AI主题的麻烦，已经从“有没有"演变成"谁来赢”，每一个利好旁边，都站着一个相反叙事。随着叙事不断分裂，同一批利好数据正在被市场同时解读成买入理由和卖出理由。
据追风交易台，巴克莱美国软件分析师Raimo Lenschow在8月3日的一份研究中写道：“在与投资者讨论AI主题时，我们面对的许多担忧彼此矛盾。”这句话基本概括了这轮AI交易的尴尬：市场不是没有共识，而是同一批共识之间无法同时成立。
云厂商资本开支创新高，可以证明需求真实；也可以证明资产负债表承压。大型SaaS股年初至今普遍跌超20%，远逊于标普500同期11%的涨幅，但ServiceNow的最新季报依然扎实，经营数字并未同步恶化。基础模型估值高企，与此同时开源大模型持续放量。这些本该互相印证的信号，正在互相抵消。
例如，个股层面，Oracle和Microsoft处在两种不同的压力里。Oracle因为资本开支太大、资产负债表承压被惩罚；一旦市场担心增长放缓，又会因为“增长不够”被惩罚。Microsoft的处境稍好，但也被夹在两端：一边有人嫌AI动能不够强，另一边长线资金担心巨额资本开支的投入资本回报率。
软件板块的矛盾更直接。大型SaaS股年初至今普遍至少下跌20%，同期标普500上涨11%；但SaaS公司的经营数字并没有同步恶化，ServiceNow几周前的业绩还相当扎实。市场现在押注的是“AI会颠覆软件”，却还没看到足够的财务证据证明大型SaaS平台正在被真正撬动。
矛盾一——资本开支越多越好，越少也越好AI资本开支最早被视为需求强劲的直接证据。Oracle等股票一度因此大涨，市场逻辑是：越敢扩建数据中心、越敢采购算力，越说明背后的订单和云需求真实可信。
但债务市场开始重新定价后，这套逻辑发生了反转。AI基础设施扩张背后需要债务和租赁等融资安排，融资规模越大，资产负债表压力越显眼，"少花钱"反而变成了加分项。
随后，Google GCP和Amazon AWS在上个季度交出云增长加速的成绩单，情绪又摆回需求强劲的一侧。最近数周，半导体周期和"AI能否以更低成本实现"的讨论升温，担忧再度回归。
结果是：同一笔资本开支，既可以被解读成增长投入，也可以被解读成财务风险。市场尚未决定到底奖励哪一个。
矛盾二——Oracle与Microsoft：两种不同的夹击Oracle处在最难的位置。资本开支高时，市场担心资产负债表；增长预期被下修时，又担心AI故事不够硬。两种惩罚叠加，且逻辑上并不完全自洽。
但Oracle的处境也有另一面。它在云计算上起步较晚，AI基础设施扩张给了它一次追赶窗口，因此它必须比部分同行更为激进。如果未来新数据中心建设遭遇越来越多的选址和电力阻力，已经提前锁定站点和容量的公司反而可能具备先发优势。
Microsoft的处境相对从容。Azure、Copilot和Office 365共同提供了多条参与AI增长的路径，不必在每一个AI赛道上都做最激进的押注。这反而带来了新的两面质疑：嫌它动能不够快，以及担心其巨额资本开支的投入资本回报率依然不够清晰。前者嫌它不够激进，后者担心它已经太激进。
矛盾三——SaaS的定价逻辑：股价跌了，但数字没有坏大型SaaS股的跌幅已经隐含了相当沉重的悲观预期。年初至今至少下跌20%，远逊标普500，说明市场正在对软件商业模式本身重新定价——而不只是在调整估值倍数。
问题在于，经营数据还没有配合这种定价。ServiceNow最新季度业绩表现扎实，至少到目前为止，大型SaaS平台并未出现客户流失和收入侵蚀的财务证据。
真正需要验证的是两件事：第一，大型SaaS平台是否真的容易被替代；第二，这些公司能否把AI转化为产品升级和定价升级，而非被AI压低基于席位制的收入。部分公司已经开始转向更多按使用量计费的模式，这使得"AI取代SaaS"的路径变得远比想象中曲折。
矛盾四——“AI杀死软件”与“AI投资过剩”：两个叙事不能同时拉满这是AI交易中逻辑张力最大的一组矛盾。
如果AI真的要替代现有软件体系，本质上是在重建整个当前的软件栈，这本身就需要大量AI算力。尤其是当前大量AI工作负载仍集中在训练侧，尚未全面转向推理侧，若未来推理需求大规模爆发，算力需求并不会自然消失。
市场必须在两个叙事之间做取舍：要么AI对软件的冲击没有想象中快，SaaS平台仍能守住相当大一部分价值；要么AI真要重写软件世界，那就很难同时断言未来AI容量将明显过剩。"AI杀死软件"和"AI基础设施泡沫"这两句话，无法同时被推到极致。
矛盾五——基础模型：高估值与商品化不能同时兑现基础模型层存在一组同样难以调和的矛盾。一方面，基础模型厂商享受高估值，隐含的是它们将捕获AI产业链中相当大一部分经济价值。另一方面，开源模型、多模型配置、小模型和专用模型的讨论不断升温，暗示模型能力正在走向商品化。
近期的新闻进一步放大了这种分裂。OpenAI CFO Sarah Friar对员工表示，7月份的年化经常性收入已超过整个二季度，增长动能来自GPT-5.6系列、企业Agent产品ChatGPT Work以及AI编程工具Codex——这为"前沿闭源模型仍有收入爆发力"提供了支撑。
但与此同时，Moonshot AI的Kimi K3以2.88万亿参数发布，被称为截至当时规模最大的开源AI模型，采用MoE架构，支持100万token上下文窗口和原生多模态能力。开源大模型持续放量，正是基础模型商品化叙事最核心的燃料来源。
Microsoft等大科技公司正在加大对多模型配置的强调。如果模型层加速商品化，单一闭源基础模型的定价权将被明显削弱；如果当前估值成立，模型层就不该快速退化为普通基础设施。两者之间，市场还没有选边。
矛盾六——企业AI的真实需求：不只是“模型越强越好”近期几条企业AI动态，共同勾勒出一幅比“模型军备竞赛”更复杂的图景。
Elastic与OpenAI扩大合作，将OpenAI模型与Elasticsearch结合，重点落在企业数据检索、搜索、治理、权限控制，以及降低不必要的数据传输和token成本。Snowflake推出Cortex AI Gateway，目标是管控AI Agent访问企业数据和工具的方式，同时防止企业成本失控，并引入了1Password、SailPoint、Saviynt等身份与安全合作方。
这两个案例的共同关键词，不是算力，而是权限、信任模型和成本上限。企业AI采购的核心考量，正在从"模型能力"向"治理、安全和可控成本"迁移。
这也是当前AI投资最深层的分歧所在：多头叙事并非没有逻辑，空头担忧也并非凭空而来。真正的问题已经不是"AI有没有用"，而是谁最终拿走AI带来的收入增量，谁来承担AI扩张累积的成本风险。推理收入爆发与token价格走低，AI带来的通缩效应与电力、数据中心成本上涨，赢家通吃与进入门槛下降——每一组对立，都还悬在空中，等待数据来裁决。
~~~~~~~~~~~~~~~~~~~~~~~~
以上精彩内容来自追风交易台。
更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。网配查提示：文章来自网络，不代表本站观点。
