AI 交易正从“稀缺”转向“经济性”：随着模型训练与推理成本持续下滑，开源系统、云平台与 API 推动采用面扩大，同时削弱部分开发者与硬件供应商的定价权。中国竞争正推动降价与提效：阿里巴巴发布其最大模型，DeepSeek 提供超低成本定价，带动更多“够用即可”胜过前沿性能的应用场景。超大规模云厂商（hyperscalers）仍在扩建产能，但采购正趋于更具选择性，因为买家开始聚焦“每项任务成本”；对微软、Alphabet、亚马逊、Meta 与甲骨文的一致预期资本开支（capex）从 2026 年初约 4,850 亿美元，上调至 7 月约 7,300 亿美元；UBS 预计 2026 年增长 76%，2027 年放缓至 25%，2028 年进一步降至 6%。需求或将转向定制化加速器、推理优化、网络、供电与散热，而非追求最大化 GPU 强度。
对韩国而言，更“干净”的仓位结构或支持战术性反弹，但不保证开启新一轮盈利周期。摩根大通（J.P. Morgan）估算杠杆 ETF 去化已完成、对冲基金去杠杆约完成 90%，但风险在于：存储（memory）预期可能在需求真正见顶之前率先见顶。TrendForce 仍预期 DRAM 供给偏紧，需求增速可能在 2027 年前持续跑赢供给；不过 HBM 与先进服务器 DRAM 或仍维持紧张，而大宗（commodity）DRAM 与 NAND 则更具周期性。更宏观的信息是：回报将更多累积在分发渠道（distribution）、专有数据与平台，以及高效率基础设施上，而不只是第一阶段的“瓶颈”环节。
Options Market Transition as AI Economics Shift
我们观察到期权市场正处于关键转折：随着 AI 交易从“原始基础设施稀缺”转向“成本效率”，衍生品交易者应为主要硬件供应商隐含波动率下行做准备，因为对芯片的“抢货式”需求正在降温。我们建议将关注点转向能够利用这一转变的期权策略，尤其是在超大规模云厂商资本开支增速开始放缓之际。
近期行业数据显示，尽管微软、Alphabet、Meta 等科技巨头合计资本开支今年预计接近 7,300 亿美元，但增速预计明年放缓至 25%。增速放缓意味着硬件看涨期权（call）的高溢价将更难自圆其说。我们建议瞄准在更便宜 AI 模型上成功变现（monetize）的超大市值软件与数字平台，通过牛市看涨价差（bull call spreads）布局。
观察韩国市场，我们看到：即使高带宽存储（HBM）仍偏紧，KOSPI 可能已计入“存储预期见顶”。历史周期显示，存储股估值往往会比企业实际营收提前数个季度见顶。为管理该风险，我们倾向使用看跌期权（put）或熊市看跌价差（bear put spreads）对主要存储制造商进行对冲，以防估值收缩。
随着产业重心从大规模训练转向更便宜的推理（inference），定制硅（custom silicon）与专用基础设施的吸引力正在上升。这也反映在中型市值网络与电源管理企业期权成交量的提升上。我们可通过在受益于效率驱动的精选基础设施供应商上卖出看跌期权（selling puts）来捕捉该趋势，在稳定现金流基础上赚取权利金。
Hedging Hardware Exposure and Capitalizing on Software Platforms
主要半导体 ETF 的隐含波动率偏斜（skew）近期开始更偏向看跌期权而非看涨期权，显示机构投资者正在积极对冲硬件敞口。这意味着，纯硬件动量（momentum）的“轻松赚钱”阶段暂时告一段落。我们认为，在这些硬件标的上交易短期限日历价差（calendar spreads），有助于在不押注方向的情况下利用较高权利金。
中国科技企业对开源模型的激进定价正加速全球成本通缩，并挤压模型开发商的利润率。这场价格战使“纯 AI 开发商”的长期看涨期权风险极高、偏投机。相较之下，我们更偏好买入成熟企业软件平台的长期看涨期权（long-dated calls）：这些平台可更容易整合更便宜的模型，从而提升自身利润率。
立即开始交易 — 点击这里创建您的 VT Markets 真实账户。
