一组造富数据刷屏了

AI交易近期继续升温。

今日A股长鑫科技涨超6%，联讯仪器涨超7%，股价重回2600元，“易中天”大涨。

韩国市场也很热闹，SK海力士涨超8%，三星电子涨5.68%。

上周五标普500指数下跌，费城半导体指数却逆势涨超3%。闪迪大涨近12%，美光、希捷均涨约6%，存储芯片ETF（DRAM）涨近7%。

科技赛道正在全球范围内持续“造富”，全球亿万富翁人数飙升至3795人，创历史新高。

一组造富数据刷屏了。。

财富机构Altrata发布的《亿万富豪普查2026》显示，2025年全球亿万富豪人数达到3795人，同比增长8.2%，为五年来最快增速。

Altrata对“亿万富翁”的定义为资产净额达到10亿美元。2025年，亿万富翁总财富额同比增长12.8%，达到15.1万亿美元，同样刷新纪录，这一数字接近美国标普500指数成分股总市值的四分之一。

AI浪潮是这轮财富膨胀的重要推手。

在对全球亿万富豪财富贡献最大的150家上市公司中，过去五年进行过较大规模AI投入的企业，2024年至2025年的市值增速比其他企业高出23%。

这一轮AI造富，最先涨起来的是股票。

公司股价上涨，创始人和大股东手里的股份升值。富豪榜上某位大佬一天增加几十亿美元，不是银行账户突然收到一笔钱，只是他持有的股票，今天比昨天更值钱了。

这也解释了两个看上去矛盾的现象：全球富豪财富增长12.8%，很多普通人却没有明显感觉自己变富。股票上涨带来的财富，天然更偏向持有大量股权的人。

AI不仅造富，还把财富更快地推向金字塔尖。全球身家超过500亿美元的29位“超级富豪”，合计掌握4.1万亿美元，占亿万富豪总财富的27.2%。2017年，这一比例只有7.2%。

真正把富豪榜推上新高的，主要还是创始人、大股东和头部资本。

OpenAI成立十年左右，最新一轮融资后的估值已经达到8520亿美元。AI编程平台Cursor成立不到四年，其母公司Anysphere便以600亿美元的价格被SpaceX收购。

工业时代打造一家巨头往往需要一代人，互联网时代需要十年，AI时代可能三五年就足以完成一次财富跃迁。

技术、算力、资本，三种稀缺性叠加在一起，形成了AI时代最猛烈的一台财富放大器。

随着AI热潮的蔓延，华尔街也有不同的声音。

美国银行首席策略师Hartnett发出警告，全球债券收益率升至近二十年以来高位，正成为AI资本支出狂潮的致命威胁。

Hartnett还提出一个被市场忽视的事件，如果美国民主党拿下两院，泡沫恐将被引爆，而对于这个风险华尔街并未计价。

AI最大的对手，未必是另一个模型，也可能是一张不断上升的利率表。

近段时间以来，10年期美债收益率一度升至4.81%，30年期升至5.31%。对普通公司来说，这是融资成本；对AI来说，它同时还是估值的地心引力。

AI基础设施是一笔典型的“今天花钱、很多年后收回”的生意。

芯片、机房、电网和长期电力合同，需要当下投入真金白银，回报却取决于未来的调用量、收费能力和企业采用速度。长债收益率越高，未来利润折算到今天越不值钱；借款成本越高，数据中心的回本门槛也越高。

Hartnett还点出了一个几乎没有进入当前资产价格的政治风险：美国中期选举。

在他的情景分析中，如果民主党同时拿下参众两院，美国企业可能面对更高的税收和更严的监管，AI产业政策也可能出现变化。

Hartnett估计，这一情景可能令美股下跌超过10%，美元走弱，债券收益率下行，拥挤的AI交易遭遇明显冲击。

与此同时，国际知名评级机构标普对AI资本支出发出信用警告。

标普估计，Alphabet、亚马逊、微软、Meta、甲骨文和SpaceX六家超大规模企业，2025年至2030年的资本开支合计可能超过7万亿美元。

比较棘手的是，这六家公司都没有量化披露AI投资回报率。

标普的基础假设仍然偏正面：这些科技巨头大概率知道自己在做什么，投入最终能够转化为利润。

问题在于，再强的资产负债表，也无法无限叠加债务和错综复杂的产业链循环融资。

标普测算，如果盈利没有明显提升，或资本开支迟迟不降，亚马逊的AA评级可能在2027年前后承压；甲骨文目前处在BBB-，若被下调一级，就会跌入高收益债券区间，其约1170亿美元指数合资格美元债也将面临重新定价。

更复杂的地方在于，AI行业已经形成一张彼此嵌套的融资网络。

芯片公司投资模型公司，模型公司向云厂商购买算力，云厂商再向芯片公司下单；数据中心通过合资公司、特殊目的载体、长期租约和剩余价值担保融资。需求旺盛时，每一环都在替下一环证明繁荣。一旦需求低于预期，同一张网络也会放大波动。

全球资本正以前所未有的规模，押注同一个未来。

AI技术继续进步与AI资产出现风险，从来不是两件互相矛盾的事。

铁路和互联网都真实地改变了世界，却并非每一个项目都兑现了估值。伟大的技术革命，往往伴随着激进的资本投入。产业方向可以正确，价格、杠杆和兑现时间仍然可能出错。

过去几年，市场最关心模型能不能变得更聪明。

接下来要回答的问题更加现实：投入多少钱，产生多少收入，多久变成自由现金流，如果回报晚两年，谁来承担利息和折旧？

眼下的AI，正在从“能力验证”走向更艰难的“财务验证”。