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。
大摩明确列出了七项潜在风险，包括认股权证扭曲真实定价、表外担保掩盖真实杠杆、供应商股权投资放大债务风险、客户高度集中加大对手方风险等。
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%。
但跌幅最深的板块并非芯片本身。能源板块的Vistra和Constellation跌幅与芯片股相当。AI数据中心的电力需求已成为能源公司估值的重要支撑，模型公司收入增长预期下修，市场对数据中心电力需求的远期假设也随之松动。这种跨板块的同步下跌说明，冲击针对的不是某一家公司的业绩，而是整条产业链共同依赖的那条假设——算力需求会以线性方式持续放大。
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。、
数据来源：摩根士丹利、摩根大通这意味着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。
数据来源：瑞银、摩根大通、高盛、中信建投、招商证券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。
