2026年资产配置月报：AI叙事和地缘引发的“高噪音”

市场主题：技术革命往事与 AI 未来

回顾：宏观高噪音，资产波动放大

美伊局势升温压制全球风险偏好，IEEPA 关税裁决带来阶段性扰动，AI 叙事变化带来结构 性分化行情。海外方面，美国经济增长维持韧性，通胀压力压制降息预期，AI 盈利担忧持 续、美伊局势紧张等令美股整体高位承压，科技股内部结构性分化明显，整体呈“硬件强 VS 软件弱”格局。避险情绪推动美债收益率下行，2 月收益率曲线平坦化。国内方面，国 产大模型“百花齐放”+地缘风险推高资源品价格，科技、资源等板块上行推动 A 股主要指 数 2 月普涨；赔率改善+流动性充裕推动债市回暖，10 年期国债收益率震荡下行跌破 1.8%。 商品方面，国际局势动荡推动贵金属价格再度大幅上行，AI 需求支撑有色金属价格维持高 位，国内黑色系商品价格走低。后续关注国内外关键宏观数据、国际局势走向、美联储利 率决议、科技等产业趋势。

技术革命往事与 AI 未来

去年 11 月以来，市场对海外 AI 泡沫论的担忧、对科技巨头 Capex 支出的怀疑、对科技革 命“创造式破坏”的恐慌，都在 Citrini 的 AI 末日狂想文章中达到了高潮。2 月 23 日，Citrini 在社交媒体 Substack 上发布了《2028 年全球智能危机》一文，虽然他的逻辑并不新颖、 数据也并不严谨，但其耸人听闻的图景足够抓住眼球，在叙事经济学大行其道的环境下， 进一步放大了短期市场波动，并引发投资者拥抱“HALO”（heavy assets, low obsolescence —— 重资产、低淘汰率）交易。

事实上，海外历次工业或技术革命，几乎都经历过某种程度泡沫的破裂，也有过对创造式 破坏的深切忧虑，甚至出现过“反技术”的抗争（19 世纪“卢德运动”等）。技术是快变 量，资本是加速器，而制度和生产关系是慢变量，新的生产关系的完备可能需要数十年。 著名的论断包括马斯克在 2016 年就曾预言，“2017 年底，一辆特斯拉将完全自主地从洛杉 矶开到纽约”。这些扰动和担忧本就是技术革命演绎的历史规律中必然经历的一部分，甚至 适度泡沫就是人类对创新的奖励机制，而泡沫破裂则扮演了“刹车+引发机制重塑”的角色。

参考熊彼特（Joseph Alois Schumpeter）《经济周期》和佩雷斯（Carlota Perez）《技术 革命与金融资本:泡沫与黄金时代的动力学》等学者的研究，大致可以把 18 世纪后半叶到 本世纪，分为五轮技术革命。分别是： ①始于 18 世纪 70 年代，以阿克莱特建立水力纺纱厂及瓦特改良蒸汽机为标志，确立了机 械化工厂制这一全新的生产组织形式。 ②始于 19 世纪初，以史蒂芬孙的“火箭号”蒸汽机车在铁路上的成功运行为起点，开启了 依靠蒸汽动力与铁路运输实现跨区域扩张的新时代。 ③始于 19 世纪中后期，以卡内基钢铁厂投产及爱迪生改进电灯带来的电气化浪潮为驱动， 构建了以廉价钢铁与电力能源为核心的重工业体系。 ④始于 20 世纪初，以福特 T 型车在底特律量产及石油能源的深度开发为支撑，进入了由内 燃机与流水线大规模生产主导的现代工业期。 ⑤始于 20 世纪中后期，以英特尔微处理器的诞生及随后数字通信技术的全球普及为核心， 实现了由原子向比特迁移的数字化与信息互联革命。

不难发现，技术革命并不只是偶得的发明创造，而是围绕新的生产力和生产关系，构建出 一整套高效协同的产业生态与制度范式，驱动劳动生产率的系统化提高与社会秩序的重构。 每一轮技术革命均围绕“新技术→新产业→新基础设施→新经济范式→新的世界秩序”的 链条展开。 在技术革命的不同阶段，往往呈现不同的特征。英国经济学家佩雷斯将典型的技术革命分 为“两个阶段、四个时期、一个转折点”。 第一、导入阶段：这是新技术的“圈地运动”阶段，分为爆发期和狂热期。爆发阶段，技 术先驱和早期采用者萌芽，传统产业开始受冲击。狂热阶段，金融资本主导，投机盛行， 基础设施过度建设，估值脱离基本面。 第二、转折点：泡沫破裂，大量企业破产，但为制度重构和真正价值创造条件。 第三、拓展阶段：泡沫出清后，依靠狂热期留下的大量基础设施，技术进入“黄金时代”。 协同阶段，生产资本重新主导，技术真正普及，普惠增长。成熟阶段，市场逐渐饱和，创 新边际递减，金融资本寻找新机会，下一次革命的种子萌芽。

技术革命的不同阶段往往有不同的赢家，爆发期主要是技术创新者，狂热期则转为技术应 用者、基础设施、金融投机者，协同期主要受益者是技术整合者和全球化布局者，成熟期 则由技术垄断者和市场适应者主导。爆发期的赢家包括第一轮的理查德·阿克赖特与詹姆 斯·瓦特、第二轮的乔治·史蒂芬森、第三轮的安德鲁·卡内基和托马斯·爱迪生、第四 轮的亨利·福特与约翰·洛克菲勒；狂热期的受益者主要有铁路狂热投机者、钢铁电气托 拉斯并购者、1995-2000 年互联网泡沫中的思科等公司及风险投资家；协同期的受益者主 要是垂直一体化的美国钢铁、通用电气、通用汽车、埃克森，以及平台经济时代的谷歌、 亚马逊、苹果和微软等科技巨头；成熟期的受益者则以各轮垄断寡头为主，如大型铁路集 团、标准化电力巨头、石油“七姐妹”及当前高度集中的 ICT 平台巨头。

参考历次海外技术革命的经验，能帮助我们更好地理解当下 AI 发展的阶段和历史定位： 第一、当前可能正处于以 AI 为代表的新一轮技术革命的狂热期，以 2022 年年底 ChatGPT 问世是 AI 爆发期的标志性事件，近两年大量金融资本涌入 AI 领域、相关基建高速增长。 第二、历史来看，上一轮技术革命的赢家，很难在下一轮技术革命中继续成为最大的受益 方，不过上一轮信息技术革命的赢家，成为了本轮 AI 科技革命的积极推动者之一。 第三、生产关系滞后定律：技术是快变量，制度是慢变量。这种“时差”往往会带来结构 性摩擦，而本轮 AI 科技革命的演进速度可能比历史更快，摩擦成本或会愈发明显。从 Edelson Institute 整体的创新周期来看，每一轮创新周期都比前一轮的时间更短，本轮以 AI、机器人、清洁能源为代表的科技革命的整体进程甚至可能不足 30 年。

第四、从爆发期到协同期或常经历泡沫的破裂过程。金融资本主导下的投资热潮，可能导 致了“循环交易”、估值脱离基本面、投资收益边际递减，此时如果出现关键公司业绩不及 预期、投资步伐放缓或央行收紧货币政策，就可能会引发泡沫破裂和股市下跌。 第五、在爆发期和狂热期的赢家未必能够在协同和成熟期继续跑赢，前者考验的是技术创 新和获取资源的能力，后者则对组织和平台化能力提出了更高的需求。比如网景（Netscape） 定义了浏览器，而微软真正让它成了基础设施。 第六、杰文斯悖论：尽管技术提高了效率，但效率的提升显著降低了资源的实际使用成本， 反而诱发了更大规模的新需求与更广泛的应用场景，这种补偿性的消费增长远超技术节约 的资源量，每一次革命最终都导致了人类对总能源需求的激增。某种程度上，数字化程度 越高，社会对底层物理世界（电力、算力、材料）的依赖就越重，和今天 Agent 环境下对 tokens 的需求的上升相印证。

第七、和导入阶段（爆发期、狂热期）相比，应用阶段可能才是“黄金时代”：增长更稳、 更包容（生活水平飞跃、就业重构），但需政策和制度配合（教育、再培训、反垄断、绿色 法规）。对投资而言，应用阶段寻找赢家的难度会明显下降，长期收益同样可观。 第八、新生产力诞生初期往往会与旧生产力共存，不过一旦新技术突破一定的临界点，新 旧事物转换就会在较短的时间内快速发生。比如 Anthropic 公司核心研究员 Andy Jones 就 提及，蒸汽机诞生后的 120 年里，马的数量几乎没有太大的变化，不过在 1930~1950 年， 美国 90%的马匹几乎是突然消失的。

在历史复盘之外，我们还希望讨论几个关于 AI 未来发展和投资机会的关键问题。 第一、技术进步何时迈过“奇点”？ 暂时难有定论，不过 OpenClaw 等高自主性 Agent 的出现有望支持 Scaling Law 继续生 效甚至加速，机器人与具身智能加速演进，已经能略微窥见“技术奇点”的曙光。根据 METR 测试，2024 年后，模型解决复杂软件任务的持续时长呈现出近乎垂直的指数级拉升，AI 的 自主工程能力正在明显强化。OpenClaw 问世后广受欢迎，在 Github 上的热度反映了“自 主代理”架构正在成为 AI 发展的共识方向。此外，机器人的快速发展也在尝试打通比特→ 原子世界的最后一公里，与 AI 形成协同效应。

第二、软件行业是否会被 AI 颠覆，是否还有投资价值？ 在本轮调整之后，北美软件行业的股票已经相对便宜，短期不排除出现阶段性反弹。经过 2025Q4 以来的调整，美国信息技术行业 PE(forward 12M)已经跌至和必选消费行业基本一 致的水平，2019 年以来这都是一个技术性反弹的信号。

不过长期来看，软件行业或仍是较容易被 AI 颠覆的行业之一，而由于订阅模式等原因，盈 利的调整的速度大概率晚于股价，容易造成估值“虚低”。根据麦肯锡公司研究，科技、传 媒与电信等行业 AI 使用率较高，尤其是科技行业中的 IT、软件工程和服务运营等职能的工 作人员易被替代。过去科技巨头的利润主要来自于规模经济、网络效应、专有技术等壁垒， 在 AI 时代都受到了不同程度的挑战。订阅模式决定了软件公司收入调整会滞后于实际行业 趋势变化，因而容易出现股价显著调整但盈利仍然维持高位的情况，可能有些类似 2000~2010 年受到互联网革命冲击下报业公司的表现。

参考 Nicolas Bustamante 最新长文《10 Years Building Vertical Software: My Take on the Sell-Off》，我们建议可以带着数据是否专有、是否存在监管锁定、是否嵌入现实交易 中这三个问题在软件行业中寻找 alpha 机会。Fintool 创始人 Nicolas Bustamante 最近在 X 平台发布长文探讨 AI 冲击下的软件行业前景，他基于十年构建垂直 SaaS 的经验，剖析了 10 大传统护城河：其中学习型接口、自定义工作流、公共数据访问、人才稀缺、捆绑销售 等 5 项被大语言模型破坏，而专有数据、监管锁定、网络效应、交易嵌入、记录系统等 5 项稳固甚至得以强化。同时，他提出从三个视角评估软件在 AI 时代是否容易被取代：数据 是否专有、是否存在监管锁定、软件是否嵌入现实交易中。对于软件公司来说，如果上述 答案中没有“是”则为高风险、1 个为中风险、2-3 个则相对安全。

第三、AI 上游硬件和技术设施的牛市持续性如何，2026 年是否成为资本开支的顶点？ 历史上来看，技术革命的狂热期往往是大量资本投入+基础设施加速建设的阶段，虽然 AI 数据中心目前的累计总投资并不算太大，但是 2025 年度美国资本开支/GDP 已经打平甚至 超过了历次投资浪潮的高点。不过和铁路建设等相比，数据中心折旧年限明显偏短，比如 服务器设备通常仅 3-5 年，这意味着 AI 基础设施需持续高强度再投资以跟上技术迭代，可 能放大资本密集型风险、加速行业洗牌。具体来看，根据公司指引，2026 年美国头部云厂 商资本开支合计增速超过 70%，2027 年增速可能明显下降。

对市场而言，一旦海外投资增速见顶，可能就意味美股科技股走向阶段性尾声，我们认为 2026H2 需要重点关注如果 2027 年资本开支增速下降，对 AI 上游硬件和基础设施等公司 的拖累效应。复盘 2000 年科网泡沫来看，美国信息处理设备+软件的投资增速同比在 1999Q3 见顶，绝对规模在 2000Q4 见顶，而纳斯达克指数从 2000Q1 开始下跌。

第四、AI 对实体经济的影响究竟多大，会引发海外就业崩盘吗？ AI 本质是总供给扩张，全球来看，长期更多是通缩效应，短期有一定通胀风险，对部分行 业的就业有冲击，不过新旧事物的更替是慢变量，甚至可能在较长时间共存，需要注意金 融市场的负面反馈，比如私募信贷等扰动。 ① 基本面角度来看，长期来看 AI 的本质是总供给能力的系统性抬升，全球来看可能带来 一定的通缩效应；不过短期由于资本开支的上升，或导致耗材涨价和通胀压力。 ② 就业方面，海外科技和软件公司的裁员确实会引发 AI 导致失业率上升的担忧，不过在 宏观上并没有太多证据支持，甚至软件行业的招聘需求在最近几个月逆市上升。 ③ K 型分化的背景下，美国居民在股市资产配置比例创新高，一旦股市大幅下跌，或对实 体经济产生显著负面冲击。近期在市场对巨额资本开支的担忧中，美科技巨头信用违约互 换利差进一步上行，而私募信贷市场显著承压，其中如 Blue Owl 等公司的投资组合中，相 当一部分贷款对象是科技企业。如果 AI 收入端持续不及预期，可能引发较大的市场波动， 并拖累实体经济。

第五、如何在当前时代背景下，理解本轮 AI 科技革命的特殊意义？ 全球秩序解构、法币信用弱化、全球化走向区域化是当前重要的长期背景，AI 可能成为影 响全格局的关键力量，也不免受到国际竞争的影响从而具备更多主权化色彩。美国推动 AI 技术出口以制约他国，其他国家也开始加码投资“主权 AI”，旨在确保本国数据安全与基础 设施自主。此外，AI 可能也是化解全球债务增长、重塑法币信用的关键解药。投资方面， 这种背景下各国对底层资源的争夺可能会更加激烈，AI 核心供应链和耗材等或享有长期溢 价，利好相关资源品和重资产行业。

第六、AI 时代的社会结构和秩序会有何不同？ AI 或进一步放大全球贫富差距，并导致“K”型甚至“L”社会的出现，可能需要相应的政 策、制度以应对。AI 时代价值分配的逻辑从“按劳分配”向“按算力/数据/资本分配”进一 步倾斜，率先掌握技术和资源（算力、耗材）的群体成为极少数的赢家。过去社会橄榄型 结构依靠的是中产人群的专业技能，但是专业技能的部分价值可能会被 AI 快速取代。这可 能会带来 K 型甚至 L 型社会以及社会分配机制的挑战。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）