文｜一言楠尽

69% 的标普 500 公司已经在用 AI。 能说清它带来了什么的，只有 2%。 一边是几乎全行业的"我们已经上了 AI"，一边是几乎没人算得清这笔账——这就是 a16z《State of Markets》摆在你面前的第一组反差。

在资本市场这一端，同样的错位也在发生：美股一路创历史新高，市盈率却不升反降，压到了5年均值之下。 更反直觉的还在后面：旧 GPU 没报废，反而升值；数据中心没推高你的电费，反而可能让它更便宜；AI 实验室一年的新增收入，盖过了整个上市软件板块；而"AI 消灭入门岗位"的说法，在数据里也没出现…… 我在 a16z的材料里蒸馏了 10 个或许值得你看看的观点。

1. 推动市场的是扎实的盈利

市场不断创新高，但真正把指数往上抬的，是实打实的利润。2026 年，标普 500 的远期市盈率从年初的 22 倍压缩到 20 倍以下——价格在涨，而PE 市盈率的分母（盈利）涨得更快。这意味着，投资者这一年赚到的钱，几乎全部来自企业盈利的增长，估值扩张的贡献接近于零。

这和 2021 年、和 2000 年是两种完全不同的故事。

那两次，回报主要来自"别人愿意出更高的价"；这一次，回报来自公司自己赚到的钱。

换句话说，市场能在"泡沫论"的声浪里持续创新高，底气是财报了，这也是整份报告的第一个判断：我们处在一轮盈利周期里，而不是一轮估值周期的尾声。

2. 科技股涨了两成，估值却比五年均值还低

直觉上，涨得最猛的板块，估值应该最贵。但 2026 年的科技股恰恰相反：年内涨幅超过两成，市盈率却仍显著低于五年和十年的历史均值。

换句话说，大科技上涨的速度，追不上它盈利修复的速度。

这背后是一个被很多人忽略的事实——过去两年市场给科技股的溢价，很大程度上是"预期透支"；而当 AI 真的开始兑现收入时，分母的扩张反而把估值"洗"回了合理区间。a16z 用的词是"全面压缩，尤其科技"。

盈利跑赢股价，在牛市里其实是一种健康的信号，只是它不够刺激，所以很少被当成新闻。

3. Mag 7 跑输了，"其余的科技股"扛起了这一年

你肯定记得2025 年还是七巨头的独角戏，到了 2026 年剧本彻底换了。

标普 500 上半年涨了 9%，而 Mag 7 整体不涨反跌，6 月单月跌了近 9%，是两年多来最差的一个月。真正领跑是谁呢？，是那些"其余科技股"，尤其是半导体——费城半导体指数soxx年内一度跑赢七巨头近 80%。

原因并不复杂。hyperscaler（微软、谷歌、亚马逊、Meta）把利润砸进了 AI 基建，短期压低了自身的自由现金流，于是市场开始给它们的"资本开支"重新定价；所以卖铲子的人——做芯片、做存储、做网络的——稳稳的接住了这笔钱。

这里有个耐人寻味的转折：去年市场奖励"讲故事的人"，今年市场奖励"收钱的人"。当七巨头从"叙事资产"变成"重资产"，市场对它们的耐心，也就just so so 了。

4. 超大规模厂商的资本开支要持续十年

a16z 给出的数字是：hyperscaler 的资本开支，2025 年约 4160 亿美元，2026 年约 7770 亿美元，2027 年约 1.1 万亿美元，到 2030 年仍在 1.2 万亿美元的量级。

请注意这组数字的形状。它几乎是一条被拉平的斜线，是持续十年量级的投入。

高盛 CEO 所罗门算过一笔账：仅 2025 年，四家最大科技公司的资本开支就贡献了美国 GDP 增长的约 1%。把它简单理解成"AI 公司在烧钱"，是一种误读；更准确的说法是，这是美国经济这几年确定性最强的一台发动机。

5. 每一年的预测，都被现实打脸

a16z的高明之处也在于会自己打脸，一年的资本开支，人们对它的估计每年都在往上修。以 2027 年为例，2021 年的共识还只有约 1500 亿美元；到 2026 年 9 月，这个数字已经被上修到约 1.05 万亿美元。仅 2026 年二季度财报季之后，汇丰口径下的共识就分别上修了 1700 亿和 2600 亿美元。

预测的持续失效本身就是种信息，它说明卖方模型对"指数级的需求"存在系统性的低估——我们习惯用线性思维去想象一条指数曲线。

这解释了为什么"AI 泡沫论"几乎每年都会被喊一次，又每年都被数据往后推一年。

说实在的，不是没人在担心，而是担心的人，低估了需求爬坡的速度。

6. 数据中心居然能"降低"你的电费

这是一个最容易反直觉的结论。按常理，数据中心是"电老虎"，巨耗电，它们一来，电价就该涨，很Make sense吧？

但美国电力研究院（EPRI）2026 年一项使用工具变量法的研究发现：一个州的数据中心容量每翻一倍，居民零售电价平均下降约 3.5%；2019 到 2024 年新建的数据中心，让全美平均居民电价相比"没有数据中心"的情形低了大约 6%。

机制说穿了挺容易理解的——电网是自然垄断，固定成本极高，电价回收的是"平均成本"而非"边际成本"，那么当一组稳定的新增负荷抬高了电网的利用率，每度电分摊的固定成本就被摊薄了——相当于数据中心替居民"拼好电"。

但这里必须补一句：这个结论正在被现实反转。在数据中心集中的德州和 PJM 区域，容量拍卖价格已经上行，批发电价开始承压。所以真正的问题在别处：电网增量的成本，该由谁承担？这本质是个监管问题了。

7. 旧 GPU 居然更值钱了

"AI 芯片两三年就该报废"——这个被写进无数估值模型的假设，正在被二级市场的真实成交价一点点推翻。

Silicon Data 的追踪显示，H100 的 36 个月远期残值，从 2025 年 10 月的大约 1.4 万美元，升到 2026 年 8 月的约 2 万美元；租金方面，H100 年内一度涨约 38%，连六年前发布的 A100 也涨了约两成。

NeoCloud的代表CoreWeave 在财报会上透露，它的 A100 合同已经排到了 2029 年。

这件事的分量，远超"老卡还能用"。因为 hyperscaler 的利润表上，GPU 折旧是按直线计提的；如果残值不跌反升，那么被低估的，是这些公司的真实盈利能力，以及它们为下一轮 capex 融资的成本。

所以，这几乎是"杰文斯悖论"的算力版本：算力效率越高，对算力的需求反而越旺——连带着，让旧芯片也重新有了身价。

8. AI 实验室一年的新增收入，超过整个上市软件板块

再看一组会让传统软件行业难堪的对比。2026 年，OpenAI 和 Anthropic 两家合计新增的（年化）收入，是千亿美元量级；而"公有软件（剔除云）"这一整个板块，2025 年的净新增 ARR 约 490 亿美元，2026 年预期也不过 630 亿美元。

换句话说，两家成立不到10的小弟级别公司，一年的增量，就盖过了整个上市软件板块的「老登」。

到 2026 年 8 月，两家的合计 ARR 已经突破 1150 亿美元，直逼微软生产力与业务流程部门的体量，a16z 自己在报告里承认，前 50 家私营 AI 公司约三分之二的收入，来自它的被投企业。

这个数字真正尖锐的地方是，当下增长最快的那部分经济，是普通投资者买不到的。价值创造正在前所未有地向私募市场倾斜——这或许比"泡沫"两个字，更值得公募市场的投资者焦虑，不过这俩公司也快上市了，当然，都是天价了。

9. 大企业多数已上马 AI，但都是糊涂账

这是整份材料里，最该被记住的一组数字。

按 Apollo 首席经济学家 Torsten Slok 在 2026 年 9 月的统计：标普 500 里，69% 的企业已经在实际部署 AI（上一季度还是 64%）；但再往下看，只有 29% 给出了具体的结果数字，只有 2% 报告了长期跟踪的指标，而把 AI 的价值作为独立 KPI 单列的，是 0%。

采用是广度问题，度量是深度问题。当"部署 AI"已经变成一句不需要负责任的表态时，最有意义的事是能把它翻译成财务报表的公司。

这组数据也为"AI 是不是泡沫"提供了一个新的观察点：如果绝大多数公司自己都算不清 AI 的账，那么市场对 AI 的定价，就仍然建立在一片"尚未被验证"的地基上。

10. AI 强度越高，入门级岗位反而越多

最后一个反常识的点，关于就业。

a16z 引用 Revelio Labs 的用工数据和 Ramp 的支出数据做了一次交叉分析：按"AI 采用强度"给公司分组，高采用强度的公司在采用之后，入门级员工占比的变化为正，反而优于尚未采用 AI 的公司。

Bernstein 的独立观察也指向同一方向——高 AI 采用强度的公司，对入门级人才的需求最高。

但这里必须加上对冲的一笔。普华永道 2026 年的全球 AI 就业晴雨表显示，49% 的 CEO 预计 AI 会在未来三年减少初级招聘；摩根士丹利也追踪到，标普 500 里约 10% 的企业已在电话会上谈到 AI 对用工的影响。

两个方向的证据都对。它们并不矛盾，只是在说同一件事的两面：AI 改变的是就业的结构，而不是就业的总量。消失的，是"只做执行"的那一层；长出来的，是"会用 AI"的那一层。

最后说到底，没有人能替你判断这轮周期还能走多远。

但它至少提供了一个测量角度——与其盯着估值倍数猜顶部，不如盯着资本的流向和盈利的兑现，看这两条曲线谁先拐弯。