9 月 29 日，有媒体报道 OpenAI 的年化收入已达到 700 亿美元。不到十天后的 10 月 8 日，再有媒体援引一份发给投资者的内部备忘录，OpenAI 向投资者表示截至 9 月底年化收入 " 接近 500 亿美元 "。
就是这 200 亿美元的落差，在华尔街引发了一场连锁反应。
消息公布后不到两小时，纳斯达克指数急跌逾 300 点，英伟达、甲骨文、美光、CoreWeave 等 AI 相关股票纷纷走低。英伟达跌近 3%，甲骨文跌超 5%，CoreWeave 跌近 8%，光通信公司 Coherent 跌约 10%。费城半导体指数大跌超 3%。
这不是一次普通的业绩修正。它触动的是一个更深层的问题：当整条 AI 产业链的估值都建立在 "OpenAI 需求无限增长 " 这个假设之上时，这个假设如果动摇，会发生什么？
01
200 亿美元差在哪里
先说清楚这 200 亿美元是怎么来的。
差额的根源是会计口径，而不是业务萎缩。Anthropic 将经由 AWS 和 Google Cloud 等云合作伙伴完成的销售全额计入营收，也就是总额法。OpenAI 的做法不同，它只记录自身在合作交易中实际获得的分成，云厂商拿走的算力费用不计入自己的收入。这就是净额法。
投资者为了把 OpenAI 的收入和 Anthropic 做直接对比，按总额法进行了上调，由此推算出了 700 亿美元。而 OpenAI 自己的口径始终是接近 500 亿美元。两者之间的差额，本质上是通过 AWS、Google 和 Azure 流动的销售价值——钱确实产生了，只是在谁的报表上确认收入的问题。
但市场没有耐心去区分口径的差异。在 FT 报道之后，CNBC 向相关方求证并确认了数据的准确性，随即 AI 板块遭遇全面抛售。
问题的关键在于，500 亿美元和 700 亿美元这两个数字所隐含的估值支撑力完全不同。
OpenAI 正在谈判新一轮至少 300 亿美元的融资，按投前 1.4 万亿美元估值定价。如果按 700 亿美元收入计算，市销率约 20 倍；如果按 500 亿美元计算，市销率直接跳到 28 倍。对于一家仍在以每季度超过 120 亿美元规模亏损的公司来说，28 倍的市销率所隐含的盈利预期要苛刻得多。
02
循环融资的齿轮
要理解为什么 OpenAI 的一个收入数字能引发如此广泛的冲击，需要先看清 AI 产业链的资本结构。
摩根士丹利在 3 月的研报中，以 OpenAI 为核心绘制了一张涉及英伟达、微软、甲骨文、CoreWeave、AMD 等多方的资本流动图谱。大摩将这一结构描述为 " 供应商养客户、客户养供应商 " 的高度互联体系，并指出这些安排本质上都是融资机制，使众多参与者得以将基础设施规模扩张至其自身现金流无法支撑的水平。
这张网络中，每一个节点的角色都不同，但风险指向同一个方向。
英伟达的角色最复杂。它不再只是芯片供应商。英伟达的未上市股权投资从一年前的 30 亿美元飙升至约 420 亿美元，其中包括对 OpenAI 的 300 亿美元投资。它还考虑为 OpenAI 提供高达 2500 亿美元的融资担保，帮助其租用俄亥俄州一个 10 吉瓦级数据中心项目的算力，并可能额外提供 3500 亿美元融资，用于 OpenAI 采购该数据中心所需的芯片。
合计约 6000 亿美元的潜在敞口，流出的方向是英伟达，回流的方向也是英伟达。
FT 将这种做法称为供应商融资，类比于电信设备制造商和飞机制造商向客户提供信贷以促成销售的传统模式。但 FT 同时指出，当事情出错时，供应商融资会形成双重打击。" 一笔判断失误的股权投资可能只是浪费钱，但承担客户债务的义务可能将估值问题变成偿付能力问题。"
7 月 27 日，英伟达担保消息公布后，市场给出了直接回应。英伟达股价单日重挫约 5%，市值蒸发约 2500 亿美元。五年期信用违约互换价差单日飙升 14 个基点至 82 个基点，创该合约自 2025 年 11 月活跃交易以来的最大盘中涨幅。
市场用 2500 亿美元的市值损失，恰好等于英伟达承诺的担保规模。这个数字的巧合本身就是一种回答。
甲骨文的处境则更为被动。它与 OpenAI 签下了一份 3000 亿美元的五年期云服务合同，是循环融资网络中金额最大的单笔承诺。为承接这笔订单，甲骨文需要采购约 400 亿美元英伟达芯片，债务负担膨胀至超过 1000 亿美元。
标普在 7 月 9 日将甲骨文长期信用评级从 BBB 下调至 BBB-，距垃圾级仅一步之遥。标普给出的理由直接且具体："AI 业务资本支出大幅超支，且对 OpenAI 的高度依赖构成实质性风险。" 截至 10 月初，甲骨文五年期 CDS 已从年初的 144 个基点飙升至约 244 至 261 个基点，其 10 年期债券收益率约 6.4%，接近 BB 级垃圾债的水平。
CoreWeave 是整条产业链中风险集中度最高的节点。这家算力转租商已借入超过 400 亿美元高息债务用于购置 GPU 和建设数据中心。虽然 2025 年其 67% 的营收来自微软，但在未来七年的长期合约收入中，OpenAI 合作订单约占 CoreWeave 签约总收入的三分之一，合约金额超过 220 亿美元。
据媒体 4 月 28 日报道，OpenAI 首席财务官萨拉 · 弗莱尔曾向公司领导层表示，她担心 OpenAI 可能无力支付未来的算力合约款项。这个担忧指向的正是 CoreWeave 这类高度依赖 OpenAI 承诺的企业。
博通和 AMD 的参与方式则展示了循环融资的不同变体。博通正在为与 OpenAI 共同开发的定制 AI 芯片项目安排超过 500 亿美元的债务融资，已与阿波罗全球管理和黑石集团等私人信贷机构展开早期对接。
AMD 的交易设计更为精巧。2025 年 10 月，AMD 同意向 OpenAI 供应最多 6 吉瓦 AI 芯片，同时授予 OpenAI 一份最多可认购 1.6 亿股 AMD 股票的认股权证，行权价仅为每股 0.01 美元，潜在持股比例约 10%。首批股份随客户首个吉瓦的 AMD Instinct GPU 部署而归属，最后一批还附加了 600 美元的股价门槛。Meta 在今年 2 月获得了几乎完全相同的安排。
两份权证如果全部行使，AMD 将发行最多 3.2 亿股新股，现有股东面临约 16% 的股权稀释。这种 " 未来采购承诺换当下股权 " 的模式，使 OpenAI 在零现金投入的情况下获得了巨额股权，而 AMD 则锁定了未来的芯片订单。
越来越多的迹象都表明，美国主流科技公司几乎都被绑在了 OpenAI 这条大船上，成了深度捆绑的命运共同体。
03
从硅谷到深圳的传导
减少 200 亿美元报道之后的市场反应，揭示的不只是一次情绪冲击，更是 AI 产业链估值逻辑的一次结构性检验。
美股的反应最先出现。10 月 8 日，纳斯达克综合指数下跌 1.25%，为 8 月中旬以来最差单日表现。标普 500 信息技术板块下跌 1.8%，在 11 个行业中表现最差。英伟达跌 2.9%，甲骨文跌 5.5%，英特尔跌 5.3%，博通跌 4%，AMD 跌 4%，CoreWeave 跌 8%，美光跌约 5%。
A 股的反应更值得拆解。10 月 9 日开盘后，AI 硬件板块继续承压，多只个股盘中跌幅超过 8%。但午后市场出现明显探底回升，主要指数最终集体收红，全市场超过 3200 只个股上涨，成交额约 1.92 万亿元。
指数层面的翻红掩盖了内部剧烈的分化。CPO、光芯片、PCB、存储芯片这些与英伟达、博通、甲骨文存在直接供应链关系的环节，跌幅最深。深南电路收于 347.25 元，下跌 5.64%；东山精密收于 145.49 元，下跌 3.43%；中际旭创收于 752.69 元，下跌 3.87%；寒武纪收于 925.87 元，下跌 5.62%；源杰科技收于 1218.56 元，下跌 5.57%。CPO 概念股全线重挫，中富电路、博敏电子、鼎通科技跌超 9%。但中芯国际 A 股早盘一度跌至 102.80 元，午后持续回升，最终收于 108.42 元，上涨 1.25%，成为半导体板块中少数收涨的权重股。
这种分化的根源在估值结构，不在情绪。前期涨幅越大、估值对 " 算力需求无限增长 " 假设依赖越深的标的，下跌越剧烈。光模块、CPO、PCB 这些环节的股价，本质上是在为 " 云厂商资本开支持续放大 " 的预期定价。当 OpenAI 的收入预期打了折扣，市场对资本开支指引的可兑现性产生了怀疑，估值最贵的品种就最先被兑现。中芯国际的走势提供了反向验证：它的估值锚定的是国产替代逻辑和成熟制程的订单可见度，与海外云厂商资本开支的关联度更低，因此在冲击中表现出更强的韧性。
筹码结构放大了跌幅的短期烈度。国信证券测算显示，截至 2026 年二季度，散户融资余额中电子和通信占比约 29%，处于 2019 年以来 100% 的历史极致水平；主动偏股公募完整持股口径下电子和通信占比达 52%。7 月以来虽有减仓，但绝对规模仍在高位。当外部冲击到来时，缺乏能够有效承接资金的替代性方向，跌幅因此较深。但中信证券在 10 月 9 日的科技策略研报中给出了一个关键数据：A 股 TMT 两融余额较 7 月高点已回落约 20.5%，阶段性底部特征正在逐步显现。
港股的表现则更为直接地反映了海外资金的态度。在前一日大幅下挫后，10 月 9 日港股 AI 硬件板块内部出现明显分化。壁仞科技并未延续反弹，收于 31.40 港元，上涨 3.43%，总市值回落至 816.42 亿港元。中芯国际 H 股则在早盘探底后午后翻红，最终收于 57.75 港元，上涨 1.67%，盘中最低触及 55.20 港元。华虹宏力 H 股收于 94.95 港元，下跌 0.68%，盘中最低探至 90.25 港元。
申万宏源研究将此次调整定性为交易层面波动而非基本面转向。中金公司的判断更为具体：当前主流需求仍集中在 800G 与 1.6T 产品，FCC 政策传闻和光芯片降价传闻针对的 3.2T 产品要到 2028 至 2029 年才放量，短期没有实质影响。
04
A 股的中长期坐标
短期的筹码出清只是故事的一半。更重要的变化发生在利润分配层面。
摩根士丹利在报告中测算，2026 至 2030 年间中国 AI 相关资本开支合计约 8.5 万亿元人民币，支撑中国 IT 总容量从 2025 年的 26GW 升至 2030 年的 81GW。摩根大通也给出了利润分配的结构性判断：2026 年硬件环节占全行业 93% 的利润，到 2030 年降至 30%；模型与应用层在 2028 年首度转正盈利，到 2030 年占据 54% 的利润份额。硬件端收入增长约 1.8 倍，模型与应用层收入增长高达 26.9 倍。、
这意味着 A 股 AI 板块的配置逻辑需要从 " 卖铲子 " 转向 " 用铲子 "。当前 AI 硬件环节仍将受益于资本开支周期，但增量叙事的重心正在向下游转移。国内券商的判断与这一方向高度一致。中信证券提出从 " 建造 AI" 到 " 适应 AI" 的框架切换，认为产业重心正转向推理和货币化。银河证券吴砚靖将核心矛盾概括为分子端看 "Token 收入能否闭环 "，分母端看 " 算力债务能否滚动 "，并指出资本成本正在取代硬件出货量成为 AI 资产定价的核心变量。招商证券则判断主线正从 " 扩 CapEx" 转向 "Token 生产与商业化 "。
对于大模型的中长期评估，机构正在形成新的共识。传统软件的估值框架已不足以覆盖这个行业。中期一到三年，核心是验证商业模式能否跑通。市场关注点从模型能力榜单转向可量化的经营指标。ARR 不再只看总量，企业客户留存率、单位客户价值、API 收入占比等结构性指标更为关键。Token 经济学需要结合量与价来看，付费 Token 占比、单位 Token 收入与成本是判断增长质量的核心，推理毛利率从国内厂商 20% 至 40% 向海外 40% 至 50% 提升是盈利改善的信号。单位任务经济也在取代单纯的低价竞争，每成功完成一个复杂任务的成本和任务成功率成为新标尺。
长期三到五年，估值锚点转向模型能否成为企业运营的基础设施。工作流控制权决定收入是 " 可替换的插件 " 还是 " 离不开的组件 "。生态入口与数据闭环决定分发的效率和规模。资本效率则关乎竞争已升级为资产负债表竞争，资本开支能否形成正向回报是判断投入是壁垒还是负担的核心。
在行业对标上，没有单一模板。云计算是最接近的参照系，大模型和云计算都具备经常性收入占比高、资本开支强度大、价值捕获依赖工作流嵌入深度等特征。瑞银采用 P/ARR 作为模型厂商核心估值方法，正是基于这一逻辑。但大模型比云计算更重，推理成本随使用量线性增长，规模扩大不一定带来利润率改善。传统 SaaS 的高毛利逻辑在 AI 领域也可能反转，高频使用可能导致低毛利。因此，大模型更接近 "IaaS 层资本强度加 SaaS 层经常性收入逻辑 " 的混合体，但当前市场定价更偏向后者。
东方红资产管理在券商中国 10 月 5 日的采访中给出了更具体的判断："AI 已逐步从主题驱动进入业绩验证阶段，主产业链半年报业绩已基本兑现前期预期。后续若要形成持续性行情，需要看到 Coding 之外更多应用场景落地，使产业兑现跟上甚至超越市场预期。" 国联资管则认为，行业整体贝塔的机会将弱于前期，四季度具备增量叙事的主题性细分环节及个股或将更有望贡献超额收益。
高盛最新研判指出，经历本轮回调后，A 股硬科技公司的市盈率已回落至长期均值水平甚至更低，估值压力有所舒缓。但在存量博弈格局下，AI 科技股价的修复需要更明确的产业催化或业绩验证。
黄仁勋的芯片是前沿的；但供应商融资的陷阱古老如初。甲骨文每年需要从 OpenAI 获得 600 亿美元收入来支撑 3000 亿美元合同的资本开支，而 OpenAI 的年化收入总共只有约 500 亿美元。这个算术差距不会因为会计口径的澄清而消失。10 月底 OpenAI 和 Anthropic 的季度数据将再次被放到一起比较，资本市场是继续把 AI 产业链当作一个整体来定价，还是开始区分哪些环节真正拥有定价权，答案会在那之后逐渐清晰。
（责任编辑：曹言言 HA008）
【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：zbb@staff.hexun.com
