摘要：于是，一个看似简单却极具分裂性的问题摆在投资者面前：今天的美股，是在透支未来，还是在为一场结构性技术革命提前定价？历史上，这一规律在多个周期中均有体现，包括1929年大萧条前夕、2000年互联网泡沫时期，以及本世纪20年代初期的估值扩张阶段。因此，今天关于美股的讨论，表面上是关于市盈率与资产价格的争论，本质上却是在回答一个更深层的问题：人工智能是否正在成为类似电力与互联网的通用基础设施？
市场正在面临两种不同逻辑的竞争：一种逻辑基于历史均值与盈利回归；另一种逻辑基于技术跃迁与结构重估。
2026年的华尔街，正同时被两种截然不同的力量拉扯。
一种力量来自历史。美国股市总市值与GDP之比（通常被称为“巴菲特指标”）已升至约220%以上的历史极端区间，明显高于长期均值，也接近甚至超过2000年互联网泡沫时期的水平。席勒周期调整市盈率（CAPE）超过40倍，处于150年来最昂贵的历史区间之一。与此同时，标普500指数前十大成份股市值占比已超过40%，市场结构高度集中。从传统金融框架来看，这些指标几乎指向同一个结论：美股估值处于显著高位，且风险溢价偏低。
另一种力量则来自未来。以OpenAI、软银与甲骨文参与的“Stargate”计划为代表，美国AI基础设施投资被市场预期在未来数年可能达到约5000亿美元规模；微软、亚马逊、Alphabet等公司持续扩大AI相关资本开支；与此同时，美国能源部启动“Genesis Mission”，即创世纪计划，旨在利用人工智能加速科学研究、能源体系优化与国家安全能力建设。
在政策层面，人工智能已逐渐被纳入国家竞争力与安全体系的核心议题之中，而不仅是技术或产业问题。于是，一个看似简单却极具分裂性的问题摆在投资者面前：今天的美股，是在透支未来，还是在为一场结构性技术革命提前定价？
估值警报：传统框架为何依然有效
如果回到经典金融理论，这个问题并不复杂。
巴菲特指标的核心逻辑，是用整体市值相对于经济产出，衡量资本市场是否显著偏离实体经济基础。当这一比率长期处于历史高位时，往往意味着未来的回报率会显著下降。
席勒CAPE同样建立在类似的经验基础之上：当周期调整后的盈利估值显著高于历史均值时，未来十年市场回报往往趋于收敛。
历史上，这一规律在多个周期中均有体现，包括1929年大萧条前夕、2000年互联网泡沫时期，以及本世纪20年代初期的估值扩张阶段。
当前市场结构也强化了这一担忧。少数大型科技公司对指数的贡献度持续上升，使得整体指数表现高度依赖少数权重股；在这种结构下，即使指数保持上涨，也可能掩盖更广泛的盈利分化。
从这一视角出发，传统结论依然清晰：美股整体估值偏高，且未来回报面临压力。
范式扰动：AI是否改变了估值的“分母”
然而，这一结论成立的前提，是经济增长与企业盈利仍然遵循相对稳定的结构关系。而AI正在挑战这一假设。
与以往技术周期不同，本轮人工智能的发展被广泛视为一种“通用目的技术”，其潜在影响不局限于单一行业，而可能横跨生产、服务、科研与国防体系。
更重要的是，AI正在同时进入两个系统：其一是企业系统——通过自动化与生成式能力提升生产效率与利润结构；其二是国家系统——通过算力、数据与模型能力强化科技与安全竞争力。
在这一背景下，Genesis Mission等项目的意义，不仅在于推动科研效率提升，更在于将AI能力纳入国家基础设施体系之中。从这个角度看，数据中心、算力网络与模型生态，正在逐渐从“商业资本支出”转变为“战略基础设施投资”。这也意味着，资本市场开始重新评估企业价值的时间尺度。
如果过去估值主要锚定未来3~5年的现金流，那么在AI框架下，部分投资者开始尝试以10~20年甚至更长周期的结构性变化来解释当前价格。
估值为何可能阶段性失效
从历史经验来看，每一次重大技术革命，都会阶段性削弱传统估值模型的解释力。
铁路、电力、互联网早期均曾出现类似现象：资本过度集中、估值显著抬升、传统盈利模型难以解释价格变化。其共同特征并不是“估值不再重要”，而是未来现金流的不确定性急剧上升。
当前AI周期的特殊性在于，它同时具备三种特征：一是生产力提升的不确定性极高；二是资本开支规模极大且高度集中；三是国家安全属性显著增强。
因此，市场正在面临两种不同逻辑的竞争：一种逻辑基于历史均值与盈利回归；另一种逻辑基于技术跃迁与结构重估。前者强调风险与收敛，后者强调扩张与重塑。
两种未来：泡沫与国运的分岔
在第一种情景下，如果AI最终只是渐进式效率提升，那么当前估值水平将被证明过度乐观，未来市场将通过盈利增长放缓或估值回调完成修正。此种情况下，高集中度的市场结构将放大波动，并可能导致指数层面的显著调整。
但在第二种情景下，如果AI确实构成类似电力或互联网级别的基础设施革命，那么当前阶段的大规模资本投入，将更接近于对未来生产体系的提前配置。
在这种逻辑中，数据中心、算力平台与AI生态，不再只是企业资产，而是国家竞争力的组成部分。换言之，投资者购买的并不仅是企业利润，而是在某种程度上参与对未来经济结构与全球技术秩序的定价。
这正是当前争论的核心张力所在：估值模型仍然有效，但适用范围正在被重新定义。
美股是在定价利润，还是在定价国运
从金融学角度看，巴菲特指标与CAPE依然具有强解释力，它们记录的是过去一个多世纪资本市场反复验证的均值回归规律。
但历史同样表明，在重大技术范式转换时期，旧有估值框架往往会经历阶段性失效。问题的关键不在于是否存在泡沫，而在于泡沫之中是否同时孕育着结构性变革。
因此，今天关于美股的讨论，表面上是关于市盈率与资产价格的争论，本质上却是在回答一个更深层的问题：人工智能是否正在成为类似电力与互联网的通用基础设施？美国是否能够借助这一轮技术跃迁，维持其长期全球领先地位？
如果答案是否定的，那么估值终将回归历史均值；但如果答案是肯定的，那么今天的高估值，或许只是对未来秩序的一种提前折现。
最终，这个问题仍然无法由模型回答。它更像一个时代性的判断：美股是在泡沫中狂欢，还是在押注美国未来数十年的国运。
也许，答案仍需交由时间验证。
（作者系马里兰大学教授）
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
市场正在面临两种不同逻辑的竞争：一种逻辑基于历史均值与盈利回归；另一种逻辑基于技术跃迁与结构重估。
2026年的华尔街，正同时被两种截然不同的力量拉扯。
一种力量来自历史。美国股市总市值与GDP之比（通常被称为“巴菲特指标”）已升至约220%以上的历史极端区间，明显高于长期均值，也接近甚至超过2000年互联网泡沫时期的水平。席勒周期调整市盈率（CAPE）超过40倍，处于150年来最昂贵的历史区间之一。与此同时，标普500指数前十大成份股市值占比已超过40%，市场结构高度集中。从传统金融框架来看，这些指标几乎指向同一个结论：美股估值处于显著高位，且风险溢价偏低。
另一种力量则来自未来。以OpenAI、软银与甲骨文参与的“Stargate”计划为代表，美国AI基础设施投资被市场预期在未来数年可能达到约5000亿美元规模；微软、亚马逊、Alphabet等公司持续扩大AI相关资本开支；与此同时，美国能源部启动“Genesis Mission”，即创世纪计划，旨在利用人工智能加速科学研究、能源体系优化与国家安全能力建设。
在政策层面，人工智能已逐渐被纳入国家竞争力与安全体系的核心议题之中，而不仅是技术或产业问题。于是，一个看似简单却极具分裂性的问题摆在投资者面前：今天的美股，是在透支未来，还是在为一场结构性技术革命提前定价？
估值警报：传统框架为何依然有效
如果回到经典金融理论，这个问题并不复杂。
巴菲特指标的核心逻辑，是用整体市值相对于经济产出，衡量资本市场是否显著偏离实体经济基础。当这一比率长期处于历史高位时，往往意味着未来的回报率会显著下降。
席勒CAPE同样建立在类似的经验基础之上：当周期调整后的盈利估值显著高于历史均值时，未来十年市场回报往往趋于收敛。
历史上，这一规律在多个周期中均有体现，包括1929年大萧条前夕、2000年互联网泡沫时期，以及本世纪20年代初期的估值扩张阶段。
当前市场结构也强化了这一担忧。少数大型科技公司对指数的贡献度持续上升，使得整体指数表现高度依赖少数权重股；在这种结构下，即使指数保持上涨，也可能掩盖更广泛的盈利分化。
从这一视角出发，传统结论依然清晰：美股整体估值偏高，且未来回报面临压力。
范式扰动：AI是否改变了估值的“分母”
然而，这一结论成立的前提，是经济增长与企业盈利仍然遵循相对稳定的结构关系。而AI正在挑战这一假设。
与以往技术周期不同，本轮人工智能的发展被广泛视为一种“通用目的技术”，其潜在影响不局限于单一行业，而可能横跨生产、服务、科研与国防体系。
更重要的是，AI正在同时进入两个系统：其一是企业系统——通过自动化与生成式能力提升生产效率与利润结构；其二是国家系统——通过算力、数据与模型能力强化科技与安全竞争力。
在这一背景下，Genesis Mission等项目的意义，不仅在于推动科研效率提升，更在于将AI能力纳入国家基础设施体系之中。从这个角度看，数据中心、算力网络与模型生态，正在逐渐从“商业资本支出”转变为“战略基础设施投资”。这也意味着，资本市场开始重新评估企业价值的时间尺度。
如果过去估值主要锚定未来3~5年的现金流，那么在AI框架下，部分投资者开始尝试以10~20年甚至更长周期的结构性变化来解释当前价格。
估值为何可能阶段性失效
从历史经验来看，每一次重大技术革命，都会阶段性削弱传统估值模型的解释力。
铁路、电力、互联网早期均曾出现类似现象：资本过度集中、估值显著抬升、传统盈利模型难以解释价格变化。其共同特征并不是“估值不再重要”，而是未来现金流的不确定性急剧上升。
当前AI周期的特殊性在于，它同时具备三种特征：一是生产力提升的不确定性极高；二是资本开支规模极大且高度集中；三是国家安全属性显著增强。
因此，市场正在面临两种不同逻辑的竞争：一种逻辑基于历史均值与盈利回归；另一种逻辑基于技术跃迁与结构重估。前者强调风险与收敛，后者强调扩张与重塑。
两种未来：泡沫与国运的分岔
在第一种情景下，如果AI最终只是渐进式效率提升，那么当前估值水平将被证明过度乐观，未来市场将通过盈利增长放缓或估值回调完成修正。此种情况下，高集中度的市场结构将放大波动，并可能导致指数层面的显著调整。
但在第二种情景下，如果AI确实构成类似电力或互联网级别的基础设施革命，那么当前阶段的大规模资本投入，将更接近于对未来生产体系的提前配置。
在这种逻辑中，数据中心、算力平台与AI生态，不再只是企业资产，而是国家竞争力的组成部分。换言之，投资者购买的并不仅是企业利润，而是在某种程度上参与对未来经济结构与全球技术秩序的定价。
这正是当前争论的核心张力所在：估值模型仍然有效，但适用范围正在被重新定义。
美股是在定价利润，还是在定价国运
从金融学角度看，巴菲特指标与CAPE依然具有强解释力，它们记录的是过去一个多世纪资本市场反复验证的均值回归规律。
但历史同样表明，在重大技术范式转换时期，旧有估值框架往往会经历阶段性失效。问题的关键不在于是否存在泡沫，而在于泡沫之中是否同时孕育着结构性变革。
因此，今天关于美股的讨论，表面上是关于市盈率与资产价格的争论，本质上却是在回答一个更深层的问题：人工智能是否正在成为类似电力与互联网的通用基础设施？美国是否能够借助这一轮技术跃迁，维持其长期全球领先地位？
如果答案是否定的，那么估值终将回归历史均值；但如果答案是肯定的，那么今天的高估值，或许只是对未来秩序的一种提前折现。
最终，这个问题仍然无法由模型回答。它更像一个时代性的判断：美股是在泡沫中狂欢，还是在押注美国未来数十年的国运。
也许，答案仍需交由时间验证。
（作者系马里兰大学教授）