智通財經APP獲悉，隨着強制去槓桿清算來到收尾階段，新一輪AI算力主題超級牛市已出現“再度啓動跡象”，華爾街金融巨頭摩根士丹利將韓國股票評級上調至“超配”，稱近期的“槓桿出清/槓桿倉位洗牌”爲投資者們提供了更好的入場時機，可重新佈局人工智能算力基礎設施交易主題和工業超級週期主題。

另一華爾街巨頭花旗集團給出的韓國股市基準股指目標點位則更加激進，表示隨着7月31日外資淨買入約7.2萬億韓元KOSPI股票，創歷史單日紀錄，韓國養老金和基金也轉爲淨買入，花旗維持更激進的10000點韓國基準股指——KOSPI指數目標，認爲存儲芯片盈利、極低估值和政策改革足以支撐韓國股市進一步重估。

三星與SK海力士托住市場!去槓桿進程來到出清尾聲，資金從槓桿狂熱轉向AI產業鏈超級週期

以Daniel K.

Blake爲首的大摩資深策略師們在一份報告中表示，在擁擠交易和槓桿倉位大幅解除之後，韓國綜合股價指數Kospi綜合指數較摩根士丹利設定的9,000點目標仍有36%的上漲空間。此前，該大型金融巨頭給予韓國股市“平配”(equalweight)這一中性謹慎評級。繼上一交易日創紀錄暴漲18%之後，該基準指數在週一則一度下跌5.5%，截至發稿跌幅收窄，徘徊於6366點位附近。

分析師們表示，近期劇烈拋售“主要由技術性因素驅動”，而且“極端的槓桿ETF倉位、對沖基金槓桿和散戶融資盤的去槓桿過程已經度過最劇烈的拋售中點位置”。

如上圖所示，韓國股市KOSPI指數以及三星電子、SK海力士兩大超級市值權重股在“槓桿出清”過程中仍維持高波動。韓國綜合股價指數(即KOSPI)已較6月高點下跌超過30%。在7月，交易員們迅速撤離這一已成爲亞洲人工智能算力需求風向標的金融市場。韓國單隻股票槓桿交易所交易基金(即個股槓桿ETF)持倉規模激增，以及指數權重高度集中於三星以及SK海力士，進一步加劇了這輪韓國股市暴跌。

7月韓國股市頻繁陷入熔斷式暴跌後不久，韓國監管機構已採取措施限制此類工具的使用。韓國政府計劃限制散戶參與槓桿產品，包括把相關風險敞口限制在投資者總投資組合的一定比例以內。

摩根士丹利預計，KOSPI短期運行區間將徘徊至5,500點至10,500點劇烈波動震盪，並認爲三星電子和SK海力士這兩大合計佔據50%的權重股將爲市場提供重大估值支撐。該金融機構還預計，工業、國防和金融等韓國股市細分行業股票也將獲得順風支持。

摩根士丹利還將泰國股票評級從“平配”上調至“超配”。該機構分析師團隊認爲，隨着泰國提升外國直接投資規模和競爭力，這個東南亞國家股票市場正出現更多投資機遇。他們補充稱，泰國企業盈利正迎來拐點、估值處於低位，同時關鍵股票有望受益於AI資本開支和能源安全主題。

與此同時，該行將澳大利亞股票評級從“平配”下調至“低配”，稱在經歷多次加息，以及稅制改革大幅削弱澳大利亞本土房地產投資激勵之後，澳大利亞市場的上漲空間有限。此前，在伊朗戰爭背景下，摩根士丹利曾因澳大利亞市場的能源敞口而看好其上漲潛力。

7.2萬億韓元搶回看漲定價權，花旗劍指10000點

這輪韓國半導體股票大回調正在被華爾街重新定義爲AI相關的劇烈槓桿與倉位結構的出清，而非半導體基本面反轉。

大摩9000點與花旗10000點並非單純押注“韓股重新邁向槓桿式瘋狂與狂歡”，而是押注韓國市場從槓桿驅動轉向AI資本開支將帶來更加前景盈利、現金流和AI算力戰略稀缺性驅動。

摩根士丹利將韓國股票由平配上調至超配，給出KOSPI

9000點目標，按報告發布時點對應約36%的上漲空間，並判斷槓桿ETF、對沖基金融資和散戶保證金倉位的解除過程已越過中點;花旗則維持更激進的10000點目標，認爲存儲芯片盈利、極低估值和政策改革足以支撐進一步重估。

7月31日外資單日淨買入約7.2萬億韓元、創歷史紀錄，疊加監管機構提高槓杆ETF准入門檻，意味着此前“追加保證金—強制賣出—波動放大”的負反饋正在顯著減弱，這也是花旗在資金面看好韓國股市的重要邏輯。

更關鍵的是，實體AI算力基礎設施需求沒有跟隨股價崩塌。韓國7月出口同比增長62.8%至988.9億美元，其中半導體出口增長179%、計算機出口增長404%，直接印證AI數據中心投資、存儲價格和服務器需求仍處於高景氣區間。亞馬遜則把2026年資本開支計劃由2000億美元上調至約2200億美元，亞馬遜旗下雲計算業務AWS收入增長37%、創18個季度最快增速;即便投入如此龐大的資本，管理層仍預計2026年無法滿足全部需求、2027年供給約束繼續存在，並稱目前已經看到的2028年需求“令人震驚”。這使韓國市場的反彈可能不只是空頭回補，而開始獲得訂單、出口和雲計算需求的基本面確認。

亞馬遜管理層所描述的“槓鈴型”需求結構揭示了算力週期爲何可能更陡、更長：一端是OpenAI、Anthropic等前沿實驗室持續推進推理、Agent和遞歸自我改進，AI越來越多地參與代碼編寫、實驗設計和模型研發，使“用AI開發更強AI”可能形成算力消耗的正反饋;另一端是數百萬企業尚未全面啓動的生產型推理負載，未來將從客服、風控和代碼輔助擴散到完整業務流程。

AI應用開發領軍者Anthropic已公開表示，AI系統正在承擔越來越多的AI研發工作;OpenAI也披露GPT-5.6在衡量遞歸自我改進能力的評估中取得明顯進步。由此形成的AI算力基礎設施產業結構核心在於——Labs

AI負責提高需求曲線斜率，Enterprise AI負責擴大需求基數並延長週期。