（问题） 近期，围绕人工智能有关资产的定价分歧引发市场关注；美国财政部长斯科特·贝森特一档访谈节目中提出，真正值得警惕的不是市场涨跌本身，而是“无法进行价格发现”的情形，即交易受限、市场功能弱化，买卖双方难以形成可靠价格。该表述被部分市场人士解读为对当下部分资产“定价失真”风险的提醒。当前，人工智能板块在经历快速上涨后出现调整，一些龙头公司在业绩强劲背景下股价仍承压，折射出投资者对估值与盈利可持续性、资本开支回报周期等核心问题的再评估。 （原因） 一是公开市场与私募市场定价机制差异显著，导致估值“冷热不均”。公开市场交易连续、信息披露较为充分，价格随预期变化即时调整；而部分人工智能头部企业主要依赖私募融资，估值多由少数投资方协商形成，缺乏持续竞价与每日清算，也缺少做空等压力测试机制，难以形成广泛认可的“市场价”。在此情况下，估值更容易受到叙事、流动性与竞逐效应驱动，定价的可验证性相对不足。 二是产业发展处于技术与商业化路径加速迭代阶段，基本面预期分化加大。算力投入、数据中心扩建、模型训练与推理成本等因素，使得市场对利润率空间、现金流兑现节奏和竞争格局的判断存在较大差异。一旦对资本开支回报的预期转弱，估值锚定就会动摇。 三是融资结构变化带来“链条式”脆弱性。过去一段时期，私人信贷等非银行融资快速发展，为人工智能基础设施、数据中心和相关供应链提供资金支持。在风险偏好上行阶段，资金容易向热门赛道集中；但当公开市场开始重新审视盈利假设与估值水平时，相关融资链条可能面临再定价压力。若出现赎回限制、展期困难或违约上升，价格调整可能以更“跳跃”的方式显现，进而接近贝森特所强调的“价格发现受阻”风险特征。 （影响） 其一，波动可能从股票市场延伸至私募股权、私人信贷等领域，放大跨市场联动。公开市场的估值回调会影响融资预期与再融资成本，私募估值若滞后调整，可能形成“账面稳定、风险累积”的错配。 其二，产业投资节奏或将更趋审慎。算力与数据中心投资具有重资产、长周期特征，一旦资金成本上升或资本市场转向谨慎，项目推进、供应链订单与就业扩张均可能受到影响。 其三，金融稳定风险需防范“隐性传导”。私人信贷产品透明度相对有限，若在流动性管理、期限匹配和集中度控制上出现短板，极端情况下可能通过资金冻结、重组与违约等方式触发风险暴露，对市场信心形成冲击。 （对策） 市场层面，应回归对现金流与商业模式的检验，减少单一叙事推动的估值外推，强化对资本开支效率、客户结构、算力利用率等关键指标的跟踪与披露。金融机构与投资者应加强压力测试与情景分析，关注期限错配、杠杆水平和集中度风险，避免在同一预期上形成拥挤交易。 监管与制度层面，可在不抑制创新的前提下，推动私募融资与私人信贷领域的信息披露和风险管理标准完善，强化流动性管理要求与风险隔离安排，提升市场对相关资产真实风险的识别能力。同时，鼓励形成更加多元、可持续的融资渠道，降低单一资金来源波动对产业链的冲击。 （前景） 总体看，人工智能作为新一轮科技革命和产业变革的重要驱动力，其长期发展趋势仍取决于技术突破、应用落地与成本下降的综合进展。未来一段时期，行业大概率将从“讲故事”转向“算账本”，估值体系也将从以预期为主逐步过渡到以盈利质量、现金流与可复制商业模式为核心。市场波动或仍将持续，但关键在于交易机制是否顺畅、信息是否透明、风险是否可计量。只有价格发现机制更加有效，资本配置才能更精准，产业扩张才更稳健。
贝森特的警示揭示了技术革命中的定价难题。在创新与资本交织的时代，建立有效的价值发现机制不仅是经济命题，更是产业可持续发展的基石。历史一再证明，忽视价格形成规律的市场终将付出代价。