摘要
2026 年 6 月，全球风险资产正处在一个极为微妙的转折点。过去三年，人工智能成为全球资本市场最重要的主线。它不仅推动了英伟达、台积电、博通、Astera Labs、Micron 等硬件与半导体资产的估值扩张，也推动了 OpenAI、Anthropic、SpaceX、xAI、Cerebras、Cursor 等私有或半公开 AI 资产的估值跃迁。与此同时，AI 基础设施建设已经从单纯的软件叙事，演化为一场围绕 GPU、HBM、先进封装、晶圆产能、电力、天然气、数据中心、私募信贷和资本市场融资展开的超级周期。
这轮周期与 2000 年互联网泡沫并不完全相同。AI 不是一个没有产品、没有需求、没有收入的纯粹概念泡沫。大模型确实提升了代码、内容、客服、数据分析、搜索、企业流程自动化等场景的效率；云厂商、模型公司和硬件供应链也确实拥有真实收入。但问题在于，真实技术革命并不等于资产价格永远合理。历史上最危险的泡沫，往往不是建立在虚假技术之上，而是建立在真实技术被过度金融化、过度资本化、过度乐观定价之后。
当前 AI 市场的核心风险，已经从“技术是否真实”转向“资本回报是否足以支撑当前投入”。2024 年之后，全球 AI 数据中心资本开支加速上行。2025 年至 2026 年，超大规模云厂商、模型公司、数据中心开发商、私募信贷基金和债券市场共同参与，推动 AI 基础设施融资规模迅速膨胀。AI 正从股票市场的成长叙事，变成债券市场、私募信贷市场和能源市场共同承载的资产负债表工程。
与此同时，加密市场在这一轮全球流动性扩张中并未成为最大受益者。按照传统逻辑，M2 扩张、财政赤字、货币宽松预期和风险偏好上行，通常会推动比特币及加密资产走强。但 2024 年末至 2026 年中，新增美元流动性中的相当大一部分被 AI 产业链吸收。AI CapEx 成为全球风险资本的“流动性黑洞”：股票投资者买入 AI 权益资产，债券投资者购买 AI 相关信用资产，私募基金参与数据中心融资，银行和非银机构向大型科技公司及数据中心项目提供贷款。相比之下，比特币虽然仍是全球流动性周期中的高 beta 资产，但其边际资金吸引力被 AI 赛道压制。
本报告的核心判断是：AI 不是简单意义上的骗局，也不是可以被无条件线性外推的超级奇迹。它更像是一场真实技术革命与金融泡沫并存的复杂周期。其泡沫部分并不在于 AI 没有价值，而在于市场把过多未来现金流、过多生产率提升、过多社会接受度、过多低成本能源与低成本资本，提前压缩进了当前估值。
对于加密市场而言，AI 泡沫的意义不只是“美股会不会跌”。更重要的是，它正在改变比特币与全球流动性的相关性结构。过去十年，比特币主要与美元流动性、实际利率、风险偏好和监管周期相关；但在 2026 年，比特币还必须面对一个新的变量：AI 是否继续吸走全球边际风险资本。如果 AI 继续扩张，加密市场可能长期处于“有流动性但无增量资金主导权”的状态；如果 AI 发生估值压缩，则加密资产短期内可能随风险资产一同下跌，但在信用出清和货币再宽松之后，比特币也可能成为下一轮流动性修复中最先反弹的资产之一。
因此，2026 年下半年至 2027 年，投资者需要同时监控三条线：第一，AI CapEx 是否开始从加速扩张转向边际放缓；第二，AI 融资是否从权益市场扩散到信用市场并形成系统性杠杆；第三，加密市场是否重新获得独立资金流入，而不是继续被美股科技股的风险偏好牵引。
HTX Research 将持续跟踪 AI 资本周期与加密市场流动性之间的相互作用，以数据驱动的研判，帮助市场参与者理解这一再定价进程。
1.1 2026 年 6 月宏观底色：能源冲击、通胀预期与高利率环境下的风险资产重估
2026 年 6 月的宏观环境，并不是典型的宽松周期，也不是典型的衰退周期，而是一个由能源冲击、地缘政治、通胀粘性、高利率和 AI 投资冲动共同构成的复杂环境。
从表面上看，市场已经逐渐习惯了高利率。美联储政策利率维持在 3.50%–3.75% 区间，虽然低于 2022–2023 年紧缩周期的极端水平，但相较 2010 年代的零利率环境仍然显著偏高。更关键的是，市场不再确信美联储会快速降息。能源价格、食品价格和关税传导使通胀重新具备上行风险，导致美联储在 2026 年中期更难向市场释放明确宽松信号。
这对风险资产定价非常重要。过去十余年，全球风险资产最核心的估值支柱，是低利率和流动性宽松。无论是科技股、成长股、加密资产，还是私募市场高估值项目，本质上都受益于“未来现金流可以用较低贴现率折现”的环境。一旦贴现率长期维持高位，资产估值就必须由真实现金流支撑，而不能仅仅依赖远期叙事。
2026 年宏观环境的特殊之处在于，通胀压力并非单纯来自需求过热，而是越来越多地来自供给侧约束。美伊冲突、霍尔木兹海峡通行受阻、油气运输风险上升，使能源价格和通胀预期受到持续扰动。即便油价因停火或临时协议而短线回落，市场也很难马上相信能源供应链已经完全恢复。只要航运、保险、结算、地缘安全和产能调度仍存在不确定性，能源价格就会继续成为通胀预期的上行风险。
对美国政治而言，能源价格与通胀不仅是经济问题，也是选举问题。汽油、食品、电费、房租等生活成本，是普通选民最直接感知经济状况的变量。即便股票市场上涨，如果中位数家庭无法从股价上涨中获得足够收益，反而承担更高电价和生活成本，那么宏观数据中的“增长”就很难转化为政治满意度。
这正是 AI 基础设施扩张与宏观政治之间产生冲突的地方。AI 数据中心建设需要大量电力、水资源、土地、输电网络和天然气发电支持。在能源价格已经因地缘冲突而上行的背景下，数据中心进一步推升局部电力需求，很容易引发居民对电费上涨、环境污染、用水压力和土地占用的反感。也就是说，AI 不再只是资本市场的成长故事，它正在进入地方政治、能源政策和居民生活成本的交叉地带。
这会改变市场对 AI 资产的定价方式。过去投资者主要关注 AI 模型能力、用户增长、Token 消耗、云收入、GPU 订单和数据中心交付速度；但在 2026 年之后，投资者还必须关注一个此前被低估的变量：社会是否愿意为 AI 基础设施扩张买单。
如果 AI 数据中心带来的电力成本、土地成本和水资源成本最终由居民承担，那么它会迅速成为政治议题。无论民主党还是共和党，都可能围绕“普通人是否在补贴大型科技公司”展开竞选叙事。对资本市场而言，这意味着 AI 公司未来的自由扩张权并不是无条件的。一旦监管、税收、限建、环保审查或电力成本分摊机制发生变化，AI 企业的长期盈利模型就必须重新估值。
在这一环境下，特朗普政府和共和党阵营面对的是一个两难选择。一方面，美国需要维持 AI 竞赛优势，尤其在中美科技竞争、军事智能化、自动化生产和全球数据主权竞争中，AI 基础设施被视为战略资产；另一方面，能源价格、通胀压力和普通选民对数据中心的反感，也可能迫使政客在竞选期间对 AI 行业释放更强硬的监管或税收信号。
这类政治信号未必会真正转化为长期政策，但市场很难忽视它。资产价格并不是等法案落地后才反应，而是在政策叙事变化的一刻就开始重新折现。如果美国政治人物开始把“数据中心推高电价”“AI 抢走工作”“科技巨头享受补贴而普通人买单”作为选举语言，AI 板块就会从纯粹成长叙事，转向带有监管风险和民粹风险的高估值资产。
对于加密市场而言，这一宏观环境的影响是双重的。一方面，高通胀与高利率压制全球流动性，削弱比特币、以太坊和山寨币的估值扩张空间；另一方面，如果 AI 资产因政治与能源冲击出现估值压缩，风险偏好下降会在短期内拖累加密市场。但从更长周期看，一旦 AI 泡沫破裂导致信用收缩、经济下行和政策救助，新的货币宽松又可能重新打开比特币的上行空间。
因此，2026 年 6 月的宏观环境不应被简单理解为“利好”或“利空”。它更像是一个压力测试环境：能源冲击测试通胀，通胀测试美联储，电力成本测试 AI 扩张，AI 估值测试美股，风险偏好最终测试加密市场。
1.2 AI CapEx 超级周期：从软件叙事到能源、信用与资本市场工程
过去两年，市场对 AI 的理解经历了三个阶段。
第一阶段是模型能力阶段。2022 年底 ChatGPT 发布后，市场主要关注大模型能力边界、参数规模、推理能力、代码能力、多模态能力和用户增长。此时，AI 叙事主要集中在 OpenAI、Anthropic、Google DeepMind、Meta、xAI 等模型公司身上。投资者相信，谁拥有最强模型，谁就拥有未来操作系统入口。
第二阶段是算力瓶颈阶段。随着模型训练和推理需求迅速增长，市场开始意识到真正稀缺的不是单一应用，而是算力、GPU、HBM、先进封装、晶圆产能和数据中心交付能力。英伟达、台积电、ASML、SK Hynix、Micron、Broadcom、Astera Labs 等公司成为 AI 产业链的核心受益者。AI 叙事从“模型公司”扩展到“卖铲人”。
第三阶段是基础设施金融化阶段。进入 2025–2026 年后，AI 已经不再只是科技公司的研发项目，而是一个巨大的资本开支周期。数据中心建设需要土地、能源、冷却、输电、网络、GPU、服务器、租约、债务融资和长期客户承诺。AI 基础设施开始被打包成合资公司、租赁协议、私募债、资产支持证券和长期收入合同。它从科技叙事演化为资本市场工程。
Meta 与 Blue Owl 合作开发 Hyperion 数据中心，就是这一趋势的典型案例。大型科技公司不再只是简单地用自有现金建数据中心，而是通过合资公司、长期租约、剩余价值担保和私募信贷融资，把资本开支的一部分转化为金融资产。表面上，这能够改善科技公司的现金流表观数据，降低一次性资本开支压力；但本质上，它也把 AI 基础设施风险从公司资产负债表，转移给私募信贷投资者、保险资金、养老金和债券持有人。
这与 2008 年次贷危机存在某种结构相似性。2008 年的问题不是房子不存在，也不是美国人不需要住房，而是房贷、评级、证券化和杠杆建立在过度乐观的房价预期之上。今天 AI 的问题也不是算力不存在，也不是企业不需要智能化，而是数据中心、GPU 和长期算力合同正在被金融化，并建立在一个假设之上：未来 AI 收入将足以覆盖当前巨大资本开支。
这个假设目前尚未被证明。
大型科技公司拥有强大现金流，但 AI CapEx 的增长速度已经快到足以改变其资本配置逻辑。过去，苹果、微软、Alphabet、Meta 等科技巨头通过高利润率、股票回购和轻资产商业模式支撑高估值。现在，AI 迫使它们进入重资产时代。更多资金被投入数据中心、芯片、电力和长期基础设施，而不是回购、分红或高利润软件扩张。
这意味着科技股估值的核心发生了变化。过去市场给大型科技公司高估值，是因为它们具有轻资产、高毛利、高自由现金流、网络效应和全球垄断优势；而现在，AI 正在把它们推向资本密集、能源密集、折旧密集和融资密集的模式。资本市场必须回答一个问题：这些公司究竟仍然是软件平台，还是正在变成新时代的电力与算力公用事业公司？
如果它们仍然是软件平台，那么当前估值可能可以被高利润率和高增长解释；但如果它们逐渐成为重资产基础设施运营商，那么估值倍数就必须下调。传统公用事业、通信运营商和数据中心 REITs 很难长期享受软件公司的估值倍数。AI 的危险之处在于，它可能让市场用软件公司的估值，购买一个逐渐公用事业化的资本开支模型。
当然，支持 AI 超级周期的观点也有其合理性。AI 推理需求可能远大于训练需求，企业智能体、代码生成、机器人、自动化办公、金融分析、药物研发、工业仿真和个人 AI 代理都可能带来巨大的 token 消耗。如果每瓦电力能够生成更多 token，如果推理芯片、内存、网络互联和模型效率持续提升，那么 AI 基础设施的需求可能远未见顶。
这也是 Gavin Baker 等 AI 多头所强调的核心逻辑：AI 不是 SaaS 泡沫，而是电力、晶圆、HBM、先进封装和推理芯片构成的物理瓶颈超级周期。只要 TSMC、ASML、HBM 和电网无法快速过剩，AI CapEx 就不会像互联网泡沫那样瞬间失控；真正的超额收益不在聊天机器人本身，而在能够降低 token 成本、提升每瓦性能、解决推理瓶颈的物理基础设施环节。
这套逻辑并非没有道理。它提醒我们，不能简单地把 AI 等同于 2000 年互联网泡沫。2000 年许多互联网公司没有收入、没有壁垒、没有现金流，而今天 AI 的买方主要是全球现金流最强的科技巨头。英伟达的利润是真实的，云厂商的收入是真实的，企业对自动化的需求也是真实的。
但问题在于，真实需求并不保证所有资产价格都合理。更重要的是，AI 产业链内部收益分配高度不均。卖铲人可能赚钱，模型公司可能烧钱；芯片公司可能获得高毛利，云厂商可能承担低回报资本开支；数据中心开发商可能锁定租约，最终风险却由签下长期承诺的大型科技公司承担。投资者不能只看到 AI 总需求扩张，而忽略不同环节的资本回报差异。
从泡沫识别角度看，当前 AI 市场最需要关注的不是“AI 是否有用”，而是三个问题：
第一，AI 收入增长能否覆盖 CapEx 增长？如果云厂商每年增加数千亿美元资本开支，但 AI 增量收入无法按同等速度增长，自由现金流就会受到持续挤压。
第二，AI 基础设施的融资成本是否会继续上升？当项目融资从现金流转向债务和私募信贷，利率、信用利差和投资者风险偏好就会成为关键变量。
第三，AI 的社会成本是否会被政治重新定价？如果数据中心电力需求导致居民电费上涨、地方政府反弹、环保审查趋严，AI 扩张速度就会受到非市场因素限制。
因此，AI CapEx 超级周期的核心矛盾在于：技术需求是真实的，但资本市场可能把真实需求过度外推；基础设施瓶颈是真实的，但瓶颈资产估值可能提前反映多年增长；AI 的长期价值是真实的，但短期资本回报可能被能源、融资和监管成本侵蚀。
1.3 AI 泡沫的本质：不是技术泡沫，而是现金流、能源与社会承受力的错配
判断 AI 是否存在泡沫，不能只看股价涨幅，也不能只看技术进步。更合理的框架，是区分“技术革命”和“金融泡沫”。
技术革命回答的是：这项技术是否会改变生产方式？
金融泡沫回答的是：资产价格是否已经提前透支了过多未来收益？
AI 显然是技术革命。大模型在代码、文本、图像、视频、语音、搜索、客服、投研、合约审查、企业流程自动化等领域已经展现出真实能力。未来随着推理成本下降、模型能力增强、企业数据接入和 Agent 工作流成熟，AI 对生产率的影响很可能继续扩大。
但 AI 同样可能存在金融泡沫。泡沫不是因为技术虚假，而是因为资本市场用过高估值购买过长远期现金流，并且低估了中间路径上的融资成本、竞争强度、政策阻力和需求不确定性。
当前 AI 泡沫主要体现在五个方面。
第一，是估值对未来增长的极端外推。市场对 AI 公司的定价，隐含了极高收入增长、极高利润率和极长竞争优势周期。OpenAI、Anthropic、SpaceX 等公司在私募或 IPO 市场获得接近甚至超过万亿美元级别的估值预期，意味着投资者相信它们能够在未来多年持续高增长，并最终获得极高利润。但模型公司之间的竞争正在加剧，推理价格下降速度很快，开源模型持续追赶，企业客户对 AI 付费的真实弹性仍在验证中。高收入增长不一定等于高利润增长。
第二，是 CapEx 与收入错配。AI 数据中心需要提前建设，收入却需要未来逐步释放。这种模式天然带有周期风险。如果需求持续超预期，提前建设会带来巨大回报；如果需求不及预期，数据中心、GPU、服务器和电力合同就会变成沉没成本。相比软件业务，AI 基础设施的错误投资更难快速调整。
第三，是融资结构复杂化。AI 基础设施融资正在从企业自有现金流，扩展到债券、私募信贷、合资公司、租赁、担保和资产证券化。这提升了建设速度，也扩大了风险传导范围。一旦 AI 收入预期下修，不仅股票会下跌，信用资产也可能重新定价。届时风险不再局限于科技股投资者，而会扩散到银行、私募信贷基金、保险资金和养老金。
第四，是能源成本不确定。AI 的本质，是把能源转化为智能。训练和推理都需要电力，数据中心需要稳定供电和冷却系统。能源价格上升会直接提高 AI 服务成本，电网瓶颈会限制数据中心交付速度，天然气价格上涨会影响新增发电成本。如果地缘冲突持续扰动油气价格，AI 公司的利润率和扩张速度都会受到影响。
第五，是政治与社会承受力。AI 对就业、工资、电价、土地、水资源和地方环境的影响，正在成为选举议题。普通选民未必持有大量 AI 股票，却可能承担更高电费和就业不确定性。资本市场过去假设 AI 扩张可以无限进行，但现实社会未必接受这一点。一旦政治人物开始利用反 AI、反数据中心、反科技巨头暴利税的叙事争取选票，AI 资产的估值风险就会明显上升。
这种泡沫结构与互联网泡沫和次贷危机都有相似之处，但也有明显区别。
与互联网泡沫相似的是，市场都在为一项真实技术革命提前支付高估值。互联网确实改变了世界，但 2000 年买入大量互联网股票的投资者仍然遭遇严重亏损。技术方向正确，并不意味着买入价格正确。
与次贷危机相似的是，AI 基础设施正在被金融化。数据中心、租约、担保、债务、私募信贷和长期合同构成了新的资产打包链条。如果底层现金流被高估，金融结构会放大损失。
但与二者不同的是，AI 买方主要是现金流强大的科技巨头，而非大量无收入创业公司或低信用购房者。这意味着 AI 泡沫不一定会像 2000 年或 2008 年那样快速崩塌。它更可能呈现出“局部先崩、信用后传导、政策再反应”的路径。
第一阶段，市场会先从估值最高、流动性最低、盈利最不确定的 AI 资产开始重估。例如超高估值 IPO、尚未盈利的模型公司、依赖长期订单的中小硬件公司、被过度炒作的 AI 应用股。
第二阶段，压力会传导到半导体、数据中心、电力设备和云厂商。投资者会重新评估订单能见度、毛利率、库存、客户集中度和 CapEx 可持续性。
第三阶段，信用市场开始反应。AI 数据中心相关债务、私募信贷、租赁担保和项目融资利差上行。银行和非银机构收紧贷款，企业削减或推迟资本开支。
第四阶段，宏观经济受到影响。由于 AI CapEx 已经成为美国经济增长的重要组成部分，一旦科技资本开支放缓，美国 GDP、就业、工业订单和企业盈利都会承压。
第五阶段，政策重新宽松。若市场下跌过快、信用风险扩大、经济进入衰退，美联储和财政部门可能重新提供流动性支持。届时比特币和优质加密资产可能迎来新一轮周期性机会。
因此，AI 泡沫最危险的地方，不在于它会不会明天破裂，而在于它已经成为全球风险资产共同依赖的核心叙事。只要 AI 继续上涨，美股指数、半导体、数据中心、电力设备、私募估值、风险偏好和部分加密资产都会受益；一旦 AI 预期逆转，影响也不会停留在科技板块，而会扩散到全球流动性结构。
2.1 加密市场为何没有吃到全部流动性：AI 成为美元增量资金的“黑洞”
过去十年，加密市场形成了一套相对清晰的宏观交易框架：当全球流动性扩张、美元实际利率下行、风险偏好上升时，比特币通常表现较好；当流动性收紧、美元走强、实际利率上升时，比特币和山寨币通常承压。
这个框架在 2020–2021 年非常有效。疫情后的财政刺激、货币宽松、零利率和流动性泛滥，使大量资金涌入比特币、以太坊、DeFi、NFT、GameFi 和风险资产。比特币被视为“数字黄金”，也是高流动性时代的美元贬值对冲工具。
但 2024 年末至 2026 年中，这一框架出现偏差。美元流动性并非完全枯竭，M2 重新扩张，财政赤字仍然高企，资本市场风险偏好也并未彻底消失。然而，比特币相对 AI 股票的表现明显落后。英伟达、AI 半导体、数据中心、电力设备和部分 AI 私募资产吸收了更多增量资金。加密市场虽然仍有周期性反弹，但未能成为全球流动性扩张的最大受益者。
原因在于，AI 取代加密，成为这一轮全球资本市场最具共识的增长叙事。
资本追逐的是边际回报预期。2023 年之后，AI 给投资者提供了一个比加密更容易被传统金融体系理解的叙事：真实公司、真实收入、真实订单、真实资本开支、真实上市路径、真实指数权重。相比之下，加密市场虽然拥有比特币 ETF、稳定币、RWA、链上交易基础设施等进展，但大量山寨币仍缺乏现金流，叙事轮动快，监管风险高，投资者信任尚未完全恢复。
AI 吸引资金的方式也比加密更广。
股票投资者可以买英伟达、微软、Meta、Google、Amazon、Broadcom、台积电、Micron、Astera Labs 等上市公司。
私募投资者可以买 OpenAI、Anthropic、xAI、Cursor、Cerebras、Databricks 等未上市资产。
债券投资者可以购买大型科技公司债、数据中心项目债、私募信贷产品和资产支持证券。
商品投资者可以配置天然气、电力设备、铜、铀、稀土、HBM 供应链等相关资产。
地方政府和主权基金可以通过产业基金、税收优惠和基础设施投资参与 AI 竞争。
相比之下，加密市场的资金入口虽然在扩大，但主要仍集中在 BTC ETF、ETH ETF、交易所、稳定币、链上基金和少数上市公司股票。AI 的资金承接能力更强，叙事更容易与传统金融资产负债表结合，因此更容易吸收新增美元流动性。
这就是为什么 2026 年加密市场会出现一种看似矛盾的现象：宏观流动性并没有彻底消失，但加密市场仍然缺少持续主升浪。因为流动性不是平均分配的，流动性会流向当下最有想象力、最容易被机构配置、最容易被财务模型解释的方向。2024–2026 年，这个方向是 AI，而不是加密。
更深层的问题是，比特币的边际买方结构发生了变化。
早期比特币的买方主要是加密原生用户、矿工、交易员和部分宏观投资者。2020 年之后，机构、上市公司、基金和 ETF 投资者逐渐进入。到了 2026 年，比特币越来越像全球宏观组合中的高 beta 流动性资产，而不是完全独立于传统市场的另类资产。
这种机构化有利有弊。好处是，比特币的合法性、流动性和资产配置地位显著提升；坏处是，比特币更容易被纳入同一套风险预算。当机构同时持有 AI 股票、QQQ、比特币 ETF 和高收益债时，一旦组合风险预算下降，它们往往会同步减仓，而不是单独保留比特币。
这使比特币与纳斯达克、AI 股票和整体风险偏好的相关性上升。比特币仍有数字黄金属性，但在短期交易层面，它更像“高 beta 科技风险资产”。当 AI 板块强势上涨时，比特币可能因资金被吸走而相对落后；当 AI 板块下跌时，比特币又可能因风险偏好下降而跟跌。这就是当前加密市场最困难的地方：涨时不一定跟涨，跌时却容易跟跌。
稳定币供应也是观察加密流动性的关键。稳定币代表链上美元购买力，是加密市场内部的干火药。若稳定币供应持续增长，说明资金仍在链上等待机会；若稳定币供应停滞或增长放缓，即使 BTC 短线反弹，也很难支撑广泛山寨行情。2026 年以来，稳定币作为支付、跨境转账和链上结算工具的基本面仍在改善，但交易性资金并没有大规模转向山寨资产。
因此，加密市场当前最大的问题不是没有宏观叙事，而是缺少资金主导权。比特币的长期叙事仍然清晰：货币贬值对冲、主权资产、全球结算资产、数字黄金。但短期市场定价权被 AI 抢走了。AI 代表未来生产力，比特币代表未来货币体系。在资金有限、利率仍高、风险预算受限的环境下，投资者更愿意优先配置能够带来可见收入增长和指数权重提升的 AI 股票，而不是等待比特币的长期货币属性重新被定价。
这并不意味着比特币长期逻辑失效。相反，这意味着比特币正在等待下一次宏观切换。当 AI 资本开支放缓、科技股估值压缩、信用市场重新定价、政策再次转向宽松时，比特币可能重新获得流动性主导权。届时，加密市场的机会不一定来自 AI 继续上涨，而可能来自 AI 泡沫出清后的货币宽松。
2.2 AI 风险如何传导至加密市场：股票、信用、IPO 与链上流动性的四重路径
AI 泡沫对加密市场的影响，不是单一线性的。它至少通过四条路径传导：股票风险偏好路径、信用收缩路径、IPO 抽水路径和链上流动性路径。
第一条路径，是股票风险偏好路径。
当前 AI 已经成为美股指数的核心权重和情绪锚。英伟达、微软、Meta、Google、Amazon、Broadcom、台积电等公司不仅影响科技板块，也影响全球风险资产定价。当 AI 股票上涨时，投资者风险偏好增强，杠杆资金活跃，波动率下降，加密市场通常也能获得一定支撑；当 AI 股票下跌时，风险偏好下降，机构降低高波动资产敞口，加密市场容易同步承压。
这一路径对比特币尤其重要。BTC ETF 的推出提升了比特币在传统投资组合中的可配置性，但也让它更容易被风险预算管理。当纳斯达克波动率上升、AI 板块回撤、基金需要降低组合 beta 时，比特币 ETF 可能成为容易出售的流动性资产。换言之，ETF 带来了长期增量资金，也带来了更强的传统市场联动。
第二条路径，是信用收缩路径。
AI 基础设施建设需要巨量融资。如果 AI CapEx 继续扩大，债券市场和私募信贷将承担越来越多融资责任。数据中心项目债、科技公司债、租赁担保、私募信贷基金和银行贷款，都会成为 AI 扩张的信用基础。
一旦市场开始怀疑 AI 收入无法覆盖资本开支，信用市场会先要求更高风险溢价。融资成本上升后，数据中心项目回报率下降，科技公司自由现金流承压，部分项目被推迟或取消。信用收缩会进一步压低 AI 供应链订单预期，形成负反馈。
这对加密市场的影响非常直接。加密资产对流动性和信用周期高度敏感。信用扩张时，杠杆资金增加，稳定币供应增长，交易所成交活跃，DeFi 收益率上升，山寨币更容易出现行情；信用收缩时，杠杆资金撤离，做市商风险预算下降，交易深度变薄，山寨币流动性枯竭。AI 信用周期如果进入收缩阶段，加密市场很难独善其身。
第三条路径，是 IPO 抽水路径。
2026 年，SpaceX、OpenAI、Anthropic 等超大体量 AI 或 AI 相关公司进入公开市场预期，成为全球资本市场的重大事件。巨型 IPO 本质上会吸收市场流动性。无论是主动基金、被动指数、主权基金、养老金，还是散户资金，都可能为了参与这些高关注度上市而调整组合。
如果这些 IPO 定价极高、流通盘较低、上市初期涨幅有限甚至破发，市场会迅速重新评估 AI 私募估值和二级市场承接能力。对于加密市场而言，巨型 IPO 有两层影响。
短期看，它会抽走风险资本。原本可能配置 BTC、ETH 或加密相关股票的资金，可能转向 AI IPO。尤其当 AI IPO 被包装为“下一代英伟达”“全球最大智能基础设施公司”“万亿美元模型平台”时，它对风险资金的吸引力会非常强。
中期看，如果 IPO 表现不佳，它会成为 AI 泡沫破裂的催化剂。市场会意识到，私募市场的高估值并不一定能够被公开市场消化。一旦这种认知形成，AI 私募估值、科技股估值和风险资产偏好都会受到冲击，加密市场也会受到连带抛售。
第四条路径，是链上流动性路径。
AI 板块强势时，加密市场内部容易出现资金分流。部分加密原生资金会转向美股、AI 股票、Pre-IPO、链上美股合约和 AI 相关衍生品。交易员会发现，AI 股票的流动性更深、叙事更强、机构参与更多，短期收益可能优于山寨币。这会削弱链上山寨市场的资金轮动。
此外，AI 也改变了加密行业内部的叙事结构。2023–2025 年，大量 AI Token 试图借助 AI 热潮获得估值，但多数项目缺乏真实收入和核心技术壁垒。随着市场对 AI 基础设施的理解加深，投资者会越来越区分“真正受益于 AI 生产资料稀缺的资产”和“只是贴上 AI 标签的代币”。这对加密 AI 板块是一种重新定价。
长期来看，加密与 AI 并非只有竞争关系。二者也存在融合方向。例如去中心化算力、模型市场、数据确权、Agent 支付、链上身份、稳定币结算、智能合约自动执行和 RWA 抵押融资，都可能成为 AI 与加密结合的真实场景。但在 2026 年中期，市场尚未证明这些方向能够承接与传统 AI 基础设施同等规模的资金。因此，加密 AI 叙事仍然需要从概念走向现金流。
从风险传导角度看，AI 泡沫对不同加密资产的影响并不相同。
比特币受到宏观流动性和风险偏好的影响最大。如果 AI 下跌引发市场去杠杆，BTC 短期会承压；但如果后续政策宽松，BTC 可能率先修复。
以太坊受到链上活动和风险资产属性双重影响。若 AI 风险导致链上交易、DeFi、NFT 和山寨活动降温，ETH 可能表现弱于 BTC；但若稳定币、RWA 和链上金融继续增长，ETH 仍有基本面支撑。
高 beta 山寨币最脆弱。AI 风险冲击下，做市商会收缩库存，交易员会减少杠杆，山寨币流动性最容易枯竭。尤其是缺乏现金流、缺乏真实用户、仅靠叙事驱动的 AI Token，可能面临严重估值压缩。
交易所平台币和衍生品相关资产则取决于成交量。如果 AI 下跌引发市场高波动，短期成交量可能上升；但若进入持续熊市，用户风险偏好下降，平台收入也会承压。
稳定币与链上国债类资产可能相对受益。风险资产下跌时，资金会回到稳定币、货币市场基金、短久期收益资产和链上美元工具。稳定币在加密市场中的“现金”属性会更加重要。
因此，AI 泡沫不是一个与加密无关的美股问题。它已经成为加密市场的外部定价核心之一。未来加密研究不能只看 BTC ETF、减半、链上数据和监管政策，还必须把 AI CapEx、科技股估值、数据中心债务、能源价格和巨型 IPO 纳入同一张风险地图。
2.3 2026 下半年研究框架：如何监控 AI 泡沫、加密相关性与下一轮机会
面对 AI 泡沫与加密市场相关性的变化，投资者不能只用单一指标判断市场。更合理的方法，是建立一个多维监控框架，把宏观、AI、信用、股票、加密和政治风险放在一起观察。
第一类指标，是能源与通胀指标。
需要重点关注 Brent、WTI、天然气、电力现货价格、区域电价、数据中心集中区域的电网负荷，以及美国 CPI、PCE、核心服务通胀和通胀预期。AI 的基础是电力，电力的边际成本又受到天然气、输电、土地和监管影响。如果能源价格持续上行，AI 推理和训练成本会被重新定价，模型公司的毛利率和云厂商的 CapEx 回报都会承压。
同时，能源价格也是美联储政策的重要变量。如果油价上涨推高通胀，美联储难以快速降息，风险资产估值承压；如果油价回落但经济放缓，美联储才有重新宽松的空间。对加密市场而言，最有利的环境通常不是单纯高通胀，而是“通胀回落 + 流动性宽松 + 风险偏好修复”。2026 年中期显然还没有完全进入这种环境。
第二类指标，是 AI CapEx 与订单指标。
投资者需要监控微软、Amazon、Google、Meta、Oracle、SpaceX 等公司的资本开支指引，尤其是管理层是否开始使用“moderate spending”“optimize returns”“discipline”“capacity digestion”等措辞。如果大型科技公司从“加速建设”转向“控制节奏”，市场对 AI 供应链的收入预期会迅速下修。
同时，需要关注英伟达、台积电、ASML、SK Hynix、Micron、Broadcom、Astera Labs 等公司的订单、库存、毛利率和客户集中度。如果需求从训练转向推理，受益环节会发生变化；如果推理价格下降过快，模型公司收入增长可能无法覆盖算力成本；如果数据中心交付受限，硬件订单可能出现延迟。
第三类指标，是 AI 信用融资指标。
这可能是未来最重要、但被普通投资者低估的指标。AI 泡沫的破裂未必首先发生在股票价格上，也可能先发生在信用市场。需要关注大型科技公司债券发行规模、信用利差、数据中心 ABS/CMBS 定价、私募信贷基金募资、银行贷款标准、租赁担保条款和项目融资失败案例。
如果 AI 相关债务融资成本上升，说明市场开始要求更高风险补偿。只要信用市场从“愿意无限融资”变成“要求现金流证明”，AI CapEx 的扩张速度就会受到抑制。这会直接影响科技股估值，也会通过风险偏好影响加密市场。
第四类指标，是巨型 IPO 与解禁节奏。
SpaceX、OpenAI、Anthropic 等公司是否顺利上市、上市估值是否被公开市场接受、上市后股价能否维持、锁定期结束后内部股东是否减持，都会成为 AI 泡沫的重要信号。
如果巨型 IPO 首日大涨并持续走强，说明市场仍愿意为 AI 叙事支付高溢价，风险偏好可能延续。若 IPO 高开低走、成交承接不足、上市后持续破发，则说明私募估值向公开市场转移失败，AI 叙事可能进入反身性下行阶段。
这对加密市场的含义很明确：巨型 AI IPO 成功，会继续吸走风险资金，加密市场可能维持相对弱势；巨型 AI IPO 失败，会先造成风险资产共振下跌，但中期可能为加密资产提供重新获得流动性主导权的机会。
第五类指标，是政治与监管指标。
数据中心、电力价格、AI 税、就业替代、模型监管、国家安全、数据隐私和反垄断，都会成为未来两年美国政治的重要议题。投资者需要监控总统、国会、州政府和地方政府对 AI 数据中心的表态，尤其是摇摆州和竞争选区的政策变化。
如果政治话语从“AI 是国家竞争力”转向“AI 让普通人承担成本”，市场将重新定价 AI 板块的监管风险。即便政策最终不落地，竞选语言本身也会影响资产价格。高估值资产最害怕的不是坏消息本身，而是不确定性提高导致贴现率上升。
第六类指标，是加密市场内部流动性。
需要重点关注 BTC ETF 与 ETH ETF 净流入、稳定币总供应、交易所现货与合约成交量、BTC/ETH 市场深度、永续资金费率、链上活跃地址、DeFi TVL、山寨币市值占比和 BTC Dominance。
如果 AI 下跌时 BTC ETF 出现持续流出、稳定币供应下降、山寨币流动性恶化，说明加密市场仍在被动承受外部风险。如果 AI 下跌后 BTC 率先企稳、稳定币供应不降反升、ETF 重新流入，则说明市场开始把比特币视为 AI 泡沫出清后的替代配置。
基于以上框架，2026 下半年可以设定三种情景。
第一种情景，是 AI 继续扩张、加密继续被压制。美伊局势缓和，油价稳定，美联储维持高利率但不再显著转鹰，AI CapEx 继续上修，巨型 IPO 表现良好。在这种情况下，美股 AI 链条仍是全球风险资金主线，加密市场可能只有结构性机会。BTC 维持区间震荡，ETH 和山寨币缺少全面行情，AI 相关链上资产需要证明真实收入才能获得持续定价。
第二种情景，是 AI 估值温和修正、加密短跌后分化。油价和电力成本上升，部分数据中心项目受阻，AI 股票高位震荡，巨型 IPO 表现不及预期但未引发信用危机。此时 BTC 可能先随风险资产下跌，但跌幅小于高 beta 山寨币；稳定币和链上美元资产相对受益；市场开始重新寻找除 AI 外的下一条主线。加密市场中具备真实现金流、交易收入、稳定币结算、RWA 和基础设施属性的资产可能获得相对优势。
第三种情景，是 AI 泡沫快速破裂并触发信用收缩。巨型 IPO 失败，AI 股票大幅下跌，科技公司债利差扩大，数据中心融资受阻，银行和私募信贷收紧，宏观经济受到冲击。在这种情况下，加密市场短期难以独立上涨。BTC、ETH、山寨币都会承压，尤其是流动性差和估值高的山寨币。但在政策救助和货币宽松预期出现后，BTC 可能率先触底，并成为下一轮流动性周期的核心资产。
更准确的判断是：AI 正在重塑全球流动性的流向，而加密市场正处于重新寻找定价权的阶段。
过去，加密市场最大的叙事是“链上金融取代传统金融”；现在，全球资本市场最大的叙事是“AI 提升生产率并重构实体基础设施”。这两条叙事并非互斥，但在资金层面存在竞争。AI 吸收资本开支，加密吸收货币信任危机；AI 需要电力和债务，比特币需要流动性和信仰；AI 的风险在于资本回报不确定，比特币的风险在于短期缺少现金流锚。
未来真正值得关注的交汇点，可能不是简单的 AI Token，而是“AI × 加密金融基础设施”的结合。例如：
一是稳定币成为 AI Agent 的支付层。当 AI Agent 能够自主调用服务、购买数据、支付算力、结算任务时，稳定币可能成为机器经济的基础货币。
二是链上市场成为 AI 资产的交易层。Pre-IPO、算力合约、数据中心收益权、GPU 租赁收益、AI 公司股权衍生品，都可能通过链上或交易所衍生品形式被全球交易。
三是去中心化算力和数据市场成为 AI 基础设施的补充。虽然短期内很难挑战中心化云厂商，但在特定场景中，去中心化网络可以提供更灵活的长尾算力、数据标注、模型微调和验证服务。
四是交易所成为全球风险资产的统一入口。随着用户对全天候交易、USDC 计价、高杠杆、可做空和跨资产组合的需求上升，加密交易平台有机会把 AI 股票、链上资产、RWA、稳定币收益和衍生品整合进同一个交易体验。
从这个角度看，AI 泡沫的研究不是为了简单判断“AI 会不会崩”，而是为了理解全球资金如何在 AI、美股、债券、能源和加密之间迁移。加密市场的机会，往往出现在旧叙事拥挤、新叙事尚未完全形成的时候。2026 年中期，AI 已经成为拥挤叙事，而加密正在经历低预期阶段。短期风险仍需控制，但中长期机会也正在酝酿。
最终结论可以概括为三句话。
第一，AI 是真实技术革命，但当前资本市场对 AI 基础设施、模型公司和相关股票的定价，已经包含明显的泡沫成分。
第二，AI 在 2024–2026 年吸收了大量全球美元增量资金，使加密市场未能完全受益于宏观流动性扩张，比特币与科技风险资产的相关性因此上升。
第三，若 AI 泡沫发生估值压缩，加密市场短期会受到冲击，但在信用出清和政策宽松之后，比特币可能重新成为全球流动性修复阶段最具弹性的资产之一。
对投资者而言，当前阶段最重要的不是追逐单一叙事，而是识别资金流向的变化。AI 仍可能继续上涨，但它已经不再是无风险的增长故事；加密市场仍可能继续震荡，但它也不再只是孤立的高波动资产。2026 年下半年，真正决定市场方向的，将是 AI CapEx 能否继续被融资、能源价格能否稳定、政治是否重新定价数据中心成本，以及比特币能否重新夺回全球流动性的边际定价权。
3.0 火币HTX 的 AI 业务实践：AINFT 从交易入口延展到智能服务入口
在 AI 成为全球资本市场核心主线的过程中，加密交易平台面对的不只是资产价格和资金流向变化，更是用户行为入口的变化。过去，用户进入交易平台，主要是为了完成充值、交易、合约、理财、OTC 和资产管理等金融行为；但随着大模型能力不断普及，用户对信息处理、内容生成、数据分析、策略辅助和智能工具的使用频率明显提升。AI 正在从外部技术变量，逐渐变成用户日常数字活动中的基础工具。在这一背景下，火币HTX 体系内正在推动自研 AINFT 产品，聚合市场上的主流大模型能力，并与 Crypto 支付体系打通，形成“模型能力 + Web3 登录 + 按需支付”的完整闭环。这一动作的关键意义在于，火币HTX 对 AI 的应用已经不再停留在内部员工使用外部模型提升研发、客服或运营效率的阶段，而是开始进入面向用户的平台级 AI 产品能力建设阶段。换句话说，AI 不只是后台提效工具，而正在被纳入火币HTX 生态的产品体系，成为平台服务能力向外延展的新组成部分。
从产品逻辑看，AINFT 首先解决的是模型使用入口分散的问题。当前主流 AI 服务分布在 OpenAI、Anthropic、Google 等不同平台中，普通用户往往需要分别注册账户、绑定支付方式、理解不同模型能力，并在多个产品之间切换。这种使用方式对加密用户并不友好，也不符合 Web3 用户习惯中“一个钱包进入多个应用”的交互逻辑。AINFT 通过聚合主流大模型能力，把不同模型的调用入口整合到同一个产品中，用户不需要分别注册多个 AI 平台，也不需要在不同产品之间反复切换，即可通过统一入口调用不同模型。这种模式并不是重新训练一个封闭模型，而是把市场上已有的成熟模型能力产品化、入口化，并将其转化为更适合加密用户使用的服务层。对于火币HTX 来说，这等于在交易、行情、资产和账户体系之外，增加了一个新的 AI 服务入口，使平台能够从单一交易场景延伸到更高频的智能服务场景。
AINFT 的第二个关键设计，是 Web3 原生登录与身份体系。传统 Web2 AI 产品通常依赖邮箱、手机号、信用卡和订阅账户体系，用户需要把个人身份信息、支付方式和使用记录绑定到中心化账户中。AINFT 则强调通过 TronLink 等钱包签名完成登录，降低注册门槛，也更贴近加密原生用户的使用方式。钱包在这里不只是登录工具，更是一种 Web3 身份入口。用户可以通过钱包完成身份确认、支付授权和后续生态交互，而不必完全依赖传统 Web2 账户体系。这种设计使 AI 服务从产品入口开始就具备链上原生属性，也为后续接入积分、代币激励、NFT 权益、会员等级、任务系统和链上行为记录留下了空间。对交易平台而言，这一点尤其重要，因为它让 AI 服务不再是孤立工具，而是可以与平台用户体系、资产体系和活动体系发生连接的产品模块。
AINFT 的第三个关键设计，是 Crypto 支付与 Pay-as-you-go 机制。传统 AI 产品大多采用月度订阅或固定套餐付费，用户即使只是低频使用，也需要提前支付固定费用。这种模式适合部分办公用户，但并不一定适合加密用户高频、小额、弹性使用的行为特征。AINFT 采用随充随用的支付方式，让用户可以根据实际需求充值和调用模型，而不是被固定订阅周期绑定。更重要的是，当 AI 服务消费与 Crypto 支付体系结合后，平台可以把支付行为、积分奖励、代币激励、营销活动和用户增长机制连接起来，形成“使用 AI 服务—产生支付行为—沉淀用户活跃—进入平台生态”的循环。也就是说，火币HTX 推动 AINFT，并不是简单提供一个 AI 工具，而是在探索 AI 使用行为如何与平台支付逻辑、用户增长和生态活动协同起来。
这一产品方向与火币HTX 现有业务体系之间具有明确协同。火币HTX 已经具备稳定币流动性、现货与合约交易、OTC、理财、机构服务和全球用户运营等基础能力，而 AINFT 可以成为这些业务之外的新增高频入口。用户过去可能只有在交易、转账或理财时才进入平台，未来则可能因为内容生成、数据分析、信息查询、市场理解、办公辅助和智能服务需求而更频繁地进入火币HTX 生态。对于现货用户，AI 可以帮助提升信息理解效率；对于合约用户，AI 可以辅助观察市场情绪、新闻变化和波动风险；对于新用户，AI 可以降低理解加密产品和市场信息的门槛；对于高频用户和专业交易者，AI 则可以成为信息聚合、机会扫描和辅助决策工具。随着 AI 使用频率不断提高，交易平台如果能够把 AI 能力嵌入用户账户、钱包、支付和资产体系中，就有机会从“用户交易资产的入口”进一步扩展为“用户使用智能服务的入口”，避开AI泡沫做出真正有应用场景的产品。
本报告由火币HTX 旗下研究部门 HTX Research 发布，探讨 AI 投资超级周期如何重塑全球流动性的分配格局，并由此改变比特币与风险资产之间的相关性结构。
