导语：高盛报告没提的中国Token，将降维打击美国AI巨头“垄断带来超额利润”的叙事，击穿存储价格泡沫？

上个星期，高盛投资级债券交易员Jeffrey Papai在发给客户的报告里，用了一个在华尔街不常见的词“Carnage”，翻译过来就是“惨烈”。

意思是AI超大规模计算商，亚马逊、谷歌、Meta、微软、甲骨文和英伟达，在过去一个月里向债券市场狂砸了750亿美元的新债，但市场已经接不住了，因为债市的承接能力塌缩了三分之二。

紧跟着，高盛信贷策略主管Amanda Lyman也发出警告，她测算的结果是，即便把这批AI公司的融资杠杆拉到和美国大型银行一样的水平，市场理论上也只剩5100亿美元的增量债务空间可以承接。

高盛自己的股票研究团队计算出美国前五大超大规模计算商在2025到2030年的AI资本开支，却总计达5.8万亿美元。

5100亿承接能力，在5.8万亿的融资需求面前，真的是杯水车薪。

问题是，债市快顶不住融资的压力了，巨头们的资本开支为什么还敢肆无忌惮往上狂飙？答案是这场游戏中的所有人都在假设，美国AI将带来垄断级别的超额利润，现在庞大的投入（资本开支）很快就能收回。

图片由AI生成，仅作文字示意

但这个假设的根基，正在被太平洋对岸的Token击穿。

一

Token才是重要指标

Apollo首席经济学家Torsten Slok上个月发出过一个警告，Token价格持续下滑，中国模型在全球最常用模型中的份额及Token使用量均已超越美国同类产品，这使得超大规模计算商的自由现金流前景面临额外压力。

过去比较中美AI的实力，注重的是参数，但参数是实验室成绩，而Token量代表市场投票。谁家的模型被实际调用的次数更多，消耗的Token量就更大，表明谁真正占据了用户。在这个指标上，中国模型是领先的。

这个“领先”，通常的看法是市场份额的扩大，但背后的金融含义及影响，很少有人注意到，却远比技术层面的排名变化更深远。

这意味着什么？意味着即便美国模型在参数和基准测试上仍然领先，它们也不一定是更赚钱的那个。

这对美国AI的影响不亚于技术竞争，直白说就是降维打击。

美国AI巨头的整个商业模式，建立在“我们拥有最强模型，因此可以收取最高溢价”这个叙事之上。更高的价格意味着更高的毛利率，更高的毛利率支撑更高的资本开支，更高的资本开支加固护城河，从而形成并加固一个正循环。

中国模型没有选择这个叙事，即追求参数制高点，然后收取溢价，而是选择了一条不同的路，够用，且便宜。

DeepSeek、通义千问、Kimi、豆包这些模型在大多数日常任务上，体验差距已经小到普通用户感知不到的程度，但它们调用API的价格，只有美国竞品的几分之一甚至几十分之一。

这就让美国AI处于一个尴尬的位置，模型能力确实更强，但强出来的那部分，大多数用户不需要，或者说感觉不值，自然不愿意为它付数倍乃至数十倍的溢价。

换句话说，美国AI“靠垄断赚取超额利润”的叙事遭到降维打击，这种打击的影响，不只是利润受到冲击那么简单。

二

现金流的连锁反应

冲击链是这样的：

首先，Token价格下滑，美国AI巨头云业务收入会缩水。AI推理业务已经是各大云厂商收入增长最快的板块，但Token价格持续走低，即便调用量仍在增长，收入增速也必然放缓。

其次，美国模型定价权被侵蚀。AI增量市场的大头流向成本更低的模型，美国模型无法维持高溢价定价模式，要么跟进降价，要么承受份额流失，无论哪一种，预期的收入都会降低。

第三，收入端承压，增速慢于资本开支增速，自由现金流缺口扩大，这是整个传导链中最致命的一环。

高盛股票研究得出的数字显示，五大超大规模计算商今年的资本开支已经吞噬了这些公司大部分的经营性现金流。

第四，现金流不够，只能借更多债。

摩根士丹利的数据表明，超大规模计算商的整体杠杆率，从2025年第三季度的0.9倍，飙升到了现在的1.8倍，仅用两个多季度就翻了一倍，而且每季度还在以约0.3倍的速度继续攀升，说明AI巨头债务越来越多。

据《华尔街日报》报道，Alphabet、亚马逊、Meta、甲骨文、英伟达和SpaceX六家公司，今年已在全球债券市场累计发行约2440亿美元债券，去年全年是1080亿美元，仅仅半年，就翻超一倍。

借债的胃口越来越大，但债市是有天花板的。

第五，债券市场不堪重负，融资成本加速上升。

这就是高盛喊出“carnage”的真正原因。

Alphabet的10年期债券利差，一周扩大了12个基点；Meta扩大了16个基点，而同期整个投资级债券市场的平均利差，只上升了2个基点。

这个利率波动，就是市场在重新定价AI巨头的信用风险。

利差走高还带来一个直接后果，即利息支出增加，而利息支出增加，会进一步压缩可用于再投资的自由现金流。这么说吧，融资成本上升本身，就是在加速资本开支增速的见顶。

美银首席投资官Michael Hartnett在上周的报告里，把“AI资本开支削减”列为当前市场最大的尾部风险。他描述的触发路径是，出现债券市场“义警”（市场不等评级机构动手，大规模抛售债券，推高利率“惩罚”债券发行方），切断超大规模计算商的流动性供给，迫使它们转向股权融资，削减用工和资本开支。

他顺手列出三个已经在裁员的公司，Meta裁员13%，微软裁员10%，亚马逊则是9%。

Torsten Slok的结论则直白得多，那就是美国AI巨头预期的超额利润受到冲击，将拉长AI回报兑现的时间，导致晚于市场共识预期，从而引发三重连锁反应：现金流与盈利不及预期、“Magnificent 7”股票遭到抛售并拖累大盘，以及超大规模计算商资产负债表持续恶化、信用评级面临下调风险。

三

链条最后一环，存储

这条传导链的终点，不只是AI巨头的股价。

AI资本开支的最大单一投向是什么？数据中心硬件。硬件里的三大件：算力芯片、网络设备、存储。

英伟达的GPU是所有人都看得见的赢家，但存储（HBM高带宽内存、DRAM、NAND闪存）才是这轮AI基建浪潮里涨幅最猛的隐性赢家。

HBM的价格曲线，过去两年比GPU还要陡峭。

这里面的泡沫成分，来自一个关键行为：AI巨头的恐慌性囤货。

AI巨头们担忧供应瓶颈，超额下单囤积芯片。三星、SK海力士、美光的产线被塞满了来自北美数据中心的订单。但这里面有多少是真正部署到服务器上、变成实际算力的？又有多少是躺在仓库里、纯粹为了“占住产能”而下的单？

没有人能给出精确比例。但存储行业的历史反复证明：当恐慌性囤货遇到需求预期反转，价格从来不是软着陆。

一旦便宜的中国Token让美国AI巨头“靠垄断赚取超额利润”的叙事难以为继，债市融资成本上升，巨头们只有砍资本开支一条路。

因为GPU有训练+推理双轮驱动且换代周期短，而存储需求高度依赖“新建数据中心”的增量。削减资本开支时，存量数据中心维持运营不需要大量新增存储，砍存储最不影响短期收入。

所以，资本开支一旦放缓，最先被砍的就是存储，到时存储的价格泡沫是否破裂不言而喻。

高盛对AI债券泡沫的分析，问的是下一笔AI债券由谁来接，但它没有追问一个关键问题，即AI巨头能不能快速赚到还债的钱，让市场继续保持耐心？

5月初，《金融时报》报道摩根大通、摩根士丹利等银行正在四处寻找途径，兜售数据中心债券，但核心买家已经对AI债券的持续涌入产生了抗拒。

彼时AI债务泡沫看起来就已经岌岌可危。

48小时后，高盛发布一份研究报告，标题是《解码智能体经济》，核心观点为智能体AI将推动大模型利润率大幅提升，为债券持有人提供充足的本息偿还保障。叙事的锚点，从“生成式AI”切换到了“智能体AI”。

图片由AI生成，仅作文字示意

市场松了一口气。紧接着，亚马逊完成了370亿美元的发债，这是历史上第四大企业债发行。两个月后，又发了250亿美元债务。SpaceX在IPO之后没几天，也以250亿美元的债券发行叩开了债市大门。

这些报道揭示出一个令人不安的事实，AI债券的发行窗口，与叙事切换高度同步， 当旧叙事撑不住价格时，新的叙事会及时出现，为下一轮更大规模的融资铺路。从生成式AI到智能体AI，下一个叙事是什么？

问题是，如果Token层面的变量继续恶化，即中国模型的使用量份额继续上升，Token价格继续下滑，那么智能体AI所带来的“利润率大幅提升”的叙事如何立住？

可以肯定的是，一旦新故事很快过时，AI去泡沫化的终点不仅是巨头的股价掉头向下，还有现在存储价格的雪崩。

——END——