美股策略：AI高速發展預示未來可期
摘要
TradingKey - 自今年 4 月 9 日川普宣布對部分國家的 「對等關稅」 實施 90 天暫停措施後，美股三大指數均錄得大幅上漲。展望未來，在全球貿易摩擦態勢緩和、聯準會降息預期升溫，以及減稅對美股企業稅後獲利形成正向支撐的多重背景下，我們認為美股大盤可望延續上漲態勢。在看漲美國大盤的背景下，我們尤其看好美股的 AI 產業。接下來我們將聚焦美股 AI 板塊展開重點分析。
美國最新的晶片法與 AI 監管框架為美股 AI 板塊注入多重政策紅利。近期落實的《大而美法案》將半導體製造業稅收抵免大幅提升；同期推出的《AI 行動計劃》則以 「輕監管、重發展」 為導向，透過簡化資料中心審批流程、保障能源供應，加速算力基礎設施建設。在政策組合拳下，美股 AI 板塊呈現結構性機會。
在政策的助力下，AI 相關企業呈現令人矚目的突出表現。同時，這項突出表現也得益於企業本身的內在優勢 —— 這類企業依托技術革新實現了生產效率的進一步提升，且在營運槓桿效應方面擁有明顯優勢。在生產效率上，AI 企業的毛利率、人均銷售額及淨資產收益率（ROE）均展現出強勁成長動能；在營運槓桿方面，AI 科技股在企業毛利成長幅度與銷售成長幅度的比率上表現突出。
目前 AI 預算已納入企業核心 IT 與業務預算，這標誌著其從邊緣試驗階段邁入策略核心領域。在應用層面，無論是內部效率的提升或是客戶體驗的最佳化，均取得了卓越進展。同時，AI 正推動企業對工作流程、資料流和決策機制進行重構，從 IT 部門逐步向產品、營運等核心業務板塊滲透，成為企業的創新引擎。從目前 AI 在生產優化、技術創新及場景應用等領域的發展態勢判斷，整個 AI 產業的中長期發展前景無疑是一片光明。
AI產業的前景光明推動著AI企業股價的大幅上漲。這使得許多分析師認為當前AI產業存在泡沫。然而，我們認為這更可能是結構性多頭市場的開端，而非泡沫。具体来说，尽管 AI 股估值较高，但盈利增长速度同样显著。这导致 AI 板块的 PEG 比率低于非 AI 股票，且 “盈利夏普比率” 高于其他股票，由此体现出其高估值的合理性。
.jpg)
來源：Mitrade
1. 美股大盤
自今年 4 月 9 日川普宣布對部分國家的 “對等關稅” 實施 90 天暫停措施後，美股三大指數均創下大幅上漲：截至 8 月 5 日，那斯達克指數漲幅達 22.1%，標普 500 指數上漲 15.4%，道瓊工業指數漲幅為 8.6%。期間，那斯達克指數和標普 500 指數更是多次刷新歷史最高點位（圖 1）。
在 7 月 22 日，美國相繼與菲律賓、印尼及日本達成多項關鍵合作協議；7 月 28 日，全球兩大經濟體 —— 美國與歐盟也成功達成協議。展望未來，在全球貿易摩擦態勢緩和、聯準會降息預期升溫，以及減稅在美股企業稅後獲利形成正向支撐的多重背景下，我們認為美股大盤可望延續上漲態勢。
在看漲美國大盤的背景下，我們尤其看好美股的 AI 產業。接下來我們將聚焦美股 AI 板塊展開重點分析。
圖1：美國三大股指走勢，2025年4月9日 – 2025年8月5日
.jpg)
【註：2025年4月9日 = 100，來源：路孚特，TradingKey】
* 相關資訊請參考 2025 年 8月 5 日發布的《美股還能漲嗎？華爾街有不同的聲音》
2. 政策支撐AI產業
美國最新的晶片法與 AI 監管框架為美股 AI 板塊注入多重政策紅利。近期落地的《大而美法案》將半導體製造業稅收抵免大幅提升，直接推動英特爾、台積電等巨頭加速美國晶圓廠建設。這項政策也對 AI 晶片獲得強力支撐，英偉達、AMD 等企業的先進製程晶片產能可望大幅提升，直接滿足 AI 大模型對算力的大量需求。
川普政府同期推出的《AI 行動計劃》則以 「輕監管、重發展」 為導向，透過簡化資料中心審核流程、保障能源供應，加速算力基礎建設。這促使了甲骨文、微軟等企業參與了數百億美元資料中心投資計畫。
在政策組合拳下，美股 AI 板塊呈現結構性機會。根據摩根士丹利預測，到 2028 年全球AI資料中心投資將達 2.9 兆美元，AI 硬體與基礎設施企業的長期成長邏輯已清晰顯現。
3. 生產效率和營運槓桿的結合
在政策的助力下，AI 相關企業呈現令人矚目的突出表現。同時，這項突出表現也得益於企業本身的內在優勢 —— 這類企業依托技術革新實現了生產效率的進一步提升，且在營運槓桿效應方面擁有明顯優勢。
3.1 生產效率
具體來看，在生產力的不斷提升下，AI 相關公司在多項關鍵財務指標上都呈現出持續向好的趨勢：無論是毛利率、人均銷售額，亦或是淨資產收益率（ROE），均在技術賦能的推動下穩步攀升，展現出強勁的增長動能。
在毛利率表现上，以 AppLovin 为例，该公司依托 AI 技术打造了完善的移动广告生态系统，毛利率成绩颇为突出。依据 8 月 6 日发布的二季度财报，AppLovin 本季度毛利润达 11 亿美元，进而使过去 12 个月（2024 年 7 月 1 日–2025 年 6 月 30 日）的毛利润攀升至 45.1 亿美元，毛利率为 78.6%，较 2020 财年的 61.7% 显著提升（图 3.1.1）。
又比如說，在ROE方面，頭部 AI 企業的成長動能更為強勁。 Google母公司 Alphabet透過 AI 驅動的廣告精準投放技術優化，目前的 ROE 達到 34.8%，較 2020 年的 19% 幾乎實現翻倍成長，成為支撐其市值成長的核心動力之一（圖3.1.2）。
圖3.1.1：AppLovin毛利率
.jpg)
來源：路孚特，TradingKey
圖3.1.2：Alphabet ROE
.jpg)
來源：路孚特，TradingKey
3.2 營運槓桿
在營運槓桿這一關鍵維度 —— 即企業毛利成長幅度與銷售成長幅度之間的比率關係上，AI 科技股的表現脫穎而出。與美股指數中其他股票相比，AI 相關企業在這項指標上呈現出明顯的優越性，這不僅直觀反映出其在成本控制方面具備精細化的管理能力，更凸顯了其在營收成長過程中實現利潤加速釋放的強大獲利能力。
以亞馬遜為例，其 AWS 雲端服務借助 AI 算力集群與機器學習平台的優化，2025 年第二季度營收年增 13.3%，毛利率則從 50.1% 提升至 51.8%，毛利同比增幅達 17.1%，營運槓桿比率為 1.28，即每 1% 的 1.8% 1.83.28% 的 1.28% 1.28%再如社群平台巨頭 Meta Platforms，在 AI 推薦演算法升級後，2025 年第二季營收成長 21.6%，毛利率從去年同期的 81.3% 升至 82.1%，毛利增幅達 22.9%，其營運槓桿比率同樣高於 1（圖3.2.2）。
圖3.2.1：亞馬遜財報數據
.jpg)
來源：路孚特，TradingKey
圖3.2.2：Meta財報數據
.jpg)
來源：路孚特，TradingKey
值得強調的是，AI 相關股票的亮眼表現並非依賴宏觀經濟環境的推動，而是源自於技術創新所帶來的實質生產力提升。這種由 AI 技術驅動的效率優化和獲利模式升級，構成了其股價長期走強的核心支撐力。
4. AI發展和成就標誌著未來可期
目前AI 預算已納入企業核心 IT 與業務預算，標誌其從邊緣試驗走向策略核心。近年來，企業對 AI 投入已經得到了大幅的成長，生成式 AI 專案成投資焦點。同時，AI 應用採購流程日趨標準化，與傳統軟體採購接軌，效能、成本、安全性和合規性成為核心考量。
在內部效率提升方面，AI 實現自動化文件處理、程式碼產生等流程最佳化，大幅縮短SaaS 公司開發週期。在號客戶體驗優化領域，AI 驅動的智慧客服、個人化推薦、語音辨識與情緒分析廣泛應用，相關投入呈指數級成長。號
此外，AI 推動企業重構工作流程、資料流和決策機制，從 IT 部門向產品、營運等核心業務滲透，成為創新引擎。同時，AI Agent 與推理模型興起，企業積極測試智慧代理執行複雜任務，推動智慧化工作流程升級。 AI 正全方位重塑企業發展基因，成為數位轉型和市場競爭的關鍵支撐。號從目前 AI 在生產最佳化、技術創新及場景應用等領域的發展態勢來看，整個 AI 產業的中長期發展前景可謂一片光明。
5. AI股估值過高？存在泡沫？
AI產業的前景光明推動著AI企業股價的大幅上漲。這使得許多分析師認為當前AI產業存在泡沫。然而，我們認為這更可能是結構性多頭市場的開端，而非泡沫。在對 AI 企業的市值佔比、獲利貢獻比例及本益比（P/E）展開研究後，得出了目前 AI 板塊估值偏高的結論。
然而，衡量一項資產是否存在泡沫，不能只看估值高低，獲利的成長潛力與持續性同樣是關鍵的考量維度。儘管第二季財報數據尚未完全公佈，但從目前已揭露的資訊來看，AI 相關企業延續了第一季的良好業績。這表明，美股市場中 AI 產業的景氣仍在持續。
在高估值和收益高成長共存的背景下，PEG 比率（本益比相對獲利成長比率）往往是有用的指標。摩根大通的數據顯示AI板塊的PEG 比率低於非 AI 科技股及指數其他成分股。
花旗銀行引進了 “獲利夏普比率” 这一评估指标，其计算方式为年化每股收益增长率除以收益增长的标准差，以此反映盈利增长的效率与稳定性。数据显示，AI 板块的盈利夏普比率显著高于其他类别股票，體現 AI 股 “高成長、穩波動” 的特徵。總的來說，儘管AI相關企業估值較高，但透過PEG和獲利夏普比率可以發現，此板塊的高成長和成長的穩定性表明AI股並未存在泡沫。
6. AI產業風險
美國 AI 產業在快速發展的過程中面臨多重風險，值得關注。首先是新創企業生存壓力巨大，儘管產業內融資活動十分活躍，但新創企業的成功率僅約 35%，大量新創公司正面臨技術落地困難、獲利模式模糊不清等現實問題，生存之路充滿挑戰。
其次是算力成本高企，成為限制企業發展的重要因素，據統計，訓練千億參數的 AI 模型需耗資超過 1 億美元，高昂的算力成本已成為許多企業進入和發展 AI 領域的門檻。
其三，AI產業仍存在晶片依賴與供應鏈風險，目前美國 AI 晶片主要依賴英偉達等少數巨頭企業，技術路線相對集中，這使得整個 AI 產業的供應鏈極易受到地緣政治等外部因素的影響，穩定性面臨考驗。
此外，在勞動市場領域，頂尖 AI 人才過度聚集到少數企業的現象，以及 AI 發展對就業造成的衝擊，同樣不容忽視。
.png)
