AI牛市階段研判：總量八大指標與產業雙維體系的創新構建

總量指標體系的創新構建

浙商證券產業研究院創新性提出八大總量指標，用于觀測AI牛市所處階段。該體系涵蓋跨資產指標、流動性指標與估值指標三大類別，從多維度刻畫市場運行狀態?？缳Y產指標包括SPY/DJP（股票相對大宗商品表現）與Discretionary/Staples（可選消費相對必需消費比率），分別反映成長相對通脹的定價以及美國經濟預期與風險偏好。流動性指標涵蓋美元指數（DXY）、3個月商業票據收益率與貸款存款比率KST動量、以及CPI 18個月變化率（ROC），用于刻畫全球美元流動性、金融體系流動性松緊程度以及通脹趨勢的邊際變化。估值指標則包括股息率、保證金余額KST動量與超額CAPE收益率，分別從現金回報水平、杠桿資金變化趨勢以及股票相對無風險債券的估值吸引力三個角度，判斷市場整體估值是否過熱。

產業視角：AI產業鏈進入共振新階段

AI產業鏈按照"數據流動+價值創造"的邏輯劃分為上游基礎設施、中游模型平臺、下游應用落地及支撐服務四個層級。當前產業鏈核心特征在于"上游緊缺漲價與中下游商業閉環"形成共振。下游Agent智能體的爆發正在實質性反哺上游算力需求，頭部大模型公司已跨越單純燒錢階段。GPU租賃市場由買方市場轉向賣方市場，H100、B200等主流型號租賃價格呈現顯著跳漲。需求結構發生根本變化，由訓練主導轉向Agent推理主導，Agent任務token消耗量遠超普通對話，成為算力需求爆發的核心驅動。

商業化閉環與算力需求結構演變

海外大模型公司商業化加速落地，ARR（年度經常性收入）已取代Token消耗成為衡量ROI的核心指標。Anthropic憑借B端企業市場與Coding場景優勢，ARR實現爆發式增長，預計率先實現單季度盈利，AI大模型商業化正式跑通盈利閉環。OpenAI雖ARR規模領先，但推理成本增長顯著，尚未實現盈利。國內大模型公司呈現B端與C端分化格局，智譜AI憑借B端政企客戶優勢ARR約17億元，豆包依托字節流量生態DAU行業領先，MiniMax、月之暗面等C端訂閱與API雙輪驅動，虧損持續收窄。

Token市場的量價兩極分化

Token使用量呈現指數級爆發態勢，國內日均Token調用量突破140萬億。價格走向兩極分化：基礎Token通縮觸發"杰文斯悖論"，DeepSeek V4價格降幅超99%，低價釋放海量長尾需求，總支出不降反升；高端Token具備極強定價權，智譜API定價提升后調用量仍增長400%，Token正從"算力成本"轉為"生產力計價單位"。國內Token調用量高度集中于頭部廠商，豆包、DeepSeek、通義占據主要份額，價格戰使基礎Token價格已逼近成本線。

資本開支擴張與成本曲線剪刀差

北美四大CSP（谷歌、亞馬遜、微軟、Meta）基于下游強勁AI需求與超萬億美元云業務積壓訂單，全面上調2026年資本開支指引，合計預計達6950-7250億美元，同比增長超70%。微軟、谷歌增速接近翻倍或更高，Meta指引上調幅度達73%-101%，谷歌已明確表示2027年資本開支將在2026年高基數上繼續大幅增長。國內方面，阿里三年投入規劃超3800億元聚焦云與AI基礎設施建設，字節跳動AI投入力度行業領先，騰訊維持平穩投入，運營商Capex整體收縮但內部結構性調整——算力/AI投資占比提升。

產業鏈成本曲線的結構性分化

產業鏈形成清晰"上游通脹、下游通縮"價格剪刀差。上游GPU/HBM/先進封裝/電力基礎設施邊際成本曲線持續上行，微軟2026指引明確包含250億美元組件漲價因素；下游單位Token計算成本快速下降，但內存、網絡、電力相關成本上漲直接推高數據中心整體造價。推理單位算力成本與訓練單位成本均呈顯著下降趨勢，而數據中心單瓦造價、電力成本、液冷增量成本持續上行。短期推高算力硬件景氣度；中長期若Agent不能持續創造足夠業務價值，產業利潤閉環將承壓。

中美產業鏈指數編制與盈利分化

構建美股產業鏈指數與國產替代產業鏈指數兩大體系，通過純市值加權、上下游對稱、基期歸一化等方法實現可比性分析。美股產業鏈上游占比約27%，A股產業鏈上游占比約15%，國產替代純度仍有提升空間。盈利分化方面，美國AI產業鏈上游/下游盈利比由低位升至0.55倍，而云計算硬件端/平臺端盈利比持續走低；中國兩類盈利比均處低位，平臺端仍占據絕大部分利潤，反映出國產算力環節盈利釋放尚待突破。

風險提示與觀測要點

當前八大總量指標中，多數處于80%-100%歷史高分位區間，超額CAPE收益率則處于5%-10%歷史極低分位，顯示市場風險補償收窄、估值依賴度偏高。后續需重點跟蹤：CPI 18月ROC是否再度拐頭回升引發通脹上行與流動性收緊；美元指數與商業票據收益率走勢驗證流動性支撐是否持續；保證金余額KST動量是否出現頂背離信號；以及AI產業鏈下游商業化變現速度能否匹配算力擴張節奏。