2026年6月23日，一条新闻引发了AI科技股的集体下跌。

Barron’s的标题是：”Tech Stocks Are Tumbling on Renewed Fears of Cheap Chinese AI”（科技股因对廉价中国AI的恐惧重燃而大幅下跌）。同一天，另一篇Barron’s报道的标题是：”Nvidia Stock Falls as Tech Selloff Catches Up With Chips”（英伟达股价下跌，科技股抛售蔓延至芯片股）。

这不是第一次发生，也不会是最后一次。这是一个正在成为AI投资者必须面对的周期性现象：每当中国AI实验室发布一个令人印象深刻的模型，AI基础设施股就会经历一轮估值重估——通常是向下的。

理解为什么会这样，比仅仅记录这个现象重要得多。

第一章：2026年6月的那次抛售

2026年6月23日的这次抛售，是由什么引发的？

时间线上，6月16日，Z.ai（智谱AI）在GitHub上发布了GLM-5.2。744B参数，MoE架构，MIT许可证，编程基准超越GPT-5.5。前Meta副总裁、Google DeepMind研究员等多位硅谷技术人士公开表示震惊——”这改变了一切”（Vercel CEO Guillermo Rauch在X上写道）。

一周后，6月23日，市场反应到来。

Barron’s的报道描述了具体的市场动态：Nvidia股价当天下跌，AMD同向下行，整个AI芯片板块承压，”科技股的抛售追上了芯片股”。这个表述很有意思——它暗示在GLM-5.2发布的第一周，市场反应是滞后的，科技股整体的抛售先于芯片股，然后一周后才蔓延到半导体板块。

同一时段，第三方分析平台也记录了这次抛售的规模。Barron’s的两篇报道明确指出抛售方向：芯片股在更广泛的科技股抛售浪潮中受到波及，Nvidia是最直接的承压对象（Barron’s报道的标题指向了Nvidia股价在抛售中的下跌，但具体跌幅数字在本文发稿时未能从公开来源获得精确数据，各方报道的叙述是定性的而非定量的）。

但这不是孤立事件。这是一个已经发生过多次的市场机制，在2026年第3次或第4次被激活。

第二章：这个机制的历史——从DeepSeek R1到GLM-5.2

要理解2026年6月的这次抛售，需要把它放在更完整的历史时间线里。

2026年1月：DeepSeek R1——AI股票历史上最具破坏性的单日事件

2026年1月，DeepSeek R1发布时，英伟达股价单日下跌约17%，市值蒸发超过5000亿美元。这是AI股票历史上影响最大的单一事件之一，其市值损毁规模超过了许多历史上著名的科技股暴跌事件。

市场的逻辑是：如果DeepSeek可以用600万美元的计算成本训练出接近GPT-4水平的模型，那么”AI需要无限算力”这个假设就被打破了。而英伟达的超高估值，恰恰建立在这个假设之上——市场相信AI训练的算力需求将以指数级增长，英伟达是这个增长的最直接受益者。

DeepSeek R1说的是：也许需求的增长没有那么强劲，因为效率可以弥补规模。

2026年3月至5月：反弹与部分恢复

随后几个月，英伟达和其他AI芯片股经历了部分反弹，市场开始重新评估：DeepSeek R1的效率优势是否真的会导致整体算力需求下降？还是说，它只是会把市场扩大到更多客户（因为成本降低），同时随着AI应用场景的扩大，总体算力需求还是会增长？

这个”Jevons悖论”式的论证（能效提升往往带来总消耗增加而非减少）在某种程度上缓解了市场对算力需求崩溃的担忧，帮助AI股票走出了部分跌幅。

2026年6月：GLM-5.2——”DeepSeek时刻”的重演

6月的这次抛售，是在市场已经经历过一轮类似冲击之后的重演。GLM-5.2的技术特征——开源、MIT许可证、超高参数规模但宣称低训练成本——激活了与DeepSeek R1相同的市场恐惧：

中国实验室又发布了一个看起来比预期更强的模型，而且是开源免费的，而且训练成本可能远低于西方同等模型。

第三章：为什么AI基础设施股对中国开源AI如此敏感

这种敏感性，有其深刻的金融逻辑。

AI基础设施股（尤其是英伟达、AMD）的高估值，建立在一套复合假设上。理解这套假设，才能理解为什么中国开源AI每次发布强力模型，就会触发这种机制。

假设一：AI训练需求持续指数级增长

英伟达等AI芯片公司的高市盈率，部分依赖于市场相信AI的训练计算需求将在未来5到10年持续以接近指数级的速度增长。这个增长假设，依赖于AI应用场景的持续扩大以及模型规模的持续提升。

如果算法效率的突破可以让同等性能的模型用更少计算资源实现，这个增长曲线就会变缓。DeepSeek R1和GLM-5.2，都是在声称（并在某些基准测试上展示）：中国团队找到了更高效的训练路径。

假设二：西方AI公司保持技术领先，需要高密度算力维护领先地位

英伟达的核心客户是OpenAI、Anthropic、Google、Meta——这些公司为了维持与中国AI实验室的技术差距，需要持续购买最新、最贵的GPU。如果中国AI实验室持续产出与领先水平相近的结果，且使用的算力更少，这个”军备竞赛需要持续升级”的逻辑就会被侵蚀。

假设三：开源AI不会显著影响商业AI的市场空间

如果有高质量的开源模型（如GLM-5.2、DeepSeek系列），部分原本愿意付费使用API的客户可能转向自主部署开源模型。这会影响到Anthropic、OpenAI的API收入，进而影响它们对算力的采购规模。这是一个间接但真实的传导路径。

这三个假设，在每次发生”重大中国AI技术突破”的新闻后，都会受到不同程度的质疑。需要特别指出的是，并非每一次中国AI模型发布都会触发市场抛售——触发条件是”令市场意外的、被广泛认为代表实质性能力提升的发布”，如DeepSeek R1和GLM-5.2。常规的模型迭代或小型发布，通常不会触发这种反应。市场不一定是准确的，但它在特定阈值之上会迅速反应。

第四章：投资者的两难困境

对持有AI基础设施股的投资者而言，这种周期性的”廉价中国AI恐惧”创造了一个真实的两难困境。

卖出的理由：如果中国AI实验室持续以低成本发布高质量开源模型，长期来看，AI算力需求的增长曲线将比2025年预测的更平缓。英伟达等公司的当前估值，已经定价了一个过于乐观的算力需求增长假设。

持有或买入的理由：Jevons悖论在AI领域很可能成立——更高效的模型训练，最终会带来AI应用场景的大幅扩张，从而创造更大的总体算力需求，而不是更小的。Jevons悖论（由英国经济学家William Stanley Jevons于1865年在《煤炭问题》中提出）描述的是：能效改进往往通过降低单位成本来刺激更大规模的使用，最终使总消耗增加。历史上，在计算领域，这个模式反复出现：70年代的晶体管集成度提升没有减少总用电量，90年代的PC效率提升没有减少总计算量，2010年代的移动芯片效率提升没有减少全球计算总需求，反而将计算带入了此前无法想象的场景。如果AI训练成本从1亿美元降到600万美元再降到更低，最直接的结果不是”用的算力少了”，而是”原来用不起AI的场景现在可以用AI了”——医疗诊断、教育个性化、农业自动化……这些新场景的算力需求，可能远超训练效率提升所节省的算力。

更重要的是，即使训练效率提升，推理端（inference）的需求依然会随着AI应用的普及而线性甚至指数级增长。每一个新的AI应用的每一次用户查询，都需要算力。随着AI嵌入越来越多的消费者产品，推理端的累积需求可能完全抵消训练效率提升带来的算力需求下降。

这两种逻辑都有合理性，这正是为什么AI基础设施股的波动如此剧烈——市场在两个合理的但相互矛盾的叙事之间来回摇摆，任何一个新消息都可能短暂地让天平倾向某一侧。

第五章：这次抛售与上次的不同之处

2026年6月的这次抛售，与2026年1月的DeepSeek冲击有几个值得注意的差异。

差异一：市场预期已经部分校正

1月的DeepSeek冲击发生在市场完全没有预期中国AI会有这种突破的背景下——冲击是突然的，市场反应是恐慌性的。6月的GLM-5.2发布，是在市场已经知道中国AI实验室有能力产出竞争性模型的背景下发生的——这次的反应规模相对较小，更像是市场在重新确认而非首次发现一个令人担忧的趋势。

差异二：政治因素加入

1月时，DeepSeek在技术上的冲击是单纯的。到了6月，叠加了更多的地缘政治背景：美国对中国AI出口管制升级，Anthropic指控Alibaba知识产权盗窃，中国AI模型在美国政府机构使用受限。这些政治因素，同时创造了对AI基础设施公司的另一类担忧：如果中美AI脱钩加剧，西方AI公司的全球市场空间会缩小。

差异三：中国AI的多点开花

1月，DeepSeek是一个单一的震惊。到了6月，GLM-5.2、DeepSeek系列持续迭代、字节跳动Doubao、百度文心……中国AI的多个实验室在多个维度同时进步。这从单点事件变成了持续性的趋势，对市场心理的长期影响比单次事件更深远。

第六章：估值重置是短期波动还是结构性变化？

最根本的问题是：AI基础设施股的这些抛售，代表的是短期的情绪过度反应，还是对长期估值的合理校正？

论据支持”短期过度反应”的一侧：每次”廉价中国AI恐惧”事件后，英伟达等公司的基本面并未发生根本变化——其数据中心收入在随后几个季度依然保持强劲增长。Jevons悖论在历史上多次被验证。AI的推理端需求在持续增长，且增长速度可能高于训练端效率提升的速度。

论据支持”合理长期校正”的一侧：如果中国AI模型的训练效率持续提升，且这些模型是开源可用的，那么未来3到5年内，顶级AI模型的训练成本会持续下降，西方AI公司购买顶级算力的urgency会降低。英伟达当前的市盈率，已经定价了一个非常乐观的未来，任何对这个乐观假设的质疑，都应该引起适度的估值修正。

可能的答案是：短期内是过度反应，长期趋势是适度的估值下调。AI基础设施依然是极具价值的行业，但在一个中国AI可以持续产出竞争性开源模型的世界里，AI基础设施股的估值倍数不太可能维持2024-2025年的历史高点。

结语：一个正在成形的投资者心智模型

2026年6月的这次AI股票抛售，在某种意义上，是市场在为一个新的现实建立心智模型：中国AI不是偶发的，不是昙花一现的，而是持续性的、结构性的竞争力量。

这种现实，要求AI投资者建立一种新的框架：不是”中国AI什么时候会失败”，而是”在中国AI持续进步的前提下，AI基础设施、AI应用、AI服务各自的增长曲线会是什么形状”。

GLM-5.2触发的这次抛售，是市场在练习这个新框架。每一次类似事件，都会让这个框架更加清晰——直到它最终成为AI投资的基础假设，而不再需要每次都重新学习一遍。

对英伟达来说，这意味着市场对其估值的要求会越来越严格：不能只靠”AI需要更多算力”的泛泛叙事，而需要拿出具体的推理端增长数据、新应用场景的渗透数据来支撑估值。这对一家真正优秀的公司来说，不是坏事——它只是把叙事竞争变成了数据竞争。

而对中国AI实验室来说，它们正在用每一次技术突破，参与重写全球AI市场的估值逻辑。这种参与的方式，远比直接争夺市场份额更深刻，也更难以被简单地”封禁”掉。

第七章：对不同类型投资者的不同含义

这次抛售对不同类型的市场参与者，意味着截然不同的事。

对短线交易者：每一次中国AI强力模型发布，都创造了一个可预测的交易模式——在发布消息公开后快速做空AI基础设施股（或买入看跌期权），在情绪恢复后平仓。DeepSeek R1事件和GLM-5.2事件都验证了这个模式的短期有效性。但要注意的是，随着越来越多的交易者学会这个模式，市场的反应速度会加快，每次事件的交易窗口会越来越窄。

对中长期价值投资者：真正的问题不是单次事件如何影响股价，而是未来5年内，AI算力需求的增长是否会如当前估值所隐含的那样强劲。这需要做一个核心判断：推理端算力需求的增长，能否持续快于训练端效率提升带来的需求下降？目前多数分析师的答案是肯定的，但每一次中国AI的效率突破，都会让这个判断的确信度下降一些。

对AI创业公司的投资者：这次抛售提醒了一件事：即使是英伟达这样强大的基础设施公司，在”中国开源AI”的叙事面前也会承压。对于更高风险的AI应用层创业公司投资，来自中国开源模型的成本竞争压力会更直接——如果一个应用层创业公司的护城河仅仅是”访问更好的底层模型”，而开源模型持续接近这个底线，这个护城河就会被侵蚀。

对各国政府决策者：AI基础设施股的这种波动性，是一个关于技术政策效果的隐性指标。美国的出口管制虽然限制了中国获得最先进芯片（如NVIDIA H100/H200/B200），但没有阻止中国AI实验室通过算法创新来接近技术前沿。这说明纯粹的算力封锁策略，长期效果存在疑问——可能需要配合更全面的知识产权保护、人才合作限制等多维度手段。

第八章：这是中国AI给世界的一个长期课题

把2026年6月的这次抛售放在最宏观的背景下看，它代表的是一个正在成为结构性现实的趋势：中国AI在基础研究层面的竞争力，已经到了能够持续影响全球AI市场估值的程度。

这不是说中国AI已经”赢了”。在算力储备、顶级人才密度、国际市场覆盖、生态系统成熟度等多个维度，美国AI依然具有系统性领先优势。但”能够持续影响全球AI市场估值”，意味着中国AI的每一次重大进步，都会被全球市场实时定价——而不是被当作”地区性事件”而忽视。

这对整个AI行业的竞争方式有深刻影响：

它推动美国AI公司更快地在算法效率上投入，因为不这样做就会面对来自中国开源模型的持续价格压力。这实际上加速了整个AI行业的效率改进，是一个意料之外的积极外部效应。

它迫使AI基础设施公司更清晰地阐述其推理端增长逻辑，而非仅仅依靠”训练越来越大的模型”这个早期叙事。从Nvidia的数据中心产品策略来看，推理加速已经成为其近几年的重要叙事，这一定程度上是对”训练效率可被优化”这一现实的市场适应。

最终，GLM-5.2引发的这次抛售，会以一个脚注的形式被记录在2026年AI市场的历史里——不是因为它特别重大，而是因为它代表了一个常态化的过程：中国AI以定期发布令市场意外的技术成果的方式，持续参与着对全球AI价值版图的重写。

这个过程，不会随着任何单一的政治决策而终止。它将持续，直到市场完全内化了”中国AI的技术竞争力是一个持久的结构性因素”这个前提——届时，每一次中国AI发布新模型，就不再会引发大规模抛售，因为这件事已经在所有估值模型中被充分折扣。

那一天还没到来。但2026年6月23日，是朝着那一天又迈出了一步的日子。

结语：市场是诚实的——即使反应不总是准确的

最后，让我们回到最基础的问题：2026年6月23日的AI股票抛售，说明了什么？

它说明，全球金融市场已经充分理解并实时定价了一件事：中国AI实验室拥有持续产出竞争性技术的能力，而这种能力对西方AI基础设施公司的长期增长假设构成了真实的挑战。这不是非理性的恐慌，这是理性的概率估算——市场在说，”这个威胁是真实的，我们需要把它折扣到估值里”。

它也说明，单次事件不等于趋势的终结。DeepSeek R1之后，英伟达的股价在一年内从低点重新大幅上涨。GLM-5.2之后，很可能会发生同样的模式。这是因为，恐惧驱动的短期抛售往往会超调，而基本面的韧性（AI推理需求的真实增长）会在随后的季报中被验证，进而带来修复。

但超调修复不等于”回到问题出现之前的状态”。每一次中国AI冲击，即使经过修复，英伟达等公司的合理估值倍数都会被市场再次重新校准。这是一个不可逆的过程：市场对中国AI竞争实力的认知在单向提升，这会永久性地压缩AI基础设施股的”技术垄断溢价”。

这个过程，对真正关注AI行业长期趋势的人来说，比股价当日的涨跌更值得关注。因为它告诉我们，AI的未来不是由任何单一力量主导的，而是在多方持续博弈中被共同塑造的。而中国AI，已经成为这场博弈中无法被忽视的核心力量之一。

参考来源：

  • Barron’s，2026-06-23，”Tech Stocks Are Tumbling on Renewed Fears of Cheap Chinese AI”
  • Barron’s，2026-06-23，”Nvidia Stock Falls as Tech Selloff Catches Up With Chips”
  • Intellectia AI，2026-06-25，”AI Tech Stock Selloff June 2026”（注：Intellectia AI为第三方分析平台，非主流金融媒体，引用仅作为事件记录背景，不作为分析依据）
  • 本博客，2026-06-22，《当中国开源AI在「封禁周」选择MIT许可：GLM-5.2与Claude Fable5同周的历史性对撞》
  • 本博客，2026-06-20，《Nvidia最大的威胁，来自它最大的客户：超级大买家自建芯片的真实含义》
  • 本博客，2026-06-20，《当美国程序员开始用DeepSeek给家人理财：中国AI的价格武器与华盛顿的政策悖论》
  • Reuters，2026-01，关于DeepSeek R1发布时英伟达股价大跌的相关报道