AI交易需要从半导体单边领涨转向更均衡的价值分配

概览

本报告是JPMorgan Global Markets Strategy旗下Flows & Liquidity系列，核心讨论AI交易内部的轮动必要性，并同时更新美国流动性、跨资产资金流、仓位、ETF流、做空兴趣和加密市场风险。报告指出，自去年9月以来，AI芯片和存储相关半导体股票几乎持续跑赢hyperscalers，这一差距在长期看不太可持续。JPMorgan的house view偏向更正面的收敛路径，即AI变现、收入和利润改善后，hyperscalers、AI模型提供商和终端用户能够获得更大份额的AI价值增量。

核心观点

核心观点有三点。第一，AI交易需要从半导体单边强势转向更均衡的价值分配，否则若半导体盈利建立在客户承压之上，可能压低hyperscalers和模型提供商的资本开支意愿，并最终成为半导体需求的逆风。第二，市场已开始通过做空兴趣和信用利差表达对hyperscalers的担忧，尤其是5至6月hyperscalers和部分半导体股票做空兴趣上升，但AI adoption beneficiaries尚未出现类似压力。第三，美国货币创造速度强于名义GDP，对美国金融资产尤其是美股仍构成流动性支持，但非银投资者现金配置较低，使市场在遭遇负面冲击时更脆弱。

分析框架

报告结合相对股价表现、Bloomberg自下而上分析师capex共识、JPMorgan自身AI capex预测、市场市值与销售份额、股票与信用市场表现、做空兴趣、AI算力和LLM token价格、美国M2代理指标、银行和美联储资产负债表以及跨资产仓位监测来评估AI交易和流动性环境。其分析重点不是给出单一股票推荐，而是识别资金流、仓位和宏观流动性对资产价格的边际影响。

方法论与常识提炼

• 跨资产仓位Cross Asset Positioning Monitor

  跨资产仓位百分位

  该框架将期货投机仓位、动量信号、共同基金beta、风险平价仓位、对冲基金beta、客户调查、全球非银投资者资产配置和做空兴趣等指标聚合为0至1之间的当前百分位，用于判断各资产类别仓位拥挤度。

• AI资本开支Hyperscaler capex consensus comparison

  共识capex与JPMorgan预测对比

  报告使用Bloomberg汇总的自下而上分析师共识来观察hyperscalers资本开支路径，并与JPMorgan分析师对2027年$1,150bn的预测进行对比，以判断半导体需求风险。

• 市场情绪Short interest monitor

  做空兴趣占流通股比例

  报告比较hyperscalers、剔除存储的半导体、JPM AI adoption beneficiaries basket和JPM AI vulnerable basket的做空兴趣，作为市场对AI交易不同环节担忧程度的代理指标。

• 流动性US M2 proxy

  美国货币供给代理指标

  报告以美国商业银行存款与美国货币市场基金AUM之和代理美国M2存量，并据此衡量货币创造速度对金融资产的支持。

• AI变现AI compute and LLM token pricing monitor

  算力价格与token价格

  报告跟踪NVIDIA Hopper GPU租赁价格和LLM token支出指数，认为算力价格是hyperscalers能否从AI资本开支中维持或提升利润率的关键。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• AI半导体股票

  AI交易中的领先受益资产，但相对hyperscalers的持续跑赢被认为难以长期维持。

  优势

  受益于AI芯片、存储和数据中心投资需求，2026年hyperscalers capex增速仍强。

  劣势

  若客户端资本开支从2027年开始明显放缓，半导体需求和估值可能承压。

  对比

  相对hyperscalers表现显著强势，但该分化已经引发市场对可持续性的质疑。

  风险

  capex下修、AI变现不及预期、做空兴趣上升、信用市场压力传导。

• Hyperscalers

  AI资本开支的主要需求端，也是AI价值分配能否再平衡的关键。

  优势

  若AI变现改善，收入、利润和估值有望追赶半导体。

  劣势

  股价过去一年大致持平、出现估值压缩，信用利差相对半导体扩大，资本成本上升。

  对比

  相对半导体显著落后，是AI轮动的潜在受益方，也是负面情景的压力来源。

  风险

  2027年后capex增速大幅放缓、融资成本上升、算力价格改善不足。

• 美国股票

  受美国货币创造和流动性扩张支持的主要风险资产。

  优势

  美国M2代理指标扩张速度强于名义GDP，历史上通常支撑金融资产。

  劣势

  全球非银投资者现金配置偏低，遇到重大负面冲击时可能被迫重建现金。

  对比

  相对债券和现金，流动性扩张更直接支持美股等风险资产。

  风险

  宏观冲击、政策再定价、地缘政治、通胀或关税冲击导致现金需求上升。

• Bitcoin和加密资产

  受到MicroStrategy资本结构政策和比特币买卖行为影响。

  优势

  弱情绪可能形成逆向看多信号，若MicroStrategy提高美元储备且美国市场结构立法获批，下半年可能改善。

  劣势

  MicroStrategy出售BTC支付股息使市场从单向买入预期转向双向流动风险。

  对比

  相对黄金等贬值交易资产，比特币额外受到大型持有人政策变化影响。

  风险

  MicroStrategy继续卖币、美元储备不足、立法延迟、加密市场波动上升。

关键数据

• 美国货币创造2025年约$1.6tr，2026年至今年化约$1.8tr报告认为美国货币创造速度正在从2025年的$1.6tr进一步提升至2026年的$1.8tr年化速度。
• 2024年美国货币供给扩张约$1.2tr以美国商业银行存款加美国货币市场基金AUM代理的美国M2在2024年强劲增加。
• 2023年5月至2024年底累计美国货币供给增加约$2.2tr或9.6%报告称2023年5月至2024年底累计增加$2.2tr。
• hyperscalers 2027年capex预测JPMorgan预测$1,150bn，共识预测$925bn若共识所隐含的2027年后资本开支明显放缓兑现，半导体和AI交易可能承压。
• MicroStrategy比特币持仓影响持有约4%比特币供应量；年初至今购买$13.7bn BTC报告称其年初至今购买量约占JPMorgan估算整体数字资产流量的70%。
• MicroStrategy美元储备当前约$2.55bn，覆盖约17个月股息JPMorgan认为需要24至36个月覆盖度才能让投资者更放心其无需近期出售比特币。
• 跨资产仓位百分位股票0.72，政府债0.73，美元0.81，欧洲股票0.90，日本股票0.81，黄金0.40，比特币0.51截至2026年6月30日，百分位越高表示相对历史区间越靠近高位。

影响与含义

对投资含义而言，AI交易的风险不在于AI主题消失，而在于价值分配过度集中于半导体后，可能引发客户端资本开支、融资成本和市场情绪的反作用。正面路径需要hyperscalers和AI模型提供商通过更好的算力定价、token价格和商业化收入证明其资本开支回报；负面路径则是capex下修导致半导体需求预期回落，并拖累AI相关股票和信用资产。美国流动性扩张对风险资产仍有支撑，但低现金配置提高了外部冲击下的脆弱性。加密资产方面，MicroStrategy由单向买入者变成潜在卖出者，会提高比特币市场的波动和不确定性。

风险

• hyperscalers资本开支从2027年起大幅放缓，导致半导体需求预期下修。
• 半导体相对hyperscalers的估值和表现分化继续扩大，引发市场技术面和情绪问题。
• AI算力价格或LLM token价格改善不持续，削弱hyperscalers的AI资本开支回报。
• 低现金配置使风险资产在负面冲击下更容易出现去风险和现金重建压力。
• MicroStrategy出售BTC或未能将美元储备提升至24至36个月覆盖度，导致比特币双向流动风险持续。
• 美国市场结构立法若继续卡在国会，可能压制加密市场下半年修复。

后续跟踪

• hyperscalers 2027年及以后capex指引与Bloomberg共识是否继续下修。
• JPMorgan预测的2027年$1,150bn hyperscaler capex与市场共识$925bn之间的差距如何收敛。
• AI算力租赁价格，尤其是NVIDIA Hopper H100和H200 GPU价格走势。
• LLM token价格和AI模型提供商的商业化收入变化。
• hyperscalers、半导体、AI adoption beneficiaries和AI vulnerable companies的做空兴趣变化。
• 美国商业银行资产扩张、美联储资产负债表变化以及美国M2代理指标增速。
• MicroStrategy美元储备覆盖月数、是否继续出售BTC以及是否通过普通股发行补充储备。
• 美国加密市场结构立法进展。