CPI、降息预期与AI科技股：7月美股怎么聊？

aveai_info avatar
Ave.ai
@aveai_infoJul 9, 2026

本场Spaces围绕“CPI、降息预期与AI科技股”展开，由主持人Uda与三位嘉宾John（港美股打新/定投）、南汉（链上与AI/预测市场）与GemWallet联合创始人滴滴深度讨论。上半场聚焦CPI口径与情景推演：核心CPI对联储路径更关键，小幅降温为基准、上行是主要风险；对应交易上强调事件驱动与风格再平衡。中段探讨若市场误判应先卖何处与下一轮重估主线：高估值未兑现标的承压，电力/冷却/数据中心等基础设施与可真正降本增效的应用更具性价比。下半场反思AI时代估值框架：传统指标未失效，需引入蒙特卡洛与实物期权等量化方法，将“故事”转化为可检验的概率分布。收尾落在未来三个月验证点：紧盯CPI与三季报中AI收入兑现与中小企业利润改善，以动态调仓应对。

AVE AMA纪要：CPI降息预期与AI科技股，七月美股如何判断

参与嘉宾与角色

  • 主持人：Uda（AVE）
  • 滴滴（GemWallet 联合创始人；录音中亦被称“迪迪老师”）
  • 南汉（Gordon；链上、AI与预测市场研究者。主持人偶有称“南海/南河”，本文统一为“南汉（Gordon）”）
  • John 莱斯（港美股打新与定投实践者。主持人口误亦称“壮/郑浩/周/James”，本文统一为“John 莱斯”）

议题一：CPI公布前夜的市场共识与宏观传导逻辑

关键概念厘清（滴滴）

  • CPI分为两类：
    • Headline CPI（总体CPI）：包含食品与能源，受油价、地缘事件等波动较大。
    • Core CPI（核心CPI）：剔除食品与能源，更能反映粘性价格（住房、医疗等）。
  • 联储决策聚焦核心通胀。通胀路径直接影响利率政策（降息/维持高位/再加息）→影响美债收益率与风险资产定价。
  • 市场参考：投行对“粘性通胀”（sticky inflation）与核心通胀回落的分歧；需关注本月数据与前期趋势而非单点值。

各嘉宾观点与共识

  • John 莱斯（长期/定投视角）
    • 更关心“宏观可预期性与稳定性”而非短线波动。
    • 偏好CPI温和回落、减少不确定性，以便降息窗口打开、资金成本下行、成长股估值受益。
    • 若通胀反复且无法降息，高利率将显著压制成长股估值，提升市场情绪波动。
    • 中长期仍“相信AI周期”，但需要稳定宏观环境配合。
  • 南汉（Gordon；加密与宏观结合）
    • 市场普遍预期6月CPI小幅回落，9月“小幅降息”的可能性提升，但力度有限。
    • 大家基线假设是“通胀不反弹”，若CPI偏高，降息将后延，美股可能出现回调。
  • 滴滴（框架思维与交易提示）
    • 先分辨Headline与Core，抓住联储关注点；结合投行与历史分项（住房/医疗等粘性）判断趋势。
    • 情景分析：
      • Core若超预期上行→联储更鹰→估值压缩、风险资产承压。
      • 若继续降温→美债收益率回落→风险资产反弹。
    • 交易层面可考虑“新闻交易/短线策略”于数据公布瞬间，但须结合纪律与风险控制。

主持人提炼

  • 不仅看“点值”，更看“趋势”和“构成”（核心 vs 总体）。
  • 在官方数据之外，吸收投行研报等多元信息源，提高对“预期差”的识别能力。

议题二：若市场看错CPI，资金先卖什么？AI产业链的下一轮重估

抛压顺序与风险暴露

  • John 莱斯
    • CPI高于预期：先抛高估值、尚未盈利或现金流不稳的标的：
      • 高估值软件股、小型AI概念股、无稳定现金流的算力/数据中心“讲故事”标的、港股打新中的“擦边叙事”公司。
    • CPI下降但原因是需求转弱（衰退）：降息仅缓解估值，不创造订单；企业预算收缩→对“AI超大投资能否回本”起疑，板块估值再压缩。
  • 南汉（Gordon）
    • 若市场错判、降息预期落空：首先杀“泡沫”与“纯故事”，边缘性AI/小芯片受压。
    • NVDA、MSFT等龙头因真金白银投入、业绩支撑更抗跌，但亦会回调。
    • 市场通常“先杀泡沫，后留干活的”。

结构性机会与再定价方向

  • John 莱斯：三条线索
    1. AI基础设施瓶颈环节：
      • 从“缺GPU”转向“内存（HBM/DRAM）—光模块—高速交换—电力与散热”的系统性瓶颈。
    2. 降本增效：
      • 能显著降低AI处理/推理成本的芯片、云服务、数据库、软件平台将受追捧。
    3. 产业融合与“AI+传统行业”落地：
      • 具备独特数据与广泛场景的传统行业（金融、医疗、工业、电商、企业软件）叠加AI形成真实收入，更易获得资金青睐。
  • 南汉（Gordon）：两大着力点
    • 能“真正赚钱”的AI应用：企业端工具、自动驾驶、医疗影像等。
    • 能支撑AI产能的基础设施：电力、数据中心散热、算力租赁等“挖金工具”。
  • 滴滴：从“香料（Spice）”到“水与装备”的隐喻
    • 借《沙丘》比喻：从“显性香料”（算力/GPU等）转向“开采所需的基础要素”（如电力、冷却、数据中心运营）。
    • 长期可能被低估的板块：电力、冷却系统、数据中心运营商（提及VST/CEG/EQUIX等作为可关注的方向性例子）。
    • 若通胀悲观致降息，早前下跌的存储/半导体（如美光）或出现阶段性反弹。

策略提示（滴滴）

  • 数据公布前后，短线交易可行，但需结合利率路径、期权定价与仓位管理。

议题三：AI时代传统投资框架的适配与升级

  • John 莱斯：AI工具+传统框架的动态切换
    • 打新研究流程引入AI做资料检索与初筛，显著提效。
    • 但不同行情需不同“权重”：
      • 行情好：AI+热度即可获得不错的胜率。
      • 行情弱：必须回归传统基本面逐条校验（关注AH股、绿鞋安排等关键细节信息），避免破发回撤。
    • 案例式思考：如“抖音豆包收费”引出对推理成本、商业化付费意愿、单位经济性的核算。
  • 南汉（Gordon）：“AI现实主义滤镜”
    • 传统PE/PEG/估值框架仍有用，但不能“死看”。
    • 今天更看重：
      • 未来盈利能力与护城河的可持续性。
      • CAPEX向收入/利润转化的速度和确定性。
      • 现金流、真实采用率与业绩兑现优先于“纯故事”。
    • 过去10年“低利率+平台效应”要被“AI超级周期+地缘/通胀/能源瓶颈”重塑。
    • 核心仍是“抓龙头与趋势”，但校验维度更“硬核”。
  • 滴滴：把“故事”量化，升级估值方法学
    • 质疑“只看现金、拒绝故事”的偏见：
      • 传统估值（PE、EV/Sales、PB、DCF等）在现金流可预估的成熟期有效；
      • 初期/高速成长期若排斥“故事”，常错过大机会。
    • 关键在于“如何量化故事”：
      1. DCF增强：在营收增速与利润率之外，纳入再投资效率、资本成本、风险资本等，提升模型对投入产出与风险的刻画。
      2. 蒙特卡洛模拟：将单点假设（如增长率40%）改为概率分布（20%-60%），大样本模拟得到价值分布而非单值。
      3. 实物期权（Real Options）：把管理层的“扩张/收缩/推迟/放弃”等决策灵活性以期权定价框架量化，修正静态DCF的局限。
      4. 期权市场信息：用期权交易数据与工具（如Unusual Whales）观察市场对路径与波动的隐含定价，辅助判断“预期差”。
    • 一二级联动：将打新/Pre-IPO作为“更确定性收益因子”的组合补充，分散二级波动风险。

议题四：未来三个月最想验证的关键命题

  • John 莱斯
    • 核心关切：AI行情能否在估值高位继续由“业绩兑现”接棒，避免“高位接力”。
    • 重点跟踪：
      • 具身机器人/物理AI的真实可用性与商业化落地（不止发布会与宣传片表现）。
      • 模型+硬件+传统企业结合后能否带来“可度量的真实利润”。
  • 南汉（Gordon）
    • 三季度财报季“预期→兑现”的关键窗口：
      • 大厂AI收入是否放量？
      • 中小企业应用AI后利润率是否实质改善？
    • 若兑现优于预期：科技股仍可上攻；若不及预期：择机减仓或进入震荡/回调。
  • 滴滴：因网络原因未就该题发言。

观察清单（供会后跟踪）

  • 宏观：Core CPI路径、核心服务通胀、10Y与2Y美债走势、金融条件指数。
  • 业绩：大厂AI相关收入/毛利/资本开支节奏；中小企业AI采用率与利润率改善幅度。
  • 供给瓶颈：内存、光模块、交换/互联、供电与散热建设进度，数据中心上架率与电力冗余。
  • 成本曲线：训练/推理单位成本的下降斜率；新架构/新芯片/软件优化带来的降本证据。
  • 期权隐含：主要标的与板块的隐含波动、偏度、仓位拥挤度变化。

总体结论与可执行要点

  • 结论提炼

    • 短期价格围绕“CPI与降息预期”震荡，长期定价仍回到“产业趋势与业绩兑现”。
    • 若预期落空，资金将优先抛售“高估值/讲故事/现金流弱”的标的；龙头抗跌但亦会回撤。
    • 下一轮重估重心：能“落地赚钱”的应用与“支撑产能的硬基础设施”。
    • 估值框架需升级：在传统模型上引入概率、期权与管理灵活性，学会把“故事”用数据与模型量化。

  • 三种场景预案

    1. CPI高于预期（再通胀/粘性回升）：
      • 风险：长端利率上行、估值压缩；
      • 策略：降低高弹性高估值暴露，适度向现金流稳健/定价权强/基础设施倾斜。
    2. CPI大致符合或温和回落（“软着陆”轨道）：
      • 风险资产偏强，行情延续；
      • 策略：延续“龙头+真业绩+降本增效”的主线，控制仓位节奏与回撤容忍度。
    3. CPI回落但需求转弱（衰退阴影）：
      • 估值压力缓解但订单不足，业绩兑现放缓；
      • 策略：精选“需求韧性+成本优势”的细分龙头，关注现金流质量与订单能见度。

  • 研究与交易方法

    • 信息源多元化：官方数据+投行研报+期权数据+产业调研，避免同温层。
    • 框架融合：AI工具提效做“广度”，传统基本面严核做“深度”。
    • 模型升级：DCF增强、蒙特卡洛、Real Options；结合期权市场信号识别预期差。
    • 一二级协同：在波动期适度配置打新/Pre-IPO等确定性策略，平衡组合风险回报。

关键词与参考

  • 术语：Headline CPI、Core CPI、Sticky Inflation、EBITDA、DCF、蒙特卡洛模拟、Real Options、期权隐含波动/偏度。
  • 方向示例（非个股建议，仅为嘉宾讨论线索）：电力、冷却系统、数据中心运营（如VST/CEG/EQUIX）、内存/光模块/高速交换等。
  • 工具与信息源：Unusual Whales（期权数据）、投行研报（Morgan Stanley、Goldman Sachs）。

主持人收束

  • 短期交易的是“预期”，长期决定价格的是“产业趋势与企业盈利”。
  • 会后建议：回看数据与财报，用“AI现实主义滤镜”校验叙事，用量化方法学把故事变成可检验的假设与概率分布。