随着Muse、Astra等最前沿AI智能体工作流系统扩大了能够自动完成的商业任务范围，也使算力需求由单次问答延伸至持续高效率运行的极度复杂智能体工作流，全球AI算力需求预期迎来新一轮井喷式扩张狂潮，这也是近日全球股票市场将AI智能体应用超预期加速普及，转化为SK海力士、三星、美光、英伟达以及AMD、台积电等等一众AI算力产业链领军者以及算力核心供应商增长预期的重要逻辑。
随着AI怀疑论者再次宣告投降，看好AI算力主题的那些交易员们积极探寻科技股未来走势。纳斯达克100指数创下6月以来首个纪录高位的过程，可谓一波三折。如今，推动这一涨势的股市多头们，正在寻找基于史无前例AI基建狂潮的上涨动能不会消退的看涨证据。
华尔街巨头杰富瑞近日表示，在AI投资狂潮和AI相关企业盈利超预期上行的双重引擎驱动下，标普500指数预计将在2026年底飙升至8000点，并在2027年进一步触及9000点。杰富瑞的核心逻辑清晰而有力：在一个AI驱动的盈利增长超过历史平均两倍以上的周期中，与盈利趋势对抗是危险的。杰富瑞的2026年8000点位标普500指数基准预测基于每股收益(EPS)达到373美元(同比增长35%，远高于市场共识的29%)以及21.5倍的市盈率。
近日风靡全球的Meta Muse AI智能体与“比肩AGI”的OpenAI Astra大模型/AI智能体带来的最核心变化，可谓是一次用户指令可以触发持续、多阶段的计算工作。一个研究、编程或办公任务，可能依次包含规划、检索、读取文档、调用工具、执行代码、检查结果和修正错误，其中多个步骤需要重新调用模型，复杂任务还可能采用并行探索与验证，而这类近乎无止境且愈发复杂的AI工作负载会把增长机会加速传导至GPU之外的完整聚焦AI推理负载的算力系统。
基于“杰文斯悖论”(Jevons Paradox)，未来AI计算资源需求总体将因推理端算力成本下行而不断扩大。近期讨论火热所谓的杰文斯效应，又称“杰文斯悖论”，是一个反直觉的经济学理论：当前沿技术进步提高了某种资源(如能源、原材料或AI算力基础设施资源)的使用效率时，它会降低单位成本，从而刺激市场需求大规模扩张，最终导致所有类型资源的总消耗量不降反增。该概念由英国经济学家威廉·斯坦利·杰文斯(William Stanley Jevons)于1865年在《煤炭问题》一书中首次提出。
从AI推理系统架构角度看，Meta Muse主导的更复杂的AI任务往往包含更长上下文、多轮模型调用、工具执行与结果校验：预填充(Prefill)需要处理输入，解码(Decode)持续生成输出，键值缓存(KV Cache)则随上下文和并发规模扩大而占用更多内存，计算吞吐量、内存带宽与容量需要协同提升。因此，随着Meta Muse等前沿智能体进一步引爆AI算力需求，对于AI算力产业核心推论在于，GPU、TPU承接模型计算，CPU承接工具执行与任务编排，HBM、服务器DRAM、存储和高性能网络基础设施、数据中心光互连器件共同支撑数据高效率运输与状态管理;最终需要由一整套完整且未来规模愈发庞大的AI算力服务器集群交付可持续运行的服务。
Meta的Muse以及OpenAI的Astra强化了计算机操作、编程及多步骤化的极度专业工作能力，由此可以推演出的是，AI应用的加速扩张正同时增加“模型思考”和“实际执行工作”所需的基础设施投入。这也是为何随着AI商业化进程大幅改善，瑞银集团的资深分析师团队将全球超大规模云计算厂商及新云类型企业2027年的经营现金流预测大幅上调30%，以及华尔街金融巨头摩根士丹利预计北美四大超级云计算与AI应用厂商们数据中心综合资本开支将从2026年的9170亿美元升至2027年的1.47万亿美元、2028年的1.64万亿美元，同期部署容量预计由2025年的35吉瓦扩大至2028年惊人的145吉瓦。
AI怀疑论者再一次选择投降，全球资金再度涌向科技股
Bloomberg Intelligence 最新汇编的数据显示，股市多头们本季度向聚焦科技板块的美国交易所交易基金(即美股ETF领域)累计投入了高达220亿美元，相比之下，净流入市场其他板块的资金大约为46亿美元，前者约为后者的4.8倍，接近5倍。而美国商品期货交易委员会(CFTC)的最新数据显示，最近，对冲基金将其纳斯达克100指数期货净多头头寸提高至12月以来的最高统计水平。
尽管这项以科技股为主的指数涨势强劲，企业盈利也表现稳健，但围绕中东紧张局势、顽固通胀以及美联储遏制通胀行动的不确定性依然存在。由于市场在很大程度上押注AI算力交易，当前格局意味着容错空间很小。
“鉴于企业盈利十分强劲，投资者仍然对AI基建相关配置主题感到乐观，”总部位于圣路易斯的Argent资本管理公司投资组合经理杰德·埃勒布鲁克表示。该公司超配网络安全、软件和AI芯片领头羊，低配或者做空包括必需消费品和房地产在内的板块。“但要让涨势延续，我们需要继续看到最大型科技公司的盈利预测得到上调。”
如上图所示的那样，史无前例AI热潮之下，美国股票投资者们大举向科技ETF投入资金——本季度约220亿美元流入美国科技ETF;非科技ETF仅吸引46亿美元。
纳斯达克100指数周二收盘实现上涨0.8%，收于创纪录历史最高位，扭转了今年早些时候的一段惨烈跌势——那轮下跌一度令该指数较峰值回落超过10%。标普500指数收盘基本持平，距离重返8月创下的纪录高位不超过0.5%。
华尔街机构投资者们也正在为涨势延续进行布局。高盛主经纪业务部门的数据显示，上周美国股票出现五周以来最大规模的净买入，软件股领衔。美国银行策略师援引EPFR Global数据称，截至9月16日的一周，美国股票基金吸引近640亿美元资金流入，为三个月以来最多。与此同时，现金类资产出现九周以来最大规模的资金流出。
“AI算力主题牛市行情仍有进一步上涨的空间，我们认为投资者短期内不会降低风险敞口，”Bloomberg Intelligence的ETF专题分析师阿萨纳西奥斯·普萨罗法吉斯在电话采访中表示。“流入科技股的资金远未达到极端水平，还不足以构成抛售这些股票的逆向指标。要打断这股上涨动能非常困难。好戏还在继续。”
并非所有人都确信科技股涨势以及资金向AI交易的轮动能够持续。包括贾里德·伍达德和迈克尔·哈特内特在内的美国银行策略师表示，相对于利润增长前景，投资者的持仓显得过于乐观。与此同时，市场广度继续恶化。彭博汇编的数据显示，本月多达6%的标普500指数成分股触及52周新低，上一次出现这种情况是在10月。
大型科技公司的亮眼业绩支撑了美股持续近四年的牛市，而交易员需要看到更多这样的表现，才能证明投入AI基础设施的数十亿美元具有合理性。距离第三季度财报季启动已不到一个月，投资者预计信息技术板块利润将增长64%，相比之下，标普500指数整体利润预计增长24%。
“没有必要持有科技板块以外的大多数板块，”Baird Strategas首席ETF策略师托德·索恩表示。“能源板块在春季经历了一阵短暂的亢奋。消费板块仍受宏观经济不安情绪困扰。医疗保健板块有所改善，但内部差异太大。不过，如果油价继续维持高位，我认为能源将是吸引更多资金流入的板块之一。”
然而，华尔街资深人士仍然记得20世纪70年代以及互联网泡沫时期的经历，当时过度紧缩的货币政策等因素损害了经济。许多交易员也仍记得2022年，美联储从当年3月开始加息，以应对一代人以来最严重的通胀压力。
所有这些因素，都让试图把握资金转向大型科技股这一轮动的交易员更难判断走势：8月和9月历来是股票回报表现最差的月份，却在11月美国中期选举前逆转了季节性弱势。标普500指数上个月上涨2.6%，9月至今又上涨了1%。
“客户会问：‘这轮上涨是不是已经好得太过头了?’”Argent的埃勒布鲁克补充道。“但股市对科技公司的依赖程度已经超过以往任何时候，因此，在配置退休资金时，你必须考虑这一点。”
Muse智能体狂潮点燃新一轮算力需求：万亿美元投资版图与科技股资金回流共振
Muse与Astra强化AI算力需求预期的核心，在于将一次用户指令扩展为持续执行的工作流程：规划、检索、读取资料、编写代码、调用工具和验证结果，可以触发多轮模型计算及软件运行。Meta披露，Muse拥有专用云端虚拟机和浏览器，能够在用户关闭应用后继续工作;OpenAI则为Astra对外部署中的全部工具调用推理增加了行为监测，并明确指出这会产生显著计算开销。因此，智能体商业化同时扩大了“模型思考”和“实际执行任务”的基础设施需求，增长机会覆盖AI加速器、CPU、内存、存储与网络。
从AI Transformer推理架构看，预填充(Prefill)负责处理输入，解码(Decode)逐步生成输出;长上下文、多轮交互与高并发，会同时增加计算、内存容量和数据传输需求。GPU、TPU及其他ASIC承担模型计算，CPU负责工具执行、虚拟机、任务调度与数据处理，HBM和服务器DRAM承载模型及运行状态，企业级存储保存文件、长期记忆和任务记录。
OpenAI披露显示，其Habitat在线存储平台已处理每秒超过7,000万次请求、超过500PB的数据，并承担路由、压缩、加密和校验等CPU密集工作，为AI应用同时拉动CPU与存储提供了实际工程依据。 从实际的庞大AI推理工程角度推演，持续增长的任务量还会通过跨节点通信、服务器扩容和机架功率密度提升，传导至高速互连、供电与散热系统。
模型/智能体效率提高，也可以扩大可商业化的任务范围。Meta工程师的比较测试显示，Muse Spark 1.3相较于1.2，工具调用和Token使用量分别减少约20%和25%。 若同类任务的平均Token用量减少25%，只要任务数量增长超过三分之一，总Token消耗仍会上升;当更高的成功率和更低的执行成本吸引更多用户、更多行业采用AI，这种需求扩张就可能超过效率提升带来的节约。高盛也指出，推理效率改善正在扩大企业能够经济地交给AI处理的任务范围。
瑞银研究摘要显示，其覆盖的12家云计算及AI基础设施企业，2026—2028年资本开支预计分别达到约1.009万亿、1.447万亿和1.619万亿美元，同比增长98.5%、43.5%和11.8%;瑞银同时将2027年经营现金流预测上调30%，体现出其对商业化支撑能力的判断改善。摩根士丹利则预计，超大规模云厂商及AI相关资本开支2027年约为1.2万亿—1.3万亿美元，2028年可能高达1.4万亿美元;高盛9月则将2027年超大规模云厂商支出预测，从3月的1.2万亿美元大幅上调至1.7万亿美元，对于2029年预期则从1.5万亿美元上调至2.1万亿美元。这些预测的覆盖范围和更新时间不同，但共同指向基础设施投资规模继续扩大。
行情与资金流也呈现出科技股重新获得增配的迹象：截至9月22日，费城半导体指数本周上涨约6.44%，较8月24日上涨约11.09%;截至9月23日，韩国KOSPI指数本周上涨约2.71%，较8月24日上涨约5.73%。 与此同时，美国科技ETF本季度吸金220亿美元，非科技ETF仅仅约为46亿美元;截至9月16日的一周，美国股票基金则吸引近640亿美元流入。
整体而言，纳斯达克100指数重返纪录高位背后，可谓是资金回流与盈利增长预期相互积极支撑与共振。投资者们一致预计第三季度信息技术板块利润增长64%，明显高于标普500整体的24%。多头接下来关注的是，大型科技公司的盈利预测能否继续上修，使新增算力投入进一步转化为收入和利润。