比特币作为流动性指标的逻辑与AI支出放缓影响

阿晨酱_9231

阿晨酱_9231

2026-08-11

982人浏览

原创

比特币成为主要流动性指标:解析fu peng观点与宏观市场影响

2026 年 8 月 2 日,比特币价格接近 63,000 美元,大约相当于上一轮历史高点的一半。这个位置再次引发一个常见讨论:比特币是否已经成为观察全球流动性变化的领先指标。经济学家傅鹏的看法是,如今的比特币越来越像主流金融资产,对资金收紧、风险偏好降温以及可用资本变化的反应往往更快。与此同时,市场也在重新评估 AI 支出热潮能否长期持续。大型科技公司仍在投入数据中心、芯片、电力和云基础设施,但成本上升正在压缩自由现金流。如果 AI 带来的收入和生产率提升不足以覆盖这些投入,资本开支增速可能放缓,并进一步影响比特币、山寨币以及更广泛风险资产的表现。

为什么有人把比特币看作全球流动性指标

比特币正在被更多人当作宏观资产来观察

傅鹏认为,比特币已经不只是加密市场内部的高波动交易标的,而是在逐步向一种更标准化的金融资产靠近。简单理解,它的价格变化越来越容易反映全球资金环境、融资成本和投资者风险偏好的变化。

和股票不同,比特币没有季度利润、股息或传统现金流模型可以直接套用;和大宗商品也不完全一样,它的发行节奏相对固定,不会因为短期需求变化而快速调整。此外,BTC 在全球现货、合约和期权市场中几乎是 24 小时交易,这让它在传统金融市场休市时,也可能先一步对金融条件变化作出反应。因此,很多市场参与者会把它当成一种观察市场温度的资产。

利率、美元和全球流动性为什么会影响比特币

理解这一点并不复杂。比特币对资金环境的变化比较敏感,当实际利率上升、美元走强、借贷成本提高,或者机构开始减少高波动资产配置时,比特币往往可能较早走弱。因为在资金更贵、风险偏好下降的时候,市场通常会先削减波动更大的资产敞口。

反过来,如果市场开始预期货币政策转向宽松、信贷条件改善,或者资金重新流向风险资产,比特币也可能在传统经济数据还没有完全反映之前先出现走强。

所以,傅鹏把比特币称为“分母资产”或纯流动性资产,重点并不是说比特币在主导全球流动性,而是说它能较快吸收和反映金融条件的变化。

比特币能不能当作可靠的领先指标

需要注意的是,把比特币看成流动性指标,不等于它可以精准预测央行资产负债表、全球 M2 或银行信贷扩张。更稳妥的理解是,它更像一个早期温度计,能帮助市场感知金融条件是在收紧还是改善,尤其是在其他资产和融资指标也给出类似信号的时候。

Lyn Alden 投资策略针对 2013 年至 2024 年流动性的研究显示,比特币在大约 83% 的 12 个月区间,以及 74% 的 6 个月区间内,与全球流动性呈同向变化。但在更短周期里,这种相关性会明显减弱。也有其他模型认为,全球流动性可能会领先比特币数周,这说明两者之间并不是简单固定的单向关系,观察口径和时间框架不同,结论也会不同。

同时,比特币价格还会受到很多加密市场自身因素影响,比如 ETF 资金流、监管决策、市场杠杆、矿工或企业抛售、稳定币供给变化,以及市场结构性压力。这些因素都可能让 BTC 在一段时间里偏离更广义的流动性趋势。

因此,市场在观察比特币时,通常不会只盯着价格本身,还会配合全球货币供应、央行资产负债表、实际债券收益率、美元走势、信用利差,以及受监管基金资金流等指标一起看。当这些指标的方向比较一致时,比特币发出的信号通常更有参考价值。

AI 支出仍在高位,为什么科技公司自由现金流会承压

AI 基础设施投资为什么可能在 2026 年后放慢

全球 AI 基础设施扩张还在继续,但它未必会一直维持高速增长。此前,超大规模云服务商集中采购 GPU、建设数据中心并扩容云基础设施,当时市场对真实需求、资源利用率和应用层收入的判断还不够清晰。进入下一阶段后,资本投入会更看重效率和回报,每一项新增设施都需要对应更明确的商业价值。

路透社援引瑞银估算称,相关支出可能在 2026 年增长 76% 至 6730 亿美元,随后在 2027 年放缓至 25%,并在 2028 年进一步放缓至 6%。这更像是在说 AI 资本开支增速会下降,而不是总支出马上转为下滑。

增速放缓并不代表 AI 长期前景一定转弱。更高效的芯片、更优化的软件栈以及更高的数据中心利用率,仍然可能在支出增幅收敛的情况下支撑更大规模的任务处理。未来支出的重心,也可能从大模型训练逐步转向推理、企业应用、网络、存储和定制加速器。

不过,如果云厂商扩张节奏放慢,那些依赖新增订单的半导体、内存、网络、电力设备和数据中心相关企业,往往会更早感受到压力。也就是说,在总支出真正回落之前,订单、定价能力和估值就可能先出现变化。

融资成本上升,会怎样改变 AI 投资逻辑

随着基础设施成本在企业内部现金流中占比越来越高,AI 投资背后的融资结构也变得更重要。最初,科技巨头主要依靠经营现金流和较充足的现金储备来支持 AI 资本开支,对外部融资依赖较低。但随着投入规模持续扩大,部分企业可能需要借助公司债、融资租赁、合资安排或专门的数据中心融资工具来维持扩张节奏。

傅鹏提到,新增外部融资成本可能在 6% 至 7% 左右,不过实际利率仍会因为借款主体、期限、抵押品条件和市场环境不同而变化。

一旦新增投资不能继续完全由现有现金流覆盖,每一个新 AI 项目就必须证明自己能带来足够回报,至少要覆盖运营成本和融资成本。这种回报门槛不只包括芯片采购价格,还包括电力、冷却、网络、土地、维护、安全,以及硬件更新等数据中心全生命周期成本。

更高的资本成本,也会改变股东和市场对大型科技公司 AI 战略的评估方式。设备采购和设施建设通常意味着大量现金先流出,而折旧则是在之后逐步体现在财务报表里,所以自由现金流压力往往会先显现,再慢慢传导到利润表。

近期披露的数据反映了这种压力:Alphabet 季度资本支出约为 449 亿美元,自由现金流为负 59 亿美元;Meta 第二季资本支出约为 311 亿美元,自由现金流仅约 7.84 亿美元。微软季度资本支出约为 410 亿美元,但仍保持较强现金生成能力,自由现金流约为 196 亿美元;亚马逊则因房地产和设备投入明显增加,主要用于支持 AI 基础设施,导致过去 12 个月自由现金流为负 76 亿美元。

这些数字并不表示所有公司承受的压力完全一样,但足以说明,市场现在更关注 AI 收入能否真正转化为现金,而不只是营收增长速度。管理层需要在扩产的同时,平衡研发、并购、分红、偿债和回购等资金安排。借款增加和长期租赁承诺上升,也会让企业对更高债券收益率、更宽信用利差,以及低于预期的 AI 使用率更加敏感。竞争重点也正从“谁投得更多”,逐渐转向“谁能更高效地配置资本,并持续从算力基础设施中创造回报”。

AI 能不能真正赚钱,将决定下一阶段支出节奏

AI 资本开支后续怎么走,关键还是看应用层收入能否跟上基础设施投资。市场重点关注的指标包括云端 AI 收入、已签约但尚未确认的订单积压、GPU 利用率、毛利率,以及资本开支与云收入增量之间的比例。同时,付费 AI 订阅、企业软件采用率、广告改善、开发者使用规模和自主代理带来的实际收入,也都很重要。

这里有一个新手容易混淆的点:用户数量、模型调用次数或处理代币数量,只能说明产品有人在用,并不自动等于已经具备盈利能力。应用层必须产生足够收入,才能覆盖算力、获客、模型开发、数据授权、安全投入以及底层基础设施维护费用。

另外,训练和推理的经济结构并不一样。训练往往是前期投入非常集中,而推理成本则会随着用户规模扩大持续累积。所以,可持续的货币化能力不仅要看收入是否增长,也要看企业能不能把单位服务成本压下来。

如果货币化进展良好,数据中心和先进芯片的长期回报就更容易得到验证,AI 投资周期也可能被拉长。反过来,如果货币化偏弱,管理层就可能推迟新建项目、重新谈判采购承诺、延长现有硬件使用周期,或者把支出集中到利润率更高的地区和业务线。

这类变化不会只影响科技巨头自身,因为 AI 资本开支还支撑着半导体、高带宽内存、云服务、能源基础设施、冷却系统和数据中心地产需求。所以,即便 AI 长期应用趋势没有改变,只要资本开支显著放缓,也可能放大更广泛市场的波动。

从这个角度看,单看“投入规模”并不够,市场还需要把资本开支与云业务待履约订单、运营利润率、自由现金流,以及已披露的 AI 收入一起分析。AI 热潮下一阶段能否持续,更取决于基础设施投资能不能转化为可扩展的应用流程、持续客户需求,以及在扣除融资、折旧和能源成本后仍然具备吸引力的经济回报。

AI 资本开支放缓,会怎样影响比特币和加密市场

AI 支出降温,可能先影响比特币的短期风险偏好

如果市场把 AI 资本开支放缓解读为科技投资周期降温的信号,那么比特币和更广泛的加密市场在初期可能会面临一定压力。原因在于,AI 相关企业当前已经深度影响主要股票指数、企业融资、半导体需求和全球市场情绪。一旦数据中心建设减少或芯片订单走弱,多个行业的盈利预期就可能被下调。

在这种情况下,资产管理机构可能会同步降低高波动资产配置,包括比特币、科技股和部分中小市值加密资产;杠杆交易者也可能因为抵押品价值下降而被迫减仓。

Interview AiBox
Interview AiBox

一款AI办公效率工具,主要用于面向求职者的 AI 面试与笔试助手,适合需要提升相关任务效率的用户。

下载

不过,影响大小还取决于放缓的原因。如果放缓是因为硬件效率提高、数据中心利用率改善,或者企业开始更严格地控制成本,那么冲击通常会小于因需求不足、产能过剩或 AI 收益不及预期而导致的突然取消项目。

如果回撤更剧烈,芯片厂商、公用事业公司、数据中心运营商和贷款方都可能承受压力,信用利差也可能扩大,进一步加重金融条件收紧。

比特币通常会较快反应,因为它持续交易、流动性相对较深,并且在压力环境下常被视为可以快速变现的资产。相比之下,山寨币由于市场深度更浅、机构需求更弱、对投机杠杆依赖更高,波动往往会更大。对加密市场来说,关键并不只是 AI 资本开支增速下降这件事本身,而是它会不会进一步演变为信贷环境、企业利润和整体风险偏好的更广泛收缩。

资金会不会从 AI 股票转向比特币

如果 AI 支出放缓,部分资金理论上可能从高估值科技股撤出,并重新评估比特币配置,但这并不是必然结果。路透社在 2026 年 6 月 5 日报道称,四只主要半导体 ETF 在 2026 年累计吸引约 210 亿美元资金,而受监管的现货比特币 ETF 同期则录得约 31 亿美元净流出。这个对比说明,市场此前更偏好 AI 相关交易,而不是比特币。

如果 AI 基础设施投资的预期回报下降,部分机构可能会在比特币经历较深调整、估值吸引力提高之后,重新提升 BTC 敞口。但需要看到,从 AI 股票流出的资金也可能流向国债、现金、防御性股票、大宗商品或黄金,而不一定会进入加密资产。

如果 AI 资本开支是在有序、缓慢的节奏中回落,同时实际收益率下降、美元走弱、现货 ETF 资金流改善、稳定币流动性扩张,并伴随市场对货币政策转向宽松的预期增强,那么比特币所处的外部环境会更有利。

相反,如果放缓是由衰退担忧、企业违约或银行贷款收紧触发,投资者可能会继续保持防御姿态,从而延后加密市场修复节奏。

因此,相对更有利于比特币的情况,是 AI 投资进入可控降温阶段,在缓解融资压力的同时没有引发严重股市抛售;相对不利的情况,则是资本开支快速塌缩、信贷条件同步收紧,并伴随风险资产被迫去杠杆。

比特币 ETF 资金流和加密流动性仍是关键变量

在分析 AI 资本开支放缓、全球流动性变化和比特币之间关系时,只依赖单一图表或单一宏观叙事通常并不够。现货比特币 ETF 的资金进出,可以帮助观察受监管产品是否还在吸引新增配置,还是持续遭遇赎回。稳定币流动性的变化,则有助于判断可进入交易、借贷和 DeFi 体系的资金是否在扩张。

与此同时,美元指数、实际美债收益率、企业信用利差以及央行流动性操作,也能提供更多关于资金成本和资金可得性的线索。通常来说,如果美元走弱、实际收益率回落、信用利差收窄,并伴随比特币 ETF 持续净流入,那么 BTC 面临的宏观环境会好于美元走强且信用条件恶化的时期。

加密衍生品市场同样值得关注。若未平仓合约持续上升、资金费率长期为正、看涨期权定价偏高,往往意味着杠杆累积速度可能快于真实现货需求。相反,如果杠杆水平较低、价格相对稳定、现货成交增强且机构资金回流,那么更可能反映出相对健康的累积过程。

把比特币与科技股、黄金以及全球货币供应指标放在一起对比,也有助于判断 BTC 当前是在响应更广泛的流动性切换,还是主要受到加密市场内部因素推动。综合来看,仅凭 AI 支出增速放缓,无法可靠推出比特币或整个加密市场的价格方向,仍需要结合多项指标和对应时间框架一起分析。

结论:如何一起观察比特币、全球流动性与 AI 宏观变量

傅鹏把比特币视为全球流动性的快速反应指标,但这并不意味着 BTC 可以单独、稳定地预测央行政策或货币供应变化。比特币价格还会受到 ETF 资金流、杠杆结构、监管进展以及加密市场特定抛压等因素影响,所以更适合与实际收益率、美元、信用利差、央行资产负债表和稳定币增长等指标配合观察。

另一边,AI 资本开支虽然仍在高位,但未来投入节奏将越来越取决于货币化效率、融资成本和基础设施回报。有序放缓可能缓解大型科技公司的自由现金流压力,也可能让部分资金重新评估比特币配置;如果出现突发式收缩,则可能带来信用紧张、风险偏好下降,并对整个加密市场形成压力。

最终影响仍取决于 AI 支出放缓的原因,以及流动性是否真正重新回到数字资产市场。市场波动本身具有不确定性,相关判断仍需结合多维数据持续观察,不宜据此作出简单化结论。

常见问题

谁是傅鹏?为什么他的比特币观点会受到关注?

傅鹏是一位中国经济学家,长期关注全球宏观经济、流动性周期和资产配置。他的比特币观点受到关注,是因为他并不是只站在加密行业内部看问题,而是把比特币放进传统金融框架中,与利率、美元和信贷条件一起分析。对新手来说,这种视角有助于理解为什么越来越多机构投资者会把比特币看作一种宏观资产。不过,这依然只是市场分析框架,并不是经过验证的确定性预测模型,也不代表对未来表现的保证。

全球流动性和比特币市场流动性有什么区别?

两者名字相似,但含义不同。全球流动性指的是整个金融体系里可被动用的资金和信贷规模,它会受到央行、商业银行、政府财政和资本市场共同影响。比特币市场流动性则是指 BTC 在不引发明显价格波动的前提下,被买入或卖出的难易程度。前者决定资金有没有能力流向比特币这类风险资产,后者则影响实际交易时价格会怎么变化。它们有关联,但不是一回事。

哪些全球流动性指标和比特币关系较密切?

市场通常会关注全球 M2 货币供应、央行资产负债表、实际利率、美元指数、银行信贷增长和企业信用利差。此外,美国财政部一般账户、逆回购余额和国库券发行规模,也可能影响美元流动性的分布。需要注意的是,没有任何一个单一指标能完整反映整体环境,而且不同指标的发布时间和传导节奏也不一样。相比只看一个指标,综合观察多个变量通常更有参考意义。

比特币是在引领全球流动性,还是在跟随全球流动性?

更准确的说法是,比特币对流动性变化高度敏感。有时候,它会先于部分传统经济数据反映市场风险偏好变化,因此常被看作一个快速信号。但从更长时间维度来看,研究通常显示,更大范围的流动性变化往往会领先比特币。两者之间的关系会受到统计口径、汇率换算方式和时间滞后的影响,所以不能简单理解为谁绝对领先谁。

为什么全球 M2 增长时,比特币价格仍然可能下跌?

因为流动性并不是影响比特币的唯一因素。如果加密市场自身抛压更强,比特币就可能与全球 M2 走势背离。比如现货 ETF 资金流出、监管不确定性、企业或矿工抛售、杠杆平仓,或者资金转向其他资产,都会削弱 BTC 需求。再加上全球 M2 常以美元口径观察,美元走强时,也会影响海外货币供给折算后的表观规模。另外,流动性变化传导到资产价格通常存在时滞,因此即便流动性扩张,市场反应也未必会同步出现。

国库券发行会怎样影响比特币和加密市场流动性?

当国库券大量发行时,货币市场基金、银行和其他投资者的现金可能会被低风险资产吸引过去,从而减少流向风险资产的可用资金。不过,最终影响还要看是谁在买国库券,以及资金原本来自哪里。如果购买资金主要来自闲置现金或逆回购工具,市场冲击可能相对有限;如果资金来自银行准备金或其他资产配置调整,就可能使金融条件趋紧。所以,分析国库券发行时,通常还要结合财政部一般账户和准备金余额一起看。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

比特币

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Aionclaw智能助手介绍
Aionclaw智能助手介绍

本专题汇总了AionClaw(AI龙虾助手)的功能介绍与在线使用入口。AionClaw是杭州趣猿人工智能有限公司推出的桌面级AI智能体,能直接在电脑上读写文件、运行脚本、操作浏览器,自动交付Word、PPT、Excel等成品。

2026.09.20

20

13

AionClaw AI智能体与电脑自动化任务执行功能使用教程
AionClaw AI智能体与电脑自动化任务执行功能使用教程

AionClaw专题整理AI智能体与电脑自动化相关功能使用教程,涵盖安装部署、AI任务执行、Skills技能、文件处理、浏览器控制、电脑操作、持久记忆、聊天工具连接以及办公、编程和内容创作等功能,帮助用户快速掌握AionClaw的实际使用方法。

2026.09.20

0

15

AI视频生成软件推荐
AI视频生成软件推荐

本专题汇总了当前主流的AI视频生成软件推荐与排行榜单,涵盖seko、AniShort、剧云、Lovart、LiblibAI及立刻mv等热门工具。同时整理了各软件在文生视频、图生视频、时长限制、画质表现及免费额度等方面的差异对比,助您快速选对适合创作需求的AI视频生成工具。

2026.09.16

180

9

ai生成视频的工具免费版合集
ai生成视频的工具免费版合集

本专题汇总了当前免费AI生成视频工具的排行榜与推荐清单,涵盖seko、讯飞智作、AniShort及剧云、Lovart等多模型集成平台。同时整理了各工具的免费额度、输出时长、水印政策及适用场景差异,助您快速选择合适工具开启AI视频创作。

2026.09.16

60

10

Pandas时间序列分析与可视化报表
Pandas时间序列分析与可视化报表

本专题整理Pandas日期转换、时间索引、重采样、滚动窗口、时区处理、plot绘图、Styler表格样式和报表输出方法。

2026.09.16

80

23

Pandas数据筛选索引与清洗处理
Pandas数据筛选索引与清洗处理

本专题整理Pandas中的loc、iloc、条件筛选、query查询、缺失值处理、重复值删除、类型转换和字符串列清洗方法。

2026.09.16

60

25

Pandas数据读取导入与文件导出处理
Pandas数据读取导入与文件导出处理

本专题整理Pandas读取CSV、Excel、JSON、SQL、Parquet等文件的方法,以及to_csv、to_excel、to_sql和to_parquet等常用数据导出流程。

2026.09.16

40

27

GDB怎么设置断点
GDB怎么设置断点

本专题介绍GDB按照函数名、源代码行号和文件位置设置断点的方法,详细说明run、continue、next、step等命令的配合使用,帮助定位程序崩溃、逻辑异常及代码未按预期执行的问题。

2026.09.11

380

28

GDB怎么查看变量值
GDB怎么查看变量值

本专题介绍GDB调试过程中查看变量值的具体方法,涵盖局部变量、函数参数、数组、结构体和指针内容查询,同时整理变量持续显示、格式化输出及无法读取变量时的排查思路。

2026.09.11

120

22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.6万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 133万人学习