美股重回歷史高點，S&P 500 突破 6,500，AI 重磅股擴大領先優勢。Evercore ISI 在這波動能下表示，若對人工智慧的熱情與支出持續，該指數到 2026 年底還能再上漲約 20%。此押注發生在 Nvidia、Palantir、Broadcom 與 AMD 繼續跑贏大盤之際，即便 AI 風向標的股價在公佈強勁財報後出現回檔。問題不在於 AI 是否重要，而在於全指數的獲利能否足夠快速成長，為另一段上漲提供正當性。
今年已上漲約 10% 並創新高，讓 Evercore 的論斷立刻具相關性。市場已經把一場 AI 建設潮價格化，將大型科技公司的資產負債表轉變成基礎建設基金。指數變得更集中、更昂貴，且比自前雲端時代高峰以來更依賴一小群推手。支持者主張，這次正在建構的能力有明確買家和具體使用案例；懷疑者則反駁，當前的本益比假設收益會擴散到 S&P 其餘公司，這一點尚未被充分證明。這正是 Evercore 正在踏著的裂縫。
這是一個資本支出週期的判斷。超大規模雲端業者 Microsoft、Meta、Amazon 與 Alphabet 正在驅動 Nvidia 資料中心晶片的訂單簿，合計約占該 AI 領導者營收的 40%。這些公司已表態將進行多年資本支出，以建立與訓練模型、部署推理（inference）能力，並將 AI 推入搜尋、廣告、電子商務、生產力套件與社群資訊流。如該等支出持續，供應鏈 — 從 Nvidia (NVDA) 與 AMD (AMD) 到 Broadcom (AVGO) 及高階網路設備 — 將持續有產能利用。押注在於支出持續足夠長、貨幣化足夠強，使得獲利不僅提升建設者，也能帶動軟體、工業、醫療與金融等採用方的收益。
若沒有利率尾風，S&P 500 要再上漲 20%，要麼本益比從已經偏高的水準繼續擴張，要麼利潤以超越歷史的速度成長。持久的 AI 驅動漲勢更可能需要後者。這意味著非超大型權重的多數成分股必須出現可量測的生產力改善與新收入來源。來自自動化的利潤率擴張、透過 AI 精準行銷改善的客戶獲取、以及更快的產品週期，都是被承諾的橋樑。若這些在季度財報與展望中顯現，Evercore 的路徑便會打開；若無，漲勢可能淪為在狹窄獲利基礎上的本益比膨脹——這種組合容易遭遇急速回檔。
Nvidia 最新一季表現在數字上吻合多頭劇本：資料中心與 AI 晶片營收年增 56%，達 411 億美元。然而該股在財報後仍下跌約 3%。此一反應捕捉到市場的張力。交付表現仍然卓越，但隨著投資人檢視超大雲端廠商訂單的持久性、新一代 GPU 週期的節奏，以及推理工作負載多快能轉化為持續性出貨而非單次訓練高峰，門檻不斷提高。作為 AI 風向標，Nvidia 的財報後賣壓波及同業，突顯出此交易對任何關於飽和或價格與供給正常化的跡象都極為敏感。
麻省理工學院的近期分析發現約 95% 的公司尚未從 AI 投資中獲得顯著回報。這並不削弱長期論點，但強調了時點不匹配的問題。財務長可以資助試點一到二年；到第三年，投資報酬率的壓力就會變得真實。如果企業採用仍停留在概念驗證階段，需求曲線可能比資本支出計畫假定的更快趨平。這個落差就是 Evercore 可能失靈的所在。下一階段需要出現能在毛利與營業利益上讓股東看見的成本節省與營收提升案例。否則 AI 可能只是帶著不確定回收的成本項目。
若 AI 的選擇權性是決定本益比的關鍵推手，Tesla (TSLA) 將處於十字路口。該公司身為汽車製造商，其估值部分反映作為自駕與機器人平台的潛力，包含軟體升級經濟學與可能被多頭低估的 robotaxi 或仿人機器人營收。任何在全自駕或 AI 服務上的可信質變都會重燃敘事，並拖動整個 AI 生態。但相反面亦然：在自駕方面的延遲、監管挫折或安全事故，會壓縮嵌入 Tesla 的 AI 溢價，進而波及對 AI 相關押注的市場情緒。這種非對稱性是這波行情的特色，也是 Evercore 目標順利達成的一項風險。
宏觀依然重要。若通膨呈現黏性並推升收益率，長期成長型資產將難以維持擴張的本益比。對資料使用與 AI 生成內容的監管審查可能放慢推出腳步或增加成本。GPU 供給正在擴張且競爭加劇，這可能對整條價值鏈的價格與利潤造成壓力。若超大雲端業者比預期更快地從「建設」轉向「優化」，供應商將面臨需求暫緩的風隙。最後，市場寬度仍然偏窄；若領導群體變得更集中，指數層級的漲幅將依賴更少的名字，脆弱性因而增加。
展望年底與 2026 年初，觀察指標已相當明確。留意 Microsoft (MSFT)、Amazon (AMZN)、Alphabet (GOOGL) 與 Meta (META) 的資本支出評論與 AI 營收揭露。追蹤 Nvidia 的訂單能見度及任何關於推理需求相較於訓練的訊號。監測 Broadcom 在客製化晶片的勝出情形與 AMD 的 MI300 牽引力，作為多供應商景觀的風向標。在科技外，尋找具體的 AI 驅動效率指標——週期時間縮短、人均產出提升、客戶支援減量率——以及這些指標是否反映到獲利上。關注市場寬度指標以及超大型權重與等權重 S&P 表現之間的差距。若採用加速且獲利擴散，Evercore 的 20% 路線圖看起來不像狂熱，而像是數學；若否，指數已經領了一張不小的 AI 支票。
