AI基建正在經歷一輪市場層面的壓力測試。過去兩周，中美硬科技板塊表現明顯分化，市場圍繞高額資本開支能否持續、Token支出指數持續回調等問題分歧加劇。長江證券策略團隊認為，這場分歧更像是對AI基建的一次壓力測試，而非行情的終結。

資本開支增速放緩與Token支出指數回調，是本輪市場分歧的兩條主線。長江證券在7月18日的報告中指出，CapEx放緩並不必然導致硬件行情結束，而Token支出指數的回調，折射出市場正從"技術可行性交易"轉向"經濟可行性交易"——投資者開始要求AI證明其創造可持續收入的能力，而非僅僅消耗算力。

上述邏輯轉變對資產配置具有直接影響。該團隊判斷，AI行情的主線正從"上游硬件貝塔"切換至"真正稀缺環節"與"應用收入兌現"，即從CapEx交易進入ROI交易。映射至A股，HBM、先進封裝、高速光互連等稀缺硬件方向更可能在調整後重新獲得溢價，而普通服務器、普通存儲及高估值擁擠交易則面臨更大壓力。

中美硬科技分化：國產算力鏈逆勢靠前

2026年6月29日至7月9日，在科技方向擁擠度達到歷史高位的背景下，中美硬科技板塊出現不同程度回調，內部分化顯著。

國內方面，光模塊等海外算力方向大幅回調，但隨着長鑫科技IPO臨近，擴產確定性預期支撐下，半導體等國產算力鏈方向表現靠前。海外方面，三星、海力士等存儲巨頭同步大幅回調，但英偉達、蘋果等企業表現相對靠前。

長江證券認為，這一分化格局的背後，是市場對高額CapEx支出能否持續的討論明顯升溫，科技板塊整體擁擠度已處於歷史高位，由此觸發了本輪對AI基建的系統性壓力測試。

壓力測試之一：資本開支增速放緩

CapEx增速放緩是本輪市場分歧的核心觸發因素之一。從北美主要雲廠商的資本開支數據與前瞻指引來看，2027年整體資本開支增速或將邊際下滑。

長江證券援引2010年代移動互聯網行情的歷史覆盤指出，資本開支增速頂部拐點通常領先市場高點約一個季度。在行情起步階段，TMT各子行業資本開支增速見頂的先後順序為：通信>電子>計算機=傳媒；而在行情尾聲，軟件端資本開支增速先於硬件端回落，指數在所有行業增速均頂部回落後約一個季度開始下跌。

然而，該團隊強調，CapEx放緩是否演變為硬件行情拐點，取決於三個條件：收入端是否同步放緩、供給端是否全面釋放、以及孖展鏈條是否出現斷裂。當前AI鏈條已進入"第一次CapEx焦慮階段"，短期需降低對中上游普漲的預期，但在Token需求、雲AI收入和推理場景尚未被證僞前，AI周期或仍在延續。

新能源車產業鏈的歷史經驗同樣提供了參照。覆盤顯示，產業上升周期中，即便滲透率增速放緩，上游高毛利率往往仍能維持一段時期，細分行業彈性排序呈現上游>中游>下游的規律。這一格局直至上游毛利率確立下滑趨勢後纔會逆轉。

落地至本輪AI浪潮，長江證券認為，關鍵變量在於2027年資本開支能否上修，而這取決於兩點：AI模型迭代能否突破線性預期、打開新的算力需求範式；以及應用端能否加速兌現ROI，推動資本開支從"囤卡式投入"轉變為"真實消耗性擴張"。

壓力測試之二：Token支出指數回調

2026年6月以來，LLM Token Index（每百萬Token支付價格）持續回調，但與此同時，全球Token使用量絕對值仍維持小幅增長。這一背離信號，是本輪市場分歧的第二條主線。

長江證券將這一現象解讀為AI交易邏輯的結構性切換：市場並非因為擔憂AI算力需求而調整，而是開始要求AI證明其不只是能消耗Token，更要能以更低成本創造可持續收入。換言之，AI正從技術可行性交易轉向經濟可行性交易。

從模型定價層面看，閉源大模型（以Claude Opus系列為例）價格維持在相對高位，而開源大模型（以DeepSeek V系列為例）價格大幅下調且顯著低於閉源模型，兩者分化加劇。與此同時，北美主要雲廠商（微軟、谷歌、甲骨文、亞馬遜、Meta）營收增速逐漸回升，海外頭部大模型廠商ARR亦呈加速上升態勢，表明AI商業化進程仍在推進。

該團隊指出，市場正從第一階段的"只要能用AI，就願意付高價"，轉向第二階段的"只有能創造ROI的AI，才願意持續付費"。這一轉變將降低前沿模型的無差別溢價，壓縮部分過度樂觀的硬件估值，但同時也將推動低成本模型、模型路由、推理優化和企業級AI應用的擴張。

主線切換：稀缺硬件與應用收入成新錨

綜合兩項壓力測試，長江證券認為，本輪分歧標誌着AI投資主線正在發生切換，市場關注點逐漸轉向應用端營收確定性與高端硬件稀缺性。

映射至A股，該團隊明確區分了受益與受壓方向：普通服務器、普通存儲和高估值擁擠交易最容易受到衝擊；而真正稀缺的HBM、先進封裝、高速光互連等方向，更可能在調整後重新獲得溢價。

從更長周期來看，長江證券認為不能簡單將CapEx放緩等同於AI周期結束。本輪AI應用趨勢在過去10至20年間已積累了堅實的硬件基礎——涵蓋通訊基建（2010-2013年）、半導體設備材料（2020年）、雲計算（2020年）、新能源車（2021年）等多輪產業周期——疊加本輪AI大模型自2024年以來的持續迭代，下一輪AI應用行情或已"蓄勢待發"。

該團隊同時提示三項主要風險：歷史經驗對未來指引效果有限；財報季北美大廠資本開支若低於預期，市場波動或加劇；以及若Anthropic等AI大模型廠商ARR數據不及預期，科技方向波動或同步加劇。