 云集中度和网络竞争 | | Vertiv | VRT | 电力传输和热管理 | 积压订单转化、产能和估值敏感性 | 该观察名单的部分标的已有基本面信号。博通报告第三季度AI半导体营收增长221%。腾讯第三季度财报称,企业服务增长由云服务收入增长35%驱动,其基础是AI需求。这些观察比将"AI"视为一个无差别的交易更有用。 在最新做空报告涉及中国相关敞口后,AMD需要特别谨慎。这些指控应被调查,而非被视为监管结论——也不应因更广泛论点具有吸引力而被忽视。 Oscar CCI辩论增添了哪些内容 O sca r AI委员会对AMD的审查得出了刻意选择性的结论。它接受在盈利拐点期前瞻盈利比滚动 市盈率 更具信息量,但拒绝对从token增长直接跳跃到AMD利润的任何推断。英伟达的软件生态系统和超大规模云厂商的 定制芯片 可能在AMD之前捕获增量推理的很大份额。 委员会还强调了 投资组合 构建要点:MU和SKHY基本上是相同的内存周期敞口,而AMD增加了不同的加速器执行风险,腾讯增加了应用/云和中国监管向量。因此AMD是该观察名单内的分散化标的,而非自动成为最佳独立持仓。 最后, CC I将中国报告、相关法律调查和高管 减持 视为需要审查的活跃风险。其结论是谨慎和分阶段的——并非无条件背书。这也是对更广泛重置的适当态度。 什么会令机会论点失效? 如果以下情况出现,入场理由将减弱: 智能体token增长连续数月显著放缓,且无季节性因素或定价解释; 推理价格下降超过交易量增长并压缩供应商经济性; 云客户削减订单、延迟交付或减少积压订单; 内存和加速器供给超过需求,导致价格压力; 资本开支上升但收入、利用率或自由现金流未相应改善; 或信贷利差和融资成本持续上升快于运营现金生成。 这些是可观察的检验。它们使论点可被证伪,而非依赖于对AI的热情。 结论 市场对资本开支和信贷的担忧是理性的。将这些担忧视为AI需求疲软的证据则是一个不同的——且日益可疑的——跳跃。 25倍的token增长、智能体工作负载主导、编程能力提升和工具生态成熟,这些组合支持更强的需求解读。当这些数据与美中两国信息充分的运营方投入自身资本增加算力相结合时,举证责任日益落在怀疑者身上,要解释为何这些证据应被忽视。因此,近期重置值得认真考虑为选择性研究和分阶段入场的机会,尤其是在内存、网络、制造和电力瓶颈领域。 这不是不加区分地买入每只AI相关股票的信号。机会在于利用更低价格,同时要求证据表明使用量能转化为有利可图、持久的现金流。 来源与方法 OpenRouter 2026年10月数据回顾 OpenRouter:Token格局现状 摩根大通资产管理:科技与AI展望 Anthropic IPO公告 Investopedia:11月19日市场回顾 腾讯2026年第三季度业绩 博通2026财年第三季度业绩 历史未调整价格:stockfinancedata,截至2026年11月19日的月度观察值。回撤计算自各序列2026年月度高点至11月19日收盘价。 本文仅供研究和教育目的,不构成个性化投资建议。观察名单不含隐含权重、价格目标或回报保证。 额外观察名单纳入:Cloudflare(NET) Cloudfl ar e将投资组合扩展至边缘计算、推理交付以及AI应用触达用户的开发者平台。它以应用交付层补充了内存、加速器和数据中心基础设施。关键监测点是使用量变现、基础设施利用率、资本开支以及附加于该增长的溢价估值。