近期AI交易热度持续攀升。今日A股市场表现亮眼，长鑫科技涨幅超过6%，联讯仪器上涨逾7%，股价重返2600元关口，“易中天”板块大幅走强。通信ETF、科创成长ETF及创业板人工智能ETF涨幅均超过5%。
韩国市场同样热闹非凡，SK海力士涨幅超过8%，三星电子上涨5.68%。相比之下，上周五美国标普500指数虽有所回落，但费城半导体指数却逆势上扬，涨幅超过3%。个股方面，闪迪大涨近12%，美光与希捷均上涨约6%，存储芯片ETF（DRAM）涨近7%。科技赛道在全球范围内持续“造富”，推动全球亿万富翁人数飙升至3795人，创下历史新高。
一组造富数据引发广泛关注。财富研究机构Altrata发布的《亿万富豪普查2026》显示，2025年全球亿万富豪人数达到3795人，同比增长8.2%，创下五年来最快增速。根据Altrata的定义，资产净额达到10亿美元即为亿万富翁。同年，亿万富翁总财富额同比增长12.8%，达到15.1万亿美元，同样刷新历史纪录，这一数字接近美国标普500指数成分股总市值的四分之一。AI浪潮无疑是这轮财富膨胀的核心推手。
在对全球亿万富豪财富贡献最大的150家上市公司中，过去五年大规模投入AI的企业，其市值增速比其他企业高出23%。这一轮AI造富，首先体现在股价上。随着公司股价上涨，创始人和大股东的持股价值随之提升。富豪榜上某位大佬一天增加数十亿美元，并非银行账户突然进账，而是其持有的股票价值比昨天更高。这解释了两个看似矛盾的现象：尽管全球富豪财富增长了12.8%，但许多普通人并未明显感到变富。因为股票上涨带来的财富，天然更倾向于持有大量股权的人群。AI不仅创造了财富，更将财富快速推向金字塔顶端。
全球身家超过500亿美元的29位“超级富豪”，合计掌握4.1万亿美元，占亿万富豪总财富的27.2%，这一比例较2017年的7.2%大幅攀升。真正推动富豪榜创新高的，主要是创始人、大股东及头部资本。OpenAI成立约十年，最新一轮融资估值已达8520亿美元；AI编程平台Cursor成立不足四年，其母公司Anysphere便以600亿美元被SpaceX收购。工业时代打造巨头往往需要一代人，互联网时代耗时十年，而AI时代可能仅需三五年即可完成一次财富跃迁。技术、算力与资本这三种稀缺要素叠加，构成了AI时代最猛烈的财富放大器。
随着AI热潮蔓延，华尔街也出现了不同的声音。美国银行首席策略师Hartnett发出警告称，全球债券收益率升至近二十年来高位，正成为AI资本支出狂潮的致命威胁。Hartnett还指出一个被市场忽视的风险：若美国民主党同时拿下参众两院，泡沫恐将被引爆，而华尔街尚未对此进行充分计价。AI最大的对手，或许并非另一个模型，而是一张不断上升的利率表。
近期，10年期美债收益率一度升至4.81%，30年期升至5.31%。对普通公司而言，这是融资成本；对AI行业而言，这更是估值的地心引力。AI基础设施是一笔典型的“今天投入、未来回收”的生意。芯片、机房、电网及长期电力合同都需要当下投入真金白银，回报则取决于未来的调用量、收费能力及企业采用速度。长债收益率越高，未来利润折算到今天的价值就越低；借款成本越高，数据中心的回本门槛也越大。
Hartnett还点出了一个尚未充分计入当前资产价格的政治风险：美国中期选举。在其情景分析中，若民主党同时拿下参众两院，美国企业可能面临更高税收和更严监管，AI产业政策也可能随之改变。据其估计，这一情景可能导致美股下跌超过10%，美元走弱，债券收益率下行，从而使拥挤的AI交易遭遇明显冲击。
与此同时，国际评级机构标普也对AI资本支出发出信用警告。标普估计，Alphabet、亚马逊、微软、Meta、甲骨文和SpaceX这六家超大规模企业，2025年至2030年的资本开支合计可能超过7万亿美元。棘手的是，这六家公司均未量化披露AI投资回报率。标普的基础假设偏乐观，认为这些科技巨头大概率清楚自身方向，投入最终能转化为利润。
然而，再强的资产负债表也无法无限叠加债务和错综复杂的产业链循环融资。标普测算显示，若盈利没有明显提升或资本开支迟迟不降，亚马逊的AA评级可能在2027年前后承压；甲骨文目前评级为BBB-，若被下调一级，将跌入高收益债券区间，其约1170亿美元的指数合资格美元债也将面临重新定价。
更复杂的是，AI行业已形成一张彼此嵌套的融资网络。芯片公司投资模型公司，模型公司向云厂商购买算力，云厂商再向芯片公司下单；数据中心则通过合资公司、特殊目的载体、长期租约和剩余价值担保进行融资。需求旺盛时，每一环都在为下一环证明繁荣；而一旦需求低于预期，同一张网络也会放大波动。
全球资本正以前所未有的规模押注同一个未来。AI技术的持续进步与资产风险，从来不是两件矛盾的事。铁路和互联网都曾真实改变世界，但并非每个项目都兑现了估值。伟大的技术革命往往伴随着激进的资本投入。产业方向可以正确，但价格、杠杆和兑现时间仍可能出错。过去几年，市场最关心模型是否更聪明；接下来需要回答的问题更加现实：投入多少钱、产生多少收入、多久能变成自由现金流，如果回报晚两年，谁来承担利息和折旧？眼下的AI，正从“能力验证”走向更为艰难的“财务验证”。