本期重點
一、Q1 2026 獲利季：超預期的廣度與深度
二、五個相互矛盾的事實
三、兩個對立的詮釋框架
主流空頭框架
主流多頭框架
四、AI 的三層價值傳遞鏈
為什麼傳統框架是結構性低估
三層結構的精確定義
五、第二層的深度分析：S&P 500 整體淨利率擴張
已驗證的具體案例
量化推估：S&P 500 淨利率擴張對 EPS 的影響
成本節省 vs 營收增加的不對稱性
六、第三層的深度分析：應用層獨角獸週期的來臨
已經出現的應用層獨角獸
對市場的長期傳遞效應
對 S&P 500 的影響
七、第一層的具體催化：LLM IPO 的隱藏價值釋放
八、AI 成為「必要支出」的結構性鎖定
九、重新檢視市場對資本支出的擔憂
歷史視角：所有大型資本支出週期的共同特徵
這次的結構性差異是可量化的
2000 年 dot-com 循環與 2026年 AI 循環的比較
Hyperscaler 真實的財務韌性
RPO 轉換為營收的時間表
我們的結論
十、市場估值的合理性
一、Q1 2026 獲利季：超預期的廣度與深度
截至 2026 年 5 月 8 日，S&P 500 已有 89% 成分股公布 Q1 2026 財報。依 FactSet 最新更新，這份成績單在三個維度上都創下了多年高點：
獲利能力（盈餘超預期幅度）
Q1 2026 整體盈餘超預期幅度達 +18.2%，這是自 2021 Q1 以來最高的單季超預期幅度，遠高於五年平均（+8.5%）與十年平均（+6.9%）。
獲利分布的廣度
84% 公司 EPS 超預期（高於五年平均 78%、十年平均 75%）、77% 公司營收超預期。這是自 2021 Q2（87%）以來最廣泛的超預期。換言之，超預期不是少數大型公司的貢獻，而是整體性現象。
獲利成長率與淨利率
整體 EPS 年增率 +13.4%（vs 季初預估的 +7.2%）、營收成長 +11.3%（自 2022 Q2 以來最高）、淨利率攀升至 14.7%（自 2009 年以來新高）。
前瞻指引的異常上修
慣例上，分析師在 Q2 通常會下調 EPS 預估約 1%。然而這一季分析師對 Q2 EPS 的預估不降反升上修 +3.2%，創下 2021 Q2（+3.5%）以來最大的單季上修幅度。
優異的獲利表現加上良好的前景展望，緩解了市場對於美伊停火後指數創新高的疑慮。即使聯準會的降息機率在下降、下半年的期中選舉不確定性增加，S&P 500 依然在上週五一舉突破 7,400 點，創下 7,401.50 點的歷史新高。
二、五個相互矛盾的事實
在表面繁榮的背後，市場同時存在五項相互矛盾的事實：
第一、訂單可見度創歷史新高，但 FCF 同步惡化
Hyperscaler 已簽約 RPO 合計約 1.87 兆美元，需求可見度達歷史空前水位。但達成此可見度所需的資本支出規模，已使 Amazon TTM FCF 從 $25.9B 暴跌至 $1.2B（-95%）、Alphabet TTM FCF 從 $74.9B 降至 $64.4B、Microsoft FCF 預估降 28%、Meta FCF 預估降約 90%。
第二、估值偏高 vs 獲利動能加速並存
Shiller CAPE 約 42（5/8 收盤），為 1871 年以來除 1999-2000 dot-com 峰值（44.19）外的最高水準；Forward P/E 21.0x，高於五年均值 19.9 與十年均值 18.9。然而並存於企業獲利動能加速的環境：Q1 2026 EPS 超預期 +18.2%、淨利率 14.7%（2009 年以來新高）、Q2 EPS 預估上修 +3.2%。
第三、AI 採用呈極端分化
McKinsey、BCG、RAND、Gartner 一致顯示約 80% 的企業 AI 專案未達預期 ROI。但同時 Microsoft Copilot 突破 2,000 萬付費企業席位（季增 33%），Anthropic 從 2025 年 1 月的 $10 億 ARR 在 15 個月內衝至 $300 億。這個落差揭示了「中位數企業」與「頂層 20% 早期採用者」之間的巨大分化。
第四、賣方目標價分布為十年最寬
從 BofA Subramanian 7,100（下行約 4%）到 Oppenheimer Stoltzfus 8,100（上行約 9%），離散度約 1,000 點（約 14%）為過去十年最寬。中位數約 7,700-7,800，介於兩端之間。目標價分歧本身就是訊號——當分析師之間無法達成共識時，通常意味著市場處於關鍵轉折點，但歷史上典範轉移期亦會出現類似分歧（如 1995-1996 對網際網路的分歧）。
第五、機構謹慎 vs 指數創新高
賣方共識多頭、買方基金經理人從 1 月的 hyper-bull（BofA Bull & Bear Indicator 9.6）急轉至中性（5 月初 6.6），基金經理人現金水位從 1 月 3.2% 跳升至 4 月 4.3%（2020/3 以來最大單月升幅），FMS 全球成長預期從 2 月淨 +39% 暴跌至 4 月淨 -36%。同時，知名空頭（Burry、Chanos、Hussman、Grantham/GMO）立場最為強硬。然而 S&P 500 仍在期間連續上漲、創歷史新高。
三、兩個對立的詮釋框架
對於上述五個矛盾，目前市場上有兩個主導的詮釋框架：
主流空頭框架
AI 投資已進入「資本毀滅」階段，FCF 壓縮 + 估值偏高 + 循環性投資結構是 1999-2000 的翻版，只是規模大 5-10 倍。
代表人物有 Michael Burry（GPU 折舊年限延長造成的會計失真）、Jim Chanos（循環性投資、ROIC 下降）、John Hussman（MarketCap/GVA 達歷史最高，類比 1929 與 2022）、Jeremy Grantham/GMO（2026 年 S&P 500 下跌機率高於上漲）。
主流多頭框架
AI 是 1995-1998 mid-cycle 的對應期，獲利成長強勁，估值雖偏高但會被 EPS 上修吸收；Hyperscaler 雖 FCF 壓縮但有真實營收支撐（Microsoft AI 業務年化 ARR ~$130 億、AWS Bedrock token 處理量年增 +170%）。
代表人物包括 Ed Yardeni（7,700）、Oppenheimer Stoltzfus（8,100）、Deutsche Bank Chadha（8,000）、Morgan Stanley Wilson（7,800/9,000）。
這兩個框架在過去半年互相抵銷，使市場目前陷入「方向不明的高位震盪」。
這篇文章研究的核心觀點：這兩個框架其實都不完整，因為它們都只看到了 AI 價值傳遞鏈的第一層（LLM 公司 + Hyperscaler + 半導體），而忽略了第二層（S&P 500 整體淨利率擴張）與第三層（應用層獨角獸週期）。要正確評估當前估值與風險，必須跳出傳統的單層框架，擴展為三層架構。
四、AI 的三層價值傳遞鏈
為什麼傳統框架是結構性低估
傳統估值框架，無論多頭或空頭，都隱含一個假設：AI 的價值 = LLM 公司估值 + Hyperscaler 業務增量 + 半導體供應鏈受惠。在這個框架下，焦點集中在「直接受益於 AI 的公司」（LLM + Mag-7 + 半導體），評估方式是看這些公司的 EPS 成長。
但歷史告訴我們，Killing Application 的價值釋放從來不是這樣分布的。 技術提供者所釋放的價值永遠是少數，而技術使用者獲得的價值永遠是多數。
這意味著 2026-2035 年間，將有大量新獨角獸從「LLM 應用層」誕生；同時 S&P 500 既有成分股因為使用 AI 而擴張市佔、降低成本，也將是最大的受益者。
表一 Killing App 的歷史價值分布
三層結構的精確定義
基於上述歷史模式，我們將 AI 的真實價值傳遞鏈重新定義為三層：
