美国股市重新创出纪录，S&P 500 突破 6,500，AI 重磅股继续扩大领先优势。在这种动能之下，Evercore ISI 表示，在持续的人工智能热情和支出推动下，该指数到 2026 年底还可再涨约 20%。这一押注正值 Nvidia、Palantir、Broadcom 和 AMD 继续跑赢大盘，即便这位 AI 风向标在公布爆表业绩后股价有所回落。问题不在于 AI 是否重要，而在于整个指数的盈利能否足够快地上升以支撑另一轮上涨。
今年已上涨约 10% 并创下新高，使得 Evercore 的预测立即具有相关性。市场已将一场 AI 建设潮计入价格，这场潮流已把巨头的资产负债表变成基础设施基金。指数变得更集中、更昂贵，并比自云计算前夕高点以来任何时候都更依赖一小群推动者。支持者认为，这次所建的能力有可识别的买家和明确的用例。怀疑者反驳说，市盈率的扩张假设收益能向 S&P 其余成份股扩散，而这种扩散在很大程度上仍未被证明。这正是 Evercore 所跨越的断层线。
这是一次资本支出周期的判断。超大规模云服务商 Microsoft、Meta、Amazon 和 Alphabet 正在驱动 Nvidia 数据中心芯片的订单簿，这些客户合计约占这家 AI 领军企业收入的 40% 左右。这些公司已发出多年投入以构建并训练模型、建立推理能力，并将 AI 推向搜索、广告、电商、效率套件和社交信息流的信号。如果这种支出持续，供应链——从 Nvidia (NVDA) 与 AMD (AMD) 到 Broadcom (AVGO) 与高端网络设备——将继续见证吞吐量。赌注在于支出持续的时间足够长、变现足够强，从而不仅提升硬件构建者的盈利，也提升软件、工业、医疗和金融等采用者的盈利。
若在没有利率顺风的情况下让 S&P 500 再涨 20%，要么市盈率从已然偏高的水平进一步扩张，要么利润以超过历史的速度增长。持久的 AI 驱动反弹很可能需要后者。这意味着在非巨头多数成份股中出现可衡量的生产力提升和新的收入来源。自动化带来的利润率扩张、通过 AI 驱动的精准获客提高的客户获取效率、以及更快的产品周期，都是承诺中的桥梁。如果这些在季度财报和指引中出现，Evercore 的路径就会打开。否则，反弹可能沦为在狭窄盈利基数上的倍数膨胀——这种格局容易出现剧烈回撤。
Nvidia 最新季度在纸面上契合牛市剧本：数据中心和 AI 芯片收入同比跃升 56% 至 411 亿美元。但该公司财报后股价下跌约 3%。这一反应反映了市场的紧张情绪。交付仍然卓越，但随着投资者审视超大云服务商订单的持久性、新一代 GPU 节奏以及推理工作负载多快能转化为持续量而非一次性训练高峰，门槛在不断上移。作为 AI 风向标，Nvidia 的业绩后抛售波及同行，强调了该交易对任何饱和或定价与供应正常化迹象的敏感度。
麻省理工学院最近的一项分析发现约 95% 的公司尚未从其 AI 投入中实现显著回报。这并不削弱长期论点，但突显了时间错配。CFO 可以为试点项目提供一到两年的资金；到第三年，收益率压力变得真实。如果企业采用仍停留在概念验证阶段，需求曲线可能比资本支出计划假设的更快趋平。这个差距正是 Evercore 预测可能失灵之处。下一阶段需要出现能让股东在毛利率和营业收入中看见的成本节约和收入提升的案例。没有这些，AI 会变成一项回报不确定的成本项。
如果 AI 的可选性是决定倍数的关键驱动因素，Tesla (TSLA) 就处在十字路口。它作为汽车制造商的一部分估值还来自于其作为自动驾驶和机器人平台的潜力，具有软件升级的经济模式以及可能的 robotaxi 或类人机器人收入，空头认为这些被低估。任何在完全自动驾驶或 AI 驱动服务方面可信的飞跃性进展都会重新点燃叙事并带动整个 AI 生态一同上行。反面亦然：延误、监管挫折或自动驾驶安全事件会压缩嵌入 Tesla 的 AI 溢价，并冲击对 AI 相关押注的市场情绪。这种不对称是当前市场的一大特征，也是实现 Evercore 目标过程中潜在的不平滑风险。
宏观仍然重要。如果通胀顽固并推高收益率，长期成长型资产将难以维持扩张的倍数。关于数据使用与 AI 生成内容的监管审查可能放慢推广或增加成本。GPU 产能正在扩充，竞争加剧，这可能对整个堆栈的定价和利润率构成压力。如果超大云服务商比预期更快从“大量建设”转向“优化利用”，供应商将面临真空。最后，市场广度仍然偏窄；如果领涨股进一步集中，指数层面的收益将依赖更少的名字，从而提高脆弱性。
进入年底和 2026 年初，观测指标很明确。关注 Microsoft (MSFT)、Amazon (AMZN)、Alphabet (GOOGL) 和 Meta (META) 的资本支出评述与 AI 收入披露。跟踪 Nvidia 的订单可见度以及关于推理需求相对于训练的任何信号。监测 Broadcom 在定制硅片上的胜利和 AMD 的 MI300 牵引力，作为多厂商格局的晴雨表。科技之外，寻找具体的 AI 驱动效率指标——周期时间缩短、员工生产力、客户支持阻挡率——以及这些指标是否传导到盈利。留意市场广度指标以及巨头与等权重 S&P 表现之间的差距。如果采用加速且利润扩散，Evercore 的 20% 路线图看起来更像是数学而非狂热；如果没有，指数已在 AI 上兑现了相当大的一笔押注。
