陳李：AI硬件的前途，不在硬件

陳李、葛曉媛（陳李系東吳證券全球首席經濟學家、東吳香港行政總裁，中國首席經濟學家論壇理事）

AI硬件的前途，在AI應用能否快速獲取收入，扛過成本上升和不穩定的通脹預期，獲得利潤。

前陣子，三星公司公布超預期的業績，股價反而下跌。AI硬件企業訂單越好，利潤越高，投資者越來越質疑。他們認為，下游企業割肉飼虎式的資本支出不可持續。包括云廠商在內的應用企業，把收入和利潤的大部分提供給AI硬件企業。

如果下游客戶越來越虧錢，上游企業最終也笑不出來。什么時候，AI產業鏈才能從零和博弈，走向共贏生態？Anthropic上市，可能是最重要的事件。這家公認最佳的AI應用企業，其財務報表變化，將極大地檢驗AI從全部經濟領域中獲取多大的份額。

資金還在追逐AI，只是不再只追英偉達

周末，全球市場重新盯住霍爾木茲海峽。

投資者首先想到的是油價、航運和通脹。但這場沖突可能影響的，不只是能源股。它也在改變AI投資最重要的外部條件：資本市場還能以多低的成本等待AI利潤兌現。

與此同時，AI行情正在發生另一種變化。

英偉達今年的股價沒有延續此前的強勢，資金卻沒有離開AI，而是從GPU向HBM、高速存儲、光模塊、PCB、液冷和電力設備擴散。市場不斷尋找制約算力擴張的下一個瓶頸，仿佛只要找到新的稀缺環節，AI硬件的利潤就可以繼續增長。

這種擴散有真實的產業基礎。算力集群越大，對高速存儲、數據傳輸、散熱和供電能力的要求就越高。每出現一處供給不足，相關企業就可能獲得更強的定價能力。

但所有這些硬件，最終都出現在同一張賬單上。

GPU、HBM、光模塊、PCB和液冷設備，看起來屬于不同賽道，最終卻都計入云廠商的資本開支。資金可以從一個硬件瓶頸轉向另一個硬件瓶頸，最終付款人卻沒有因此增加。

AI硬件企業可以擁有不同的技術壁壘，卻沒有不同的最終付款人。

霍爾木茲海峽，讓等待AI利潤變得更貴

這次霍爾木茲海峽的變化，已經不只是口頭威脅。商船受到實際武力攻擊，美伊之間再度爆發大規模軍事沖突，此前脆弱的停火安排被打破。美國方面仍稱商業船只可以通行，但保險、航運和能源市場已經不得不重新計入戰爭風險。

海峽在沖突爆發前，承擔著全球約五分之一的石油和液化天然氣運輸量。它未必會被長期、完全封死，但只要通航持續受到干擾， 能源風險溢價就可能重新推高油氣價格，并向全球通脹傳導。

伊朗局勢與AI芯片之間，并不存在一條簡單直接的因果關系。油價上漲，不等于數據中心電費立即同比例上漲。數據中心能源成本還受到天然氣、電網容量、長期購電協議、核電和可再生能源等因素影響。

真正重要的是另一條傳導鏈：能源風險上升，通脹回落受到干擾，降息可能推遲，長期資金成本維持高位，遠期利潤的現值下降，投資者隨之要求AI企業更早證明盈利。

低利率環境中，市場可以等待五年甚至十年后的利潤。當通脹與利率重新成為約束，等待本身就會變得昂貴。原本可以留到2030年回答的問題，市場可能要求在2027年就看見答案的輪廓。

霍爾木茲海峽不決定AI能不能賺錢，卻可能決定時間成本，投資者有多大的耐心等待AI賺錢。

云廠商明知回報未定，為什么還在買算力

英偉達賣出GPU時，收入已經確認。HBM、光模塊、PCB和液冷企業獲得訂單時，利潤也開始進入各自的報表。

但從云廠商一端看，這些上游收入對應的，全部是自己的資本開支。

這個規模并不小。以北美幾家頭部云廠商為例，2026年資本開支合計指引已上調至7000億至8000億美元區間，同比增速普遍達到60%到80%——增速本身，就是資金持續涌入硬件產業鏈最直接的證據。

云廠商需要先購買芯片、服務器和網絡設備，建設數據中心，承擔折舊、電力和運營成本，再等待模型公司、企業客戶和消費者形成穩定付費。上游企業的利潤先兌現，中間環節的回報后驗證。

這就是AI產業鏈目前最重要的不對稱：英偉達確認收入時，云廠商承擔的卻是一筆未來必須收回的投資成本。

既然應用層利潤尚未得到充分證明，云廠商為什么仍然拼命購買算力？

因為對微軟、谷歌、亞馬遜、Meta和阿里來說，少買算力的風險，可能比暫時多買算力更大。任何一家大型平臺都不愿意因為低估AI需求，在下一代搜索、云服務、廣告、電商、辦公軟件和開發者生態的競爭中失去位置。

因此，一部分AI資本開支不是對利潤的確認，而是購買未來競爭的入場券。這可以解釋為什么應用層尚未普遍盈利，硬件訂單仍然高速增長。

但戰略投入只能推遲利潤檢驗，不能永久取消利潤檢驗。如果AI收入不能覆蓋折舊、電力、芯片和數據中心成本，云廠商最終仍會延長設備使用周期、淘汰低回報項目，或者放慢資本開支增速。

值得關注的是，這場投入正越來越多地依賴表外融資。部分云廠商通過設立特殊目的載體，將數據中心建設產生的債務移出自身資產負債表，再以長期租賃方式使用相關算力；與此同時，2026年以來AI相關債券及私募信貸發行規模明顯放量。多家機構預計，部分頭部云廠商今年的自由現金流將逼近零甚至轉負，新增算力投入越來越依賴舉債，而非經營現金流的自我造血。

這意味著，利潤檢驗的時點不僅取決于云廠商愿不愿意等，也取決于債務市場愿不愿意繼續為這場等待買單。

資本開支可以領先于收入，也可以暫時脫離利潤，卻不能永遠脫離現金流。

下一個AI投資熱點，可能回到下游應用

過去兩年，AI投資最有效的路徑，是尋找供給不足。GPU不足，尋找GPU；HBM不足，尋找存儲；傳輸受限，尋找光模塊和PCB；電力不足，尋找液冷、電源和能源設備。

這種硬件投資邏輯不會突然消失。只要資本開支繼續擴張，硬件企業仍然可能獲得訂單和業績增長的機會。

但當上游利潤不斷增長，市場遲早會把問題從“還缺什么”轉向“這些投入能賺回多少錢”。市場的定價重心，也可能從“誰掌握最稀缺的硬件”，逐漸轉向“誰掌握真正的收入入口”。

這里所說的下游應用，不只是獨立AI應用公司，也包括掌握云服務、搜索、廣告、電商和企業客戶入口的平臺企業。

Anthropic需要證明，模型、API和企業服務能夠形成可持續收入。谷歌需要證明，AI能夠轉化為搜索、云和廣告收入。Meta需要證明，巨額算力投入能夠提高廣告效率和平臺現金流。阿里則需要證明，AI能夠在云、電商和企業服務中形成新的增長動力。

這些公司并不完全相同，但市場對它們提出的是同一個問題：AI究竟是在創造新增收入，還是只是在制造更大的資本開支？

這個問題并非無法驗證，部分平臺已經給出初步答案。一些公司的AI相關年化收入已經進入數十億甚至上百億美元量級，云業務的未履約合同規模也在快速增長，付費席位與企業客戶數量同步擴張。這些跡象說明，應用層的收入入口并非完全空白，只是其規模與體量，距離覆蓋上游天價資本開支，仍有相當距離。

如果它們能夠證明AI帶來了可持續的收入和利潤，硬件產業鏈的繁榮就有了最終付款人。如果不能，資金從GPU轉向HBM、光模塊或者PCB，只是在同一輪資本開支內部尋找新的瓶頸，并沒有解決利潤來源的問題。

硬件行情尋找的是供給瓶頸，下一階段的應用行情尋找的將是收入入口。

AI硬件最終要由應用利潤結算

AI硬件的上半場，是算力短缺和供給瓶頸的故事。 英偉達率先兌現利潤。隨后，利潤開始向HBM、光模塊、PCB、液冷和電力設備等環節擴散。只要云廠商繼續擴張資本開支，上游利潤就可能繼續增長。

但硬件企業的收入，是云廠商的資本開支；云廠商的資本開支，最終要由AI應用和終端客戶的現金流償還。

霍爾木茲海峽帶來的真正變化，不是立即終止AI投資，而是通過能源價格、通脹和利率傳導，提高市場等待利潤兌現的成本。

當等待變得昂貴， 市場不會一直追問下一個硬件瓶頸在哪里，而會更快轉向一個更重要的問題：誰能把昂貴的算力變成收入，誰又能把收入變成利潤？

上游的瓶頸決定利潤暫時流向哪里，下游的現金流決定這些利潤最終能夠存在多久。