一、美股：当前不是恐慌的时刻，也不是正常时刻。这是一个需要"有纪律地贪婪"的过渡期：在战争持续时做好防守，在停火曙光出现时准备果断出击。


二、全球科技政策地图：

1. 中国科技政策进入“强预期+强投资”的新周期；日韩台科技供应链：在中美之间“做多硬件，做空地缘”；欧洲科技：监管与产业“错位”的双轨。

三、全球AI全栈产业链：从“概念”走向“基础设施”，2026年有望成为"硅光子商转元年"。

四、AI变现路径:Token经济学重塑生产力。

——本周歌斐CIO核心观点

一、上周美股市场回到“现金流与安全边际”

01宏观数据层：CPI降温掩盖滞胀风险升温

3月12日公布的美国2月总体CPI：同比2.8%（预期2.9%，前值3.0%），环比0.2%（前值0.5%）；核心CPI：同比3.1%（预期3.2%，前值3.3%），环比0.2%（前值0.4%）；失业率从4.3%升至4.4%，劳动参与率从62.5%降至62.0%。

📍CIO视角：就业失速与油价飙升形成了“棘手的滞胀风险组合”， 摩根大通模型显示，油价每上涨10%，美国核心PCE将上升0.1个百分点，GDP增速下降0.2个百分点：当前油价已从70美元区间跃升至100美元以上，完全对冲了CPI降温的利好，美联储陷入降息可能助长通胀、不降息则放任就业恶化的两难境地。美股2023–2025三年形成的“AI+低通胀+低利率”估值范式，正被“AI+高地缘+中高利率”的新范式替代。

02 整体市场以及科技板块内部持续分化：

数据来源：万德、alphaengine、歌斐资产

今年以来，美股HALO交易与美股科技走出持续剪刀差走势，而科技板块内部的再平衡也尤为突出。硬件链条费城半导体板块因整体实际业绩大超预期而相对强势，至上周五录得近9个点正收益，主要得益于AI相关资本开支保持韧性，如Oracle强劲的AI计算业务带动股价走高，Nvidia宣布追加20亿美元用于建设数据中心等。相比之下，部分软件与互联网公司在资本开支、盈利指引和业务节奏上的表态偏谨慎，如Adobe管理层变动与指引下修、Salesforce大规模债券发行需求偏弱，使得纳指100至上周五下跌近5个点，而M7指数因大幅资本开支被市场质疑变现能力而下跌近9个点。

03地缘冲突与能源冲击：

中东冲突持续升级，美国与伊朗双方释放强硬信号，导致油价显著走高。布伦特原油多次站上100美元，WTI原油在经历急跌后迅速反弹，逼近三年高位。油价飙升引发市场对通胀路径的担忧重新升温，能源冲击可能使美联储更难忽视短期价格压力，加大政策两难。04私募信贷流动性压力：私募信贷市场的流动性压力升温，部分大型机构披露较大敞口。

全球最大资产管理公司贝莱德宣布限制旗下规模260亿美元的HPS企业贷款基金的投资者赎回，黑石私募信贷基金遭遇创纪录撤资。过去三年，私募信贷以10%-14%的高利率疯狂输血，将大量算力项目打包成债，全球私募信贷规模从2020年1.2万亿美元飙升至2025年预计的2.8万亿美元。

📍CIO视角：上周最重要的变化，是市场重新回到了“油价—通胀—联储—估值”的老逻辑。周五10年期美债收益率升至4.28%，比战争开始前的3.97%明显上移；“现在几乎所有资产都在跟着原油走”。这意味着科技股的压力，本质不是产业逻辑被证伪，而是折现率被重新上修，久期资产先挨打。换句话说，市场并没有放弃科技，只是把定价权从“远期想象力”切回到“短期现金流”和“宏观抗压能力”。



二、美股：滞胀阴影下的资产重定价

本周影响美股核心要素，已在日历上的“确定性变量”：

3月18日（周二）：英伟达（NVDA）GPU技术大会（GTC，周一至周四），黄仁勋将于美国东部时间周一下午2点发表主题演讲，随后周二将举行分析师问答环节。大会是否超预期将直接影响美股科技波动方向；

3月19-20日：美联储FOMC议息会议（尽管3月不降息已成共识，但鲍威尔对"滞胀"风险的表态将决定美债收益率走向）;

美伊战争进展：霍尔木兹海峡护航联盟是否成形，伊朗是否报复升级（市场已price in长期化风险），对油价的关注点在于原油供应链是否受到重大打击；

Q1财报季预热：台积电、美光等供应链龙头指引将验证AI资本开支韧性；

下周将是宏观数据密集的一周，多国央行决议将成为焦点，包括澳洲联储（周二）、美联储与加拿大央行（周三）、日本央行、瑞典央行、英国央行及欧洲央行（周四）；

周五将迎来四巫日（股票指数期货与期权、单只股票期权与期货同时到期），市场波动可能进一步加剧。

📍CIO视角：现阶段最不该做的，是把这轮下跌简单理解为“AI结束了”。更准确的表述是，中东油价冲击把全球市场重新拖回宏观定价，全球资产正在围绕“伊朗战争+AI+关税+通胀再平衡”重定价。下周真正决定方向的，不是某一个标题新闻，而是三件事能否同时成立：油价边际稳定、美联储议席会议没有明显转鹰、GTC/美光重新证明AI基础设施的订单与盈利兑现进程。

当前不是恐慌的时刻，也不是正常时刻。这是一个需要"有纪律地贪婪"的过渡期：在战争持续时做好防守，在停火曙光出现时准备果断出击。

三、全球科技政策地图

01中国科技与高端装备：政策“强预期+强投资”的新周期

国家方向明确转向“AI+硬科技”：中国新版中长期规划提出，要在2030年前让AI嵌入90%的经济活动，并尽可能脱离对美高端芯片依赖。这意味着：数据中心、算力基建、光模块与交换机将是阶段性高景气赛道，高端装备如光刻、刻蚀、检测等国产替代需求持续存在。

02 日韩台科技供应链：在中美之间“做多硬件，做空地缘”

台湾：民主供应链的核心制造环节台湾与美国签署重大关税与AI合作协议，承诺对美AI与半导体投资达 $2500亿；台湾行政当局提出要主导“民主高科技供应链”，与美国共建AI战略伙伴关系。

韩国：AI内存与本土AI生态的双轮驱动韩国政府强调扩大对本土AI产品的公共采购；SK海力士、三星在HBM、GDDR等内存领域成为NVIDIA及新兴AI芯片公司的关键供应商；同时，韩国也担心伊朗危机可能影响关键芯片材料供应。

日本：从材料与设备向系统级AI投资扩张日本计划将芯片与AI投资放大至原来的4倍，加强经济安全与技术主权，对应板块包括：半导体材料（光刻胶、硅片）、功率器件、汽车电子与机器人。

03 欧洲科技：监管与产业“错位”的双轨

监管：AI Act+双用途技术监管，全球最严之一AI Act正式推进，未来几年将全面约束高风险AI场景，同时，欧盟将AI、半导体等纳入双用途技术管制体系。

产业：以设备与标准“卡位”全球AI链上游SML：High-NA EUV光刻机订单受台积电1.6nm工艺需求支撑，但2026年产能已售罄，交付周期延长至18个月；

欧洲芯片法案：受美伊战争影响，欧盟加速推进半导体供应链"战略自主"，减少对中东能源与亚洲制造的依赖。

四、全球AI全栈产业链：从“概念”走向“基础设施”

当前，AI科技全产业链正处于深刻的重构与分化阶段，中美在AI全栈产业链上的竞争与合作，以及日韩台欧洲供应链的动态，成为影响全球科技格局的关键。

01英伟达GTC 2026：从GPU到AI工厂，GTC 2026的技术临界点

3月16日英伟达年度开发者大会GTC 2026在加州圣何塞开幕，黄仁勋于太平洋时间3月16日11:00（北京时间3月17日凌晨02:00）发表主题演讲。本次大会被业界视为AI算力从训练向推理、从芯片向系统、从通用向垂直场景转变的关键节点。

核心发布预期：

📍CIO视角：GTC 2026标志着"算力即服务"（AI Foundry）模式的成熟，英伟达正从芯片供应商转型为AI基础设施运营商。CPO（共封装光学）技术从研发测试走向大规模商用，2026年有望成为"硅光子商转元年"。

02中美AI全栈产业链对比

大模型与底层技术：中美大模型头部厂商已进入“并跑”阶段，性能差距显著收窄。全球具备全栈自研能力的厂商高度集中于中美，依托算力、数据与资本持续推动技术边界。未来物理式AI时代，中美有望形成双引擎格局。

硬件与基础设施： 在硬件层面，尽管中国在AI芯片上存在差距，但凭借光模块的全球主导地位与深度绑定北美算力供应链，构建起独特的系统性竞争优势。美国方面，AI驱动的电力与基础设施投资需求持续放大，用电量增速已超过GDP增长，市场关注点正从“科技叙事”转向重资产的“硬件现实”。

应用与商业化： 中国在软件应用方面展现出差异化韧性。而美国市场对AI的商业化回报产生担忧，2026年前五家科技巨头AI相关投资预计达7000亿，全行业AI投资总规模预计达1万亿，巨额投资能否实现合理商业回报是当前投资者关注的核心问题。

03日韩台科技AI供应链动态

半导体制造与封装： 台湾地区在高端芯片代工领域占据主导地位，但面临地缘政治风险。霍尔木兹海峡长期封锁可能导致台积电产能下降，进而影响英伟达等AI基建龙头的产能，引发AI板块的系统性风险。

存储与核心设备： 韩国在存储芯片领域、日本在核心设备和材料领域获得资金持续流入。然而，韩国股市受油价暴涨影响出现暴跌熔断，其背后的原因是从油价-通胀-利率-AI成本的传导路径，高企的能源成本挤压了出口导向型经济的利润空间。

04欧洲AI视角

欧洲在科技领域的关注点逐渐向核能等清洁能源转移。上周欧盟设立2亿欧元核能担保资金，以支持相关技术发展。在AI产业链中，欧洲主要扮演部分细分领域技术提供者和重要消费市场的角色，但在核心算力和大模型方面相对依赖中美。

五、AI变现路径:Token经济学重塑生产力

01核心判断：AI的重心正在从“聊天”转向“生产力系统”

在评估人工智能产业的商业化进程时，资本市场长期受困于“高昂资本开支（CAPEX）与模糊应用变现”之间的错位。然而，站在当前时点深度审视产业底层运行机制，我们认为AI的商业本质已经发生了根本性的范式转移：AI的变现路径已彻底摒弃传统的“软件即服务（SaaS）订阅”框架，全面转向以“Token”为核心计价与消耗单位的工业化生产模式。

Token是AI时代的基础能源与计价货币： 每一个大模型产品都会将输入和输出拆分为“最小语义处理单元”，即Token。Token不再仅仅是自然语言处理的技术术语，而是等同于工业时代的水、电、煤，是驱动“AI员工”和自动化工作流的核心燃料。

变现的本质是“能源-算力-Token”的工业化套利： AI竞争的终局是大厂与独立巨头之间“AI工厂”的效率之争。其核心商业模式是通过极高效率的算力基础设施，将底层的电力转化为高附加值的Token，并向千行百业输出，从而实现指数级的利润转化。

Agent（智能体）引爆“Token通胀”： 随着AI应用从单轮对话（Chat）向自主规划与执行（Agent）跃迁，单任务的Token消耗量呈现百倍甚至万倍的乘数级扩张。这种由生产力转型带来的真实需求爆发，是支撑上游算力持续投入的唯一底层逻辑。

📍CIO视角：AI已经演变为一种重资产、高杠杆的“新型制造业”，AI产业正经历从"对话即产品"向"Token即生产力"的历史性转变。Token不再仅是计费单位，而是成为AI时代的新型生产资料，其价值链条覆盖AI能源、创造（算力/算法）、输送（云服务）、消耗（应用/Agent）全环节。未来5年，Token消耗量将决定AI企业的收入规模，而Token成本效率将决定其盈利边界。02先纠偏：Token很重要，但它不是最终价值本身。

Token 是大模型处理信息的基础计量单位，但不是最终商品。“中文环境下，1汉字≈1Token，英文环境下1词≈1.3Tokens。这决定了中文AI应用在同等语义表达下具有成本效率优势。

因此，Token 在 AI 时代更像“电表度数”“CPU 时长”或“集装箱吞吐量”。它是成本核算单位、调度单位、容量规划单位，也是商业计费单位；但客户真正愿意付钱的，永远不是“我买了多少 token”，而是“我少雇了多少人、节省了多少时间、减少了多少错误、增加了多少收入”。这决定了一个关键结论：Token 是 AI 时代的水、电、煤，但利润最厚的环节，通常不是直接卖水电煤，而是把水电煤转化成可交付的生产结果。

📍CIO视角：当Token成为生产要素，其价格波动将直接影响下游应用的毛利率。未来Token 会越来越便宜，所以“单纯卖通用推理能力”会越来越像批发市场，“Token价格下降”反而会推高总需求，因为便宜，AI会被接入越来越多的流程，总需求反而更大。尤其在 agents 场景下，一次任务不再只是“一问一答”，而是“长上下文 + 多轮规划 + 工具调用 + 检索 + 重试 + 审核 + 记忆”。需求从“聊天次数”升级为“工作流吞吐量”之后，Token 就不只是文本消耗，而是数字劳动的燃料。03未来AI盈利的第一条路径：造Token——算力、云、模型与能源
第一条盈利路径，是站在最上游“创造 Token”的位置上赚钱，也就是芯片、服务器、数据中心、云基础设施、基础模型、训练与推理平台。今天这条线已经完全工业化。今天围绕 AI 的竞争，确实已是工业体系与工业生态之争。这条路径虽然利润体量可能极大，却也最重资产、最吃供给链、最依赖规模利用率。上游赚的不是“Token数量”本身，而是“高可靠、低延迟、强合规、可预留”的工业化供给能力。

04第二条盈利路径：输Token——路由、缓存、检索、编排、治理与控制平面

如果说上游像发电厂，那么中游就像电网与管网。这个层面不直接“发明智能”，但决定智能能否便宜、稳定、安全地送到业务现场。未来非常大的利润池，会出现在这里。因为企业真正的痛点不是“接一个模型 API”，而是如何在成本、时延、准确率、权限、安全、审计、数据边界之间做系统平衡。未来企业会像管理员工、服务器、预算那样管理 agent，这本身就会形成新的软件收入。

05第三条盈利路径：用Token——Copilot、垂直SaaS与“AI员工”

真正长期最性感的盈利路径，在下游应用层。因为这里可以把 Token 从“成本单位”重新包装成“结果单位”。今天市场已经出现三种清晰的定价范式。第一种是席位制X/用户/月;第二种是按动作或对话计费,这层最重要的商业逻辑是：客户买的不是 AI，而是数字劳动。06谁最容易赚到钱：不是谁最靠近模型，而是谁最靠近结果。

从长期看，AI 产业链的利润分布大概率会呈现“上游大体量、中游强粘性、下游高定价权”的格局。上游算力和云会拿走很大的绝对利润，因为门槛高、投入重、供给集中；但基础模型层本身会面临性能收敛和价格下行带来的持续压力。Stanford AI Index 已经显示，模型之间的前沿差距在缩小、推理价格在急剧下降，这会让“只转卖通用模型能力”的公司越来越难守住毛利。相反，谁能掌握客户数据、流程入口、身份权限、治理框架、结果 SLA，谁就更有机会把 Token 从低毛利商品变成高毛利服务。

因此，最弱的一类模式，其实是“纯 Token 二道贩子”：没有自有数据、没有工作流入口、没有治理控制、没有行业 know-how，只做简单模型套壳与转售。最强的一类模式，则通常具备三个要素：第一，能把最便宜的 Token 以最优路径调度出来；第二，能把 Token 接进真实业务数据和权限体系；第三，能把最终交付单位从“回答”升级为“完成”。这也是为什么今天头部厂商都在同时建设模型层、知识层、路由层、控制层与分发层，而不是停留在单一 Chat 产品上。07结论：Token是AI时代的“水电煤”，但不能只停留在“卖煤”。

总结起来，Token 的确会成为 AI 时代最基础的生产资料之一；但未来真正的大钱，不是单纯靠“卖 Token”赚到，而是靠以最低成本创造 Token、以最高效率输送 Token、再把 Token 组织成可审计、可治理、可交付的数字劳动赚到。今天的行业迹象已经非常明确：企业 AI 采用率在提升，agent 在扩张，模型价格在下降，算力资本开支在飙升，控制平面在成型，结果导向的定价在出现。AI 正在从“会聊天的产品”演化为“可计量、可管理、可雇佣的生产力系统”。谁能把 Token 变成工作结果，谁就最有机会在新 AI 时代完成盈利闭环。Token不再是成本，而是投资。当每家企业开始像管理电力预算一样管理Token预算，当每个AI员工都有清晰的Token绩效指标，真正的AI生产力时代才算到来。

风险提示：

本材料为市场资讯分享，不构成任何投资建议或承诺。歌斐资产保证本材料所载资料具有可靠的数据来源，歌斐资产尽合理努力确保资料不存在虚假记载、误导性陈述或重大遗漏。

本材料中观点仅代表本材料出具时或本材料中明确列明时点之时的市场观点，本材料中歌斐资产可能作出前瞻性陈述，其中包括宏观预测、行业预测、股票预测等陈述，均仅用于展示歌斐资产的研究成果、选股策略、选股方法等，不构成对相关行业、相关股票或指数的推介信息。前瞻性陈述涉及众多不确定性因素，多项因素可能导致实际结果与任何前瞻性陈述中所载结果有重大差异，投资者不应将本观点视为作出投资决策的惟一参考因素，亦不应认为可以取代自己的判断，投资者自行承担任何投资行为的风险与后果。市场有风险，投资需谨慎。

 
除本页条款外，本文件其他内容不具有法律约束力、不构成法律协议的一部分、不应被视为亦不构成向任何人士发出的要约或要约邀请，歌斐资产不保证会接受任何投资意愿。歌斐资产对本文件所载任何信息的准确性或完整性不作任何明示或暗示的声明或保证。