民生國計/判斷AI行情拐點三大指標\林彥
隨着本輪AI行情步入白熱化階段，市場預期也從此前的普遍樂觀逐步走向分化，對產業擴張的可持續性判斷開始分歧。在此背景下，如何精準研判本輪AI行情的上行空間與周期拐點，構建可落地的跟蹤觀測框架，成為當前市場的核心命題。
基於AI產業周期的完整傳導邏輯，我們從景氣度、盈利支撐、尾部風險三大維度出發，提煉出三大核心觀測路標，用以系統跟蹤行情運行節奏與拐點信號：
1）跟蹤AI產業景氣度，錨定需求傳導全鏈條。沿「下游商業化應用→中游模型訂閱收入→上游雲廠商資本開支」的傳導路徑，通過Token消耗、年度經常性收入（ARR）、算力資本開支等指標，逐層驗證AI產業景氣的真實強度與可持續性。
2）關注科技巨頭降本增效拐點，研判盈利支撐韌性。追蹤人員優化、費用壓降帶來的降本紅利退坡節奏，一旦降本增效難以為繼，且AI商業化落地未取得明顯成效，那麼大廠利潤率的維繫或面臨一定考驗。
3）NeoCloud尾部風險監測，警惕高槓桿環節的傳導效應。聚焦產業鏈中的高槓桿薄弱環節——以CoreWeave為代表的NeoCloud廠商，跟蹤其債券信用利差、CDS報價等先行信號，監測其尾部風險及其對全板塊的傳導效應。
分析產業上下游景氣度
從產業機理來看，AI產業鏈自上而下分為上游算力基建（芯片、服務器、數據中心等）、中游模型廠商（打通供給與落地的樞紐），以及下游場景應用（終端付費與技術迭代的內生動力）。而本輪AI行情的上漲空間與持續周期，一定程度上由下游終端的付費意願決定。即需求信號整體沿着「下游商業化應用→中游模型調用與訂閱→上游雲廠商資本開支」的路徑逆向傳導。基於此，我們通過以下指標進行跟蹤：
其一，算力等資本開支的增速和斜率，反映上游雲服務廠商供給端擴產意願。2026年首季度五大雲廠商單季度資本開支維持在1400億美元以上，且市場對五大廠商後續季度資本開支的一致預期仍處於上移通道，並未出現明顯放緩趨勢。
後續需關注各大廠季報中對未來兩個季度Capex（資本支出）的指引。若資本開支增速從前期陡峭上行態勢轉向平緩，甚至出現環比停滯，或意味着本輪算力供給擴張已觸及階段性天花板，上游算力硬件產業鏈的訂單景氣度將率先面臨邊際收斂壓力。
其二，ARR用以驗證中游大模型商業化落地的真實兌現水平。相較於季度營收、單次項目收入，ARR剔除了一次性收益擾動，能夠精準反映AI模型、雲服務訂閱業務的可持續增長能力，是中游商業化落地的核心標尺。
當前頭部大模型廠商包括OpenAI、Anthropic等大模型廠商ARR呈現非線性增長態勢。以Anthropic為例，其ARR從2025年底的90億美元躍升至今年5月的470億美元，半年增長超4倍，驗證了「模型能力躍遷→開發者調用放量→收入增長」的邏輯。
這意味着AI產業不完全是「燒錢敘事」，當前已進入盈利兌現的重要階段，這為行情提供中期基本面支撐。後續需持續跟蹤頭部廠商ARR增速，若連續多月邊際放緩乃至轉弱，或預示下游付費需求出現階段性走弱，AI行情可能階段性調整。
其三，終端Token消耗量，作為預判下游需求變化的先行指標。Token作為AI調用、算力消耗的最小計量單位，其加權支出價格、全網消耗總量，是當前最靈敏的下游需求先行指標。當中，Silicon Data發布的大模型Token支出指數，用於衡量市場每消耗100萬枚Token對應的平均付費成本。該指標自去年12月起漲幅超一倍，直至今年5月持續走高，然而6月數據驟然回落，一度引發市場擔憂情緒。（見配圖）
不過，Token定價走弱，未必完全等同於AI整體需求見頂。另一核心可能性在於用戶正主動轉向性價比更高、定價更低的基礎模型，進而拉低整體均價。從OpenRouter披露的全球大模型Token消耗總量數據來看，6月以來全球大模型周度Token總調用量再度大幅衝高，穩定突破45萬億級別，行業整體使用需求並未出現明顯回落跡象。
審視大廠降本增效空間
除產業景氣周期指標和需求端外，成本端即科技巨頭的降本增效進程，是我們判斷AI行情可持續性的第二大核心觀測維度。本輪頭部雲廠商業績普遍維持高增，但階段性盈利改善並非完全來自業務擴張與AI商業化兌現，相當程度依託人員優化、費用壓降等降本手段支撐，盈利韌性存在結構性隱憂。
我們選取甲骨文、谷歌、微軟、Meta、亞馬遜五大全球科技龍頭進行測算。與人員優化高度相關的銷售及管理費用率（五家企業均值），已由2023財年的15%持續回落至2025財年的12%附近，費用壓降效果顯著；對應同期企業營業利潤率自27%抬升至32%以上，也就意味着銷售和管理費用佔比的下降對營業利潤率的邊際增量抬升貢獻了50%以上，成本壓縮成為本輪科技巨頭盈利修復的重要核心變量。
我們再簡單算一筆賬，根據2025至2026年上半年的五家雲廠商公布的裁員公告（不完全統計），近兩年裁員規模約在10萬人左右，假設人均成本在20萬美元，合計約釋放至少200億美元的現金流。而2025財年五家廠商總營收為1.65萬億美元，總營業利潤超4000億美元。粗略估計裁員降低的人力成本，分別佔總營收、總營業利潤的1.2%和5%左右。這意味着，僅裁員這一項舉措釋放的現金流有望為五大巨頭整體的營業利潤率貢獻1個百分點以上的增益。
往後看，隨着人員優化紅利逐步觸頂，降本增效的空間持續收窄，依賴成本端驅動的盈利修復邊際動能將明顯弱化。若AI業務增量無法及時形成盈利接力、對沖成本端紅利的退坡，科技巨頭整體利潤增速將面臨顯著下行約束，AI行情的盈利底層支撐也將隨之鬆動。
留意算力企業債務風險
本輪科企算力擴產周期中，債務融資已成為資本開支的核心資金支撐。在伴隨市場利率中樞上行預期強化，信用違約風險也隨之成為AI產業鏈不可忽視的尾部風險。從當前債市定價來看，儘管長端美債利率持續高位運行，但美國投資級、高收益企業債整體信用利差仍處歷史低位區間，僅對標1996年前後水平，科技板塊信用利差亦未出現趨勢性走闊，反映市場尚未對科技行業定價系統性償債風險，行業整體債務壓力尚可控。
但總量層面的平穩表象，掩蓋了產業鏈內部顯著的結構性分化，AI賽道薄弱環節的信用風險更需重點甄別。分主體來看，頭部科技巨頭依託穩定盈利底座、充裕經營性現金流及多元業務對沖緩衝，債務抗風險能力充足；信用脆弱點主要集中於產業鏈中游、依靠高槓桿快速擴張的新興算力廠商。其中，以CoreWeave、Nebius為代表的NeoCloud（新型AI雲服務商），是本輪AI行情中槓桿力度較大、信用風險較高的板塊之一。
NeoCloud的槓桿模式，本質是「合約現金流＋硬件資產」雙抵押的債務驅動擴張模式。通過綁定頭部AI客戶的長期算力訂單獲得穩定現金流預期，再以此為核心信用基礎疊加GPU實物抵押，撬動大規模低成本債務融資，快速放大算力資本開支，實現「訂單─融資─擴產」的自我強化循環，是AI算力爆發期誕生的金融化擴張「玩法」。
然而，NeoCloud的槓桿模式成立高度依賴外部環境，存在明顯的順周期脆弱性。例如AI算力需求持續高增長、GPU供給維持稀缺性、GPU硬件技術迭代速度可控、算力集群利用率長期維持高位、市場利率處於低位。一旦AI大模型投資退潮，頭部客戶縮減算力採購，利用率下滑等都將直接衝擊NeoCloud公司現金流，疊加利率上移，或導致償債能力迅速惡化，信用危機驟然上升。因此，後續跟蹤NeoCloud板塊債務風險，也是甄別AI需求和尾部風險的重要指標。
（作者為國聯民生證券研究所首席宏觀分析師）
