第五部分｜重要公司为什么仍可能是差投资

产业地图告诉我们谁不可缺少，证券分析还要回答另一件事：这份重要性是否进入利润，市场又是否已经提前为它支付了过高价格。

前四部分回答了“钱为什么流向 AI、供应链在哪里被卡住”。这一部分才讨论公开市场。顺序有意放在最后，因为从公司名称开始研究，很容易把产业事实变成已有持仓的辩护：喜欢一只芯片股，就只寻找算力需求；喜欢一只电力股，就把所有数据中心规划当成已通电订单。

证券分析要求把方向反过来。先建立与公司无关的产业判断，再问这家公司获得多少收入、付出多少资本，最后才把现金流与价格比较。

从“AI 会增长”到一只股票，中间有五步

普通投资者最容易把第一步直接当成第五步：

1. 主题成立。 AI 使用、芯片和数据中心需求增长。
2. 公司获得订单。 相关公司确实进入供应链，而不是只被市场联想。
3. 订单形成利润。 公司能提价、控制成本，业务对整体财务足够重要。
4. 利润变成股东现金。 资本开支、利息、稀释和并购没有吃掉增长。
5. 实际结果超过价格预期。 市场没有提前按更乐观情景定价。

任何一步都可能断开。

例如，一家材料公司可能处在不可替代节点，却只有 5% 收入来自该材料；一家新云可能拥有百亿美元积压，却要先投入更多资本并借债建设；一家芯片公司可以保持市场领导，但股票价格已经要求未来数年每代产品都顺利交付。

所以，本部分不提供“最好公司”排名，而是把每只证券改写成一项可验证假设：

当前价格相信哪些收入、利润和市场份额？ 下一项证据是什么？ 哪个事件会让假设失效？

为什么估值不是文章最后附上的一个数字

假设两家公司都能在五年内把利润翻倍。A 公司的当前价格已经按利润翻三倍估值，B 公司只按利润增长一半估值。即使 A 的实际经营更好，B 的股票回报仍可能更高。

价格决定投资者需要预测的“意外”。估值越高，公司不仅要增长，还要比市场已经相信的增长更快；估值较低也不自动安全，因为低价可能反映业务衰退、债务或政策风险。

本书使用情景区间，而不是单一目标价，原因是 AI 公司同时面对多项不确定变量：

• 收入增速；
• 毛利与价格；
• 资本开支和折旧；
• 利率与融资；
• 产品周期；
• 政策和可服务市场；
• 估值倍数。

单一点位会把所有变量伪装成确定。区间迫使读者看到，在熊市、基准和牛市中，哪些经营事实必须成立。

本部分怎样使用，而不应怎样使用

正确使用方式是：

• 先确认价格日期，过期后重新计算；
• 把情景区间视为压力测试，不是目标价；
• 阅读每只证券的催化和反证，而不是只看基准上行；
• 检查组合共同因子，不把股票数量当作分散；
• 根据自己的司法辖区、税务、流动性和风险承受能力另做决定。

不应这样使用：

• 把表格按基准回报排序后直接买入；
• 把牛市区间当成作者预测；
• 忽略亏损公司、ADR、拆股和会计口径差异；
• 在价格大幅变化后继续引用旧市盈率；
• 把产业核心性当成证券安全性。

5.0 四种损失必须先分开

股票下跌的原因不同，恢复路径也不同。

一只无债务的大平台因估值下降 30%，与一家高杠杆新云因客户延期下降 30%，表面损失相同，风险性质完全不同。前者仍拥有等待能力，后者可能触发再融资和稀释。

5.1 先决定自己到底在买哪一种回报

30 只 AI 相关证券看起来覆盖云、芯片、设备、网络、存储和电力，穿透后却主要代表四种投资：

1. 用多元现金流承担 AI 建设。 Alphabet、Amazon、Microsoft 和 Meta 拥有成熟业务，可以承受较长回收期；代价是 AI 上行被母公司其他业务稀释。
2. 购买已经盈利的关键节点。 Nvidia、TSMC、ASML、Micron 和部分网络、电气公司能够直接捕获建设，但价格通常已经反映较强增长。
3. 购买高弹性与融资选择权。 新云和高集中度零部件上行最大，也最容易在客户延期、租金下降或融资收紧时遭受永久损失。
4. 购买相对防御的工业与平台现金流。 Linde、部分发电与大型平台对 AI 的纯度较低，却更少依赖单一产品或客户。

没有一种天然更好。真正的选择取决于市场已经相信什么、下行来自估值还是资产负债表，以及组合是否能够承受共同因子同时逆转。

本章筛选 30 只流动性较好的美国上市证券或 ADR。价格为 2026 年 7 月 24 日的观察值。市盈率只作初筛：并购会计、亏损、拆股、ADR 比率和财年差异会破坏可比性；“不适用”表示没有可解释的统一口径。

熊市、基准和牛市区间表示截至 2028 年 7 月 25 日的两年累计股价情景，不含分红、税与汇率，也不是目标价。价格、盈利基数或情景概率明显变化后，区间必须重算。

5.2 三十只证券并不代表三十笔独立交易

这些证券按产品分散，却没有按最终付款人分散。下面的计数有意重叠，因为一家公司可以同时暴露于云资本开支、客户集中、中国台湾和政策风险。

先给共同因子设上限，再给单只证券定仓位，比先选公司、最后才检查组合更可靠。

5.3 当前价格分别要求什么

这张表不是排序。它把当前盈利、估值要求和两年情景放在同一处，帮助读者看清“公司很好”与“价格仍有回报空间”之间的距离。熊市区间也不是预测最差情况；杠杆、政策或中国台湾尾部仍可能产生更大损失。

用两个例子读懂同一主题里的不同证券

Nvidia 与 CoreWeave 都高度暴露于 AI 基础设施，持有它们却不是同一种交易。

Nvidia 向多个云和模型客户出售芯片、网络与系统，已经拥有高利润和现金流。它的主要风险是资本开支放慢、产品切换、ASIC 替代和估值压缩。即使增长低于预期，公司仍有资产负债表和生态缓冲。

CoreWeave 更直接持有 GPU、数据中心合同和债务。需求强、利用率高时，经营与股权弹性更大；客户延期、租金下跌或融资收紧时，折旧和利息不会等待。它的下行不仅是估值变便宜，还可能出现稀释和永久资本损失。

同样，ASML 与 Micron 都是关键半导体供应商。ASML 的护城河更接近技术垄断，周期来自客户资本开支；Micron 的 HBM 认证提高产品价值，仍暴露于内存产能、库存和价格。把两者都称为“AI 芯片卖铲人”，会掩盖完全不同的盈利周期。

读表时应先找证券的主要回报来源，再看熊市失败方式，最后才看基准上行。一个上行较小、但损失主要来自可逆估值压缩的标的，可能比上行很大、下行包含信用和稀释的标的更适合某些组合；反过来，愿意承担高风险的资金也要明确自己购买的是融资选择权，而不是稳定软件收入。

情景区间是怎样形成的

情景不是在当前股价上随意加减一个百分比。它由三组变量共同决定：

1. 经营结果：收入、利润、资本开支、利用率或订单转化；
2. 资本结构：债务、利率、增发、回购与自由现金流；
3. 市场估值：投资者在不同周期愿意为正常化利润支付什么倍数。

熊市情景通常同时降低经营假设和估值倍数；牛市情景则要求具体催化实现，而不是只假设市场更乐观。对亏损或高杠杆公司，传统市盈率没有解释力，情景更依赖现金消耗、融资和终值。

这也是为什么情景必须随价格和财报更新。公司没有变化、股价上涨一倍以后，基准回报自然下降；股价下跌也不自动提高回报，如果下跌来自基本面或融资假设恶化，情景本身要一起下调。

5.4 把每只证券写成一条可以被推翻的假设

下面的要点不回答“该不该买”，而是明确市场正在要求什么、下一项验证是什么，以及什么事件会让逻辑失效。

AI 芯片

• AMD： 市场已经假设 Helios 执行顺利并形成有利润的第二供应商。催化剂是重复大客户部署与加速器毛利改善；软件摩擦、路线延迟或客户只把 AMD 当议价工具，会破坏逻辑。
• AVGO： 定制 ASIC 与交换网络让它能同时参与 GPU 和自研芯片增长。新增设计中标与现金转化是催化剂；客户内制、项目集中和并购杠杆是主要风险。
• NVDA： 价格隐含 Rubin 顺利切换、整机架经济性保持、云厂商不大幅削减资本开支。网络、系统与软件可以抵消部分芯片份额下降；高价值负载被自研芯片替代或产品切换造成库存修正，是核心反证。

云与平台

• AMZN： 关键是 AWS 增长与 Trainium 能否降低 AI 成本，同时零售利润不逆转。资本开支长期跑赢 AWS 收入会削弱逻辑。
• CRWV： 本质是利用率与信用选择权，不是软件估值。通电容量、客户分散和融资成本改善是催化；租金下降、合同延迟、抵押品减值或再融资压力是反证。
• GOOGL： 搜索分发、数据、TPU 与相对较低估值构成优势。云利润与 AI 搜索变现是催化；搜索经济恶化快于云和新产品补位是主要风险。
• META： 回报首先来自推荐与广告转化，而非独立助手。广告效率和互动改善需要持续覆盖基础设施支出；投入上升而广告回报、使用或监管环境恶化，会破坏逻辑。
• MSFT： 企业分发与数据可能比模型所有权更值钱。Copilot 付费采用、Azure 利润与可比 AI 收入是催化；资本开支压低现金流而席位经济性变弱是反证。
• NBIS： 欧洲布局与资产负债表提供差异，但宣布的容量必须转成已签约、已通电现金流。建设延迟、低利用率和不利增发是主要风险。
• ORCL： 大额积压订单只有按期交付才有价值。OCI 转收入与信用利差稳定是催化；项目延迟、客户集中和债务成本令合同失去经济性，是核心风险。

设备与材料

• AMAT： 广泛工艺与先进封装带来内容增长，估值却要求 AI 相关设备需求长期高于普通周期。WFE 消化、对华限制或产能利用率下降会压缩回报。
• ASML： EUV 技术垄断与装机服务延长稀缺，年度盈利仍取决于客户资本开支。High-NA 接受、订单和服务增长是催化；客户延迟、中国业务下降或 High-NA 经济性不佳是反证。
• ENTG： 长认证保护材料份额，但必须把内容增长转成现金和降杠杆。先进节点收入、利润修复与还债是催化；库存修正或资格丢失是风险。
• KLAC： 先进节点越复杂，检测与良率学习越重要。先进产品组合和服务收入是催化；节点延期、对华限制与客户集中是风险。
• LIN： 长合同和现场供气提供低波动敞口，AI 只是多元业务中的增量。项目转化和电子气体销量是催化；工业放缓或估值压缩可能盖过 AI 贡献。
• LRCX： HBM 与更多工艺步骤支持长期内容，存储扩产仍会制造大周期。HBM 订单、装机服务和客户利用率是催化；存储过剩与中国限制是反证。

互连

• ALAB： 估值假设每机架连接内容快速增长、平台中标稳定且定价压力小。新平台插槽和客户扩展是催化；平台切换、客户集中或大厂整合功能是反证。
• ANET： 逻辑依赖以太网扩大 AI scale-out 份额，不需要完全击败专有网络。1.6T 部署与客户分散是催化；云客户集中和交换芯片价格压力是风险。
• COHR： 光学内容随带宽和功耗压力增长，价值捕获取决于产品组合与降杠杆。数据通信增长、利润扩张是催化；CPO 延迟、客户内制和杠杆是风险。
• CRDO： 铜连接可能比全光叙事存活更久，但客户集中支配估值。新增客户和高速内容增长是催化；客户流失、光学更快替代或降价是反证。
• MRVL： 对定制 AI 芯片有高经营弹性，但项目分散度不及 Broadcom。流片转量产与光学组合改善是催化；项目延期、客户内制和低毛利是风险。

存储与封装

• AMKR： 地域分散和外溢封装需求可以提升价值，前提是新产能保持利用率和回报。资格认证与利润改善是催化；客户延迟和低利用率是风险。
• MU： HBM 认证可以延长上行周期，普通 DRAM 供给最终仍决定利润。HBM4 放量和自由现金流是催化；库存、晶圆产能快于需求或良率不佳是反证。
• TSM： 制程领先、客户广度与 CoWoS 支持高质量盈利，任何估值都无法消除中国台湾共同尾部风险。N2 良率、封装扩产和海外产能投运是催化。

电力与电气

• CEG： 存量核电能比新核电更早兑现稀缺。新增长期 PPA 与机组可用率是催化；电价回落、监管成本分配或运营问题是风险。
• ETN： 广泛装机基础和配电内容支持质量，估值却不能永远按短缺定价。数据中心订单、扩产和现金转化是催化；交期快速正常化与价格回落是反证。
• GEV： 燃机与电网积压订单真实，市场已大幅重估。产能扩张、利润转化和园区订单是催化；取消、质量问题和交期过快回落是风险。
• PWR： 电网建设不只依赖 AI，但高估值要求积压订单顺利转成现金。大负荷项目和电气业务利润是催化；许可、劳动力和固定价项目超支是反证。
• VRT： 机架密度提高使供电和液冷内容结构性增长，当前价格隐含较长稀缺期。液冷附着率和积压订单转化是催化；园区延迟、竞争扩产或架构变化是风险。
• VST： 存量可调度发电受益于近端缺电，盈利仍随电价和容量市场变化。数据中心合同与资本回报是催化；监管、价格回落和机组停运是风险。

5.5 组合应该分散“失败方式”，不只是分散行业

更有用的组合划分，不是把每个产业层都买一点，而是让持仓在建设减速、估值压缩、信用收紧和物理短缺延续时表现不同。

本书不提供统一仓位。更稳健的顺序是先为超大云资本开支、中国台湾、单一客户、AI 信用和低流动性设最大敞口，再在剩余风险预算内选择公司。否则，逐只证券看起来都合理，组合却可能无法承受同一项资本开支下调。

浏览完整公司图谱

30 只证券是为了进行估值与情景比较而主动收窄的样本，产业链图谱本身远不止这些公司。下面的目录覆盖十三个层级，可按地区、所有权与研究深度筛选，也可以并列比较五项底层研究维度。公司进入目录只表示它与 AI 产业链相关，不代表对应证券值得买入。

5.6 哪些变化发生后，旧结论必须作废

• 价格或估值：每月更新，或股价变动超过 ±15% 时更新；
• 盈利、资本开支、积压订单和现金转化：每季度更新；
• 制裁、所有权和市场准入：每次政策事件后立即更新；
• 情景区间：出现两个相互独立的确认指标，或一个经过审计的系统级变化后更新；
• 本次完整观察值在 2026 年 10 月 25 日后视为过期。

这些区间的作用是约束估值想象，不是给出买卖指令。公司行为、拆股、汇率与财务口径会让静态价格和市盈率迅速失去可比性；一项事实变化如果改变现金流、资本成本或可服务市场，就不能只修改表格中的一个数字，而要重新检查整条投资假设。