2026年7月开始，全球科技资产出现了一个值得重视的变化：市场仍然相信AI，但已经不再愿意为所有带有AI标签的公司支付同一套估值。J.P. Morgan刚刚最新提示“芯片股回撤后的机会窗口，同时警惕AI蚕食效应”。（可以参考我6.28，7.2两篇文章相同提示的具体分析）资金开始从宏大的产业叙事中退出来，重新审视订单、资本开支、毛利率、客户集中度和真实利润归属。\r
\r
摩根大通的提示表达的重点并不在于短期价格波动，而在于AI产业链内部正在发生的利润迁移。基础设施环节仍然吸收资本开支，部分应用层和服务型公司则可能被AI压缩收入空间。AI没有降低科技产业的重要性，却正在改变科技产业内部的定价顺序。(Barron’s)\r
\r
过去两年，市场习惯把AI理解成一个总量扩张故事。只要公司能够讲出“模型、算力、智能化、效率提升”，估值就有被重新抬高的可能。但进入2026年下半年后，交易逻辑开始变得更挑剔。投资者关心的不再只是“这家公司是否与AI有关”，而是“AI到底让这家公司多赚了钱，还是让它的客户有理由少付钱”。\r
\r
这个变化，正是“蚕食效应”的核心。\r
\r
一、从AI扩张到AI分食\r
\r
AI早期交易有一个鲜明特征：市场先买确定性最高的供给端。GPU、HBM、先进制程、先进封装、网络芯片、存储、半导体设备和数据中心，是最直接的资本开支承接方。大模型训练需要算力，推理扩张需要部署，企业AI代理需要持续运行，数据中心需要电力、散热、网络和存储。这些需求最终会转化成真实采购，而真实采购会进入上游公司的收入表。\r
\r
这也是芯片链条在高波动后仍然被机构反复讨论的原因。Reuters报道，7月6日美股在芯片股反弹带动下走强，纳斯达克上涨0.92%，标普500上涨0.42%，MSCI全球股票指数上涨0.18%。同一篇报道也提到，市场关注点正转向AI板块、主要公司财报和政策预期。(Reuters)\r
\r
但同一时间，资金面的拥挤交易已经开始降温。Reuters援引Goldman Sachs客户笔记称，美国对冲基金已连续第四周减持科技硬件和半导体相关股票；费城半导体指数在截至7月3日的一周下跌4.2%。这类减持并不一定意味着产业周期结束，更像是在高涨幅之后，市场对AI资本开支回报周期进行重新定价。(Reuters)\r
\r
真正需要关注的，不是某一周涨跌本身，而是价格回撤之后，产业数据是否仍然站得住。如果订单、产能利用率、毛利率和客户资本开支继续支撑原有假设，回撤会变成研究窗口；如果回撤背后是收入模式被AI削弱、客户预算被重新分配、估值中枢被下调，那么所谓机会只是旧叙事的余温。\r
\r
AI分食利润池的过程正在展开。基础设施公司拿到预算，低差异化软件和服务公司则被迫解释自己的价值。客户以前为系统、流程、人力、内容、咨询和运营分别付费；AI成熟之后，客户更关心结果，也更容易质疑中间环节的价格。这个变化不会在一个季度内完成，但方向已经足够清晰。\r
\r
二、芯片链条的机会窗口来自供需错位\r
\r
J.P. Morgan把芯片回撤称为机会窗口，背后有一个关键假设：需求仍然强，供给释放没有那么快。Barron’s报道中提到，J.P. Morgan认为半导体需求依然稳健，而明显新增供给大概率要到2028年前后才会真正进入市场。这个判断把短期交易波动和中期产业供需分开了。(Barron’s)\r
\r
半导体不是一个简单的成长行业。它同时具备成长性、周期性和资本开支反身性。需求好会推升价格和利润，价格和利润又会刺激扩产，扩产预期会提前压缩估值。真正的机会窗口往往出现在两个时点：市场因为短期情绪下修价格，但供给约束尚未解除；或者市场只盯住某一个龙头，却低估了瓶颈正在向相邻环节扩散。\r
\r
AI产业链现在更接近第二种状态。\r
\r
早期市场把AI芯片几乎等同于GPU。这个判断并没有错，GPU仍是训练和推理的重要基础。但AI部署规模扩大以后，系统瓶颈开始从单一算力扩展到网络、内存、存储、封装、能耗和制造能力。单个芯片速度再快，如果数据搬运、内存带宽、集群互联、散热和电力跟不上，系统效率仍然会被拖住。\r
\r
这也是为什么Broadcom、Marvell、Micron、Western Digital、Seagate、SK Hynix、Samsung、TSMC、ASML、AMAT、LRCX、KLAC这类公司会被放到同一张AI基础设施地图里。它们对应的不是同一种产品，却都在解决同一个问题：如何把AI从实验室模型变成大规模商业基础设施。\r
\r
存储是当前最典型的例子。Reuters报道，三星电子二季度利润预计大幅增长，核心驱动来自AI带来的存储需求、全球存储短缺和芯片价格上涨；报道同时提到，DRAM和NAND平均价格分别上涨44%和53%。(Reuters) SK Hynix也在7月启动大规模美国上市计划，目标是借助AI浪潮扩大国际资本市场可见度和产能投入。(Reuters)\r
\r
这说明AI需求正在从“买更多GPU”扩展为“建设更完整的AI系统”。算力、存储、网络和制造之间的关系越来越像木桶。短板在哪里，利润就会往哪里迁移。\r
\r
三、蚕食效应最先打到低壁垒应用层\r
\r
如果说芯片链条吸收的是AI资本开支，软件、商业服务和媒体面对的则是另一种压力：AI提高效率之后，客户开始重新审视原有支出。\r
\r
过去很多软件公司的商业模式建立在三个基础上：流程复杂、迁移成本高、组织习惯稳定。只要企业系统已经嵌入日常运营，客户很难轻易替换。这套逻辑曾经支撑了SaaS公司的高估值，也让市场愿意为长期订阅收入支付溢价。\r
\r
AI代理出现后，这套逻辑被打出裂缝。客户需要的可能不再是更多界面、更多模块、更多席位，而是更短流程、更低人力、更少操作和更直接的结果。一个能自动完成搜索、整理、生成、校验、汇报和执行的系统，会天然压低传统软件里一部分“工具型功能”的价格。\r
\r
最容易被蚕食的，不是拥有核心数据、强流程绑定和高合规壁垒的软件，而是那些功能标准化、替代成本低、客户价值难以量化的产品。内容生产、低端代码外包、基础客服、营销素材、商业调研初稿、流程咨询、报表自动化、会议纪要、知识检索，这些环节原本依靠人力和流程收费，AI越成熟，客户越难接受原来的价格。\r
\r
媒体行业也有类似压力。AI让内容生产成本下降，但内容供给增加未必带来收入增加。供给过剩会压低单个内容单元的价值，平台分发权和用户注意力会变得更集中。能够控制渠道、版权、社区和品牌信任的公司仍有防线；单纯依靠信息搬运和低差异化内容生产的公司，议价权会变弱。\r
\r
商业服务公司的处境更加微妙。AI工具会提高咨询、外包、审计、合规、客服和运营团队的效率，但效率提升之后，客户很可能要求服务商让利。服务商如果无法把AI能力产品化、系统化、平台化，利润率反而可能被压缩。AI提升了员工产出，却未必提升公司定价权。\r
\r
这就是蚕食效应的残酷之处：AI提高生产率，不代表所有生产率提升都会被供应商留住。谁拥有瓶颈，谁留住利润；谁只是中间环节，谁承担让利。\r
\r
四、Mag7不再是一个整齐的篮子\r
\r
过去几年，市场喜欢用“Magnificent Seven”概括美国大型科技股。但AI进入利润验证阶段后，这种打包方式越来越粗糙。\r
\r
同样是大型科技公司，有的在建设AI基础设施，有的在购买AI基础设施；有的拥有云平台和芯片布局，有的主要面对AI带来的搜索、广告、内容或终端体验变化；有的能把AI转化为新增收入，有的只是用AI维护现有用户黏性。它们的利润表受益路径完全不同。\r
\r
这也是为什么J.P. Morgan在提示芯片机会窗口的同时，对更广义的AI交易保持谨慎。半导体基础设施是资本开支的接收方，但部分大型科技平台可能同时承担AI投入、折旧压力和商业模式重估。投资者不能只看“AI相关”，还要看公司到底在产业链里收钱，还是在为了防守而花钱。(Barron’s)\r
\r
云厂商是最典型的中间地带。一方面，它们是AI基础设施建设的核心推动者；另一方面，它们也要证明这些资本开支能够带来足够高的收入回报。如果AI相关收入增长慢于折旧、能耗、芯片采购和数据中心建设成本，市场会重新质疑资本开支效率。\r
\r
这一点会成为2026年下半年科技股定价的关键。AI交易能否延续，不只取决于芯片公司能否交付，也取决于下游客户是否愿意继续扩大预算。上游看订单，下游看ROI，中游看议价权。三者任何一端出现松动，都会改变估值结构。\r
\r
五、机会窗口不等于无差别乐观\r
\r
“回撤后的机会窗口”这个说法，比“买入回调”更准确。它强调的是观察和重新定价，而不是方向性口号。\r
\r
独立投研视角下，真正需要分辨的是四类资产。\r
\r
第一类是瓶颈资产。包括先进制程、HBM、AI网络、高端封装、关键设备和数据中心核心部件。它们的共同点是供给难以快速复制，客户需求相对刚性，议价权更强。\r
\r
第二类是高弹性周期资产。存储、部分设备和部分材料属于这一类。它们在供需紧张阶段利润弹性很强，但一旦市场开始预期供给释放，估值会提前承压。这里的机会往往很大，风险也同样集中。\r
\r
第三类是平台型防守资产。大型云、企业软件、操作系统、办公套件、开发生态和广告平台中，有些公司能够把AI嵌入原有生态，扩大客户使用深度。这类公司未必弹性最高，但如果能把AI变成新的收费层，估值支撑会更稳。\r
\r
第四类是被蚕食资产。低壁垒SaaS、标准化商业服务、内容生产、低端外包、流程中介和缺乏数据壁垒的工具型软件，会越来越难解释高估值。它们不是一定没有增长，而是增长质量会被市场重新审视。\r
\r
这里的关键不在行业标签，而在利润位置。一个公司即使属于软件行业，也可能因为数据壁垒和流程嵌入而保持强定价权；一个公司即使属于半导体行业，也可能因为周期高点和供给扩张而面临估值压力。AI不会平均奖励所有科技公司，市场也不应该平均定价所有AI资产。\r
\r
六、下一阶段要看财报，而不是看口号\r
\r
7月之后，市场会进入更密集的财报验证期。芯片链条需要证明订单和毛利率仍然强劲；云厂商需要证明资本开支对应真实收入；软件公司需要证明AI功能不是免费防守工具，而是可以提升收入留存、客户扩张和利润率的商业能力。\r
\r
如果半导体公司继续上修收入指引，同时毛利率保持稳定，说明基础设施周期仍有韧性。如果云厂商继续上调资本开支，并且AI收入贡献更加清晰，上游链条会获得更强支撑。如果软件公司开始出现席位增长放缓、客户压价、AI功能难以收费，蚕食效应会被市场进一步定价。\r
\r
相反，如果AI资本开支开始放缓，或者大型客户强调成本控制，芯片链条会面临更高波动。半导体估值已经包含了较强增长预期，任何订单延期、毛利率下修、客户集中度风险或供给提前释放，都可能触发较大回撤。\r
\r
这也是为什么机会窗口必须和验证标准绑定。没有验证标准的机会窗口，容易变成情绪反弹；有验证标准的机会窗口，才有研究价值。\r
\r
七、结语：AI的第二阶段，是利润池重排\r
\r
AI交易已经走过了最容易赚钱的第一阶段。那个阶段，市场奖励想象力，奖励相关性，奖励故事的传播速度。现在进入第二阶段，市场开始奖励验证，惩罚模糊，重新区分收入增量和成本转移。\r
\r
蚕食效应不是AI周期的反面，它恰恰说明AI正在进入更深的产业层面。只有当AI真正改变企业支出结构、客户采购逻辑和生产率分配方式时，才会出现利润从一类公司流向另一类公司的现象。\r
\r
芯片链条的回撤提供了一个重新审视AI基础设施的窗口。这个窗口的价值不在于价格短期下跌本身，而在于市场尚未完全厘清哪些公司掌握瓶颈，哪些公司只是享受了叙事溢价。存储、网络、先进封装、设备、代工和定制芯片，正在从GPU主线旁边长出新的利润分支；软件、服务和媒体中的低差异化环节，则开始面对AI带来的价格压力。\r
\r
AI最终不会让所有公司一起变好。它会把利润推向稀缺环节，把成本压力留给可替代环节。所谓蚕食效应，正是这一轮技术革命从概念交易走向产业现实的标志。\r
\r
对全球市场而言，接下来的关键不是继续寻找“谁讲AI”，而是判断“谁能从AI中留下利润”。这会成为2026年下半年科技资产定价最重要的分水岭。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。