第四部分｜瓶颈下一步往哪里走
AI 产业的约束不会消失，只会迁移。投资回报来自提前识别下一处稀缺，也来自在供给恢复前离开上一处拥挤交易。
4.1 总规律：短缺沿着交付链向下游移动
2023 年市场关注 GPU，随后转向 HBM 和 CoWoS，再到高速网络、液冷、变压器、燃气轮机、并网与融资。每一次迁移都遵循同一过程：需求突然增加，供给因认证或建设周期无法响应，价格和利润上升，资本进入，最终产能释放。
判断短缺寿命，需要回答四个问题：扩产需要多久、客户能否替代、需求是否可以延迟、订单是否可取消。只看当前毛利，通常会高估周期末端收益。
4.2 计算：价值继续离开逻辑裸片
晶体管缩小越来越昂贵，整机性能更多依靠 HBM、Chiplet、先进封装、网络与软件。下一代平台的单颗芯片可能更强，但机架功率、互连和冷却内容增长更快。
这对供应链有两层含义。第一，Nvidia 从芯片公司变成系统公司，继续扩大每个机架的价值捕获；第二，HBM、光学、供电和冷却供应商获得更多内容，但也更依赖少数平台资格认证。
4.3 模型：能力复利，回报滞后
模型在编码、推理和多模态上继续进步，企业财务回报却只在少数工作流扩散。两者由一个变量连接：固定能力下的推理成本。成本下降越快，越多任务进入经济可行区间；如果用量弹性更大，总基础设施需求继续增长。
最有意义的拐点不是下一次榜单第一，而是企业智能体连续两个报告期证明生产转化、收入和利润。若采用一直停留在试点，模型能力越强，可能只是增加供应商资本消耗。
4.4 电力：决定部署上限
未来三年美国最硬的物理约束仍是可交付电力。现场燃气、核电重启、长期 PPA 和电气设备扩产会提供增量，但大型输电、新核电和 SMR 不能按同一时间线估值。
中国电力更充足，真正问题是西部算力利用率与先进芯片装机。两国最终都要从“规划 GW”转向“已通电 IT MW、已安装加速器和实际使用率”。
4.5 资本：怎样判断泡沫
“是不是泡沫”不能靠估值高低一问决定。更好的框架是比较三条曲线：
- 已投入资本及未来承诺；
- 可观察的 AI 增量收入和客户利润；
- 折旧、利息和维护产生的现金成本。
收入曲线如果持续追上成本，基础设施会像云计算一样留下持久资产，即使早期投资者回报分化；若利用率、价格和收入在债务到期前下降，则更像通信光纤周期。
4.6 地缘政治：分化、主权需求与中国台湾时钟
选择性分化是基准情景。主权 AI 为两套体系创造新需求，也把订单与外交、安全审查和财政预算绑定。中国台湾海外分散持续推进，但先进制造共同尾部风险在本十年仍存在。
政策状态应作为独立风险因子。出口许可放松可以恢复收入，却不保证中国采购；矿物休战可以延后冲击，却不等于替代完成；第三方国家签约美国系统，也可能同时购买中国方案。
4.7 历史周期给出的基准率
| 类比 | 最终留下什么 | 投资者哪里失望 | 对 AI 的检验 |
|---|---|---|---|
| 1990 年代通信光纤 | 数据流量和有用网络 | 重复建设、低利用率、杠杆 | token 增长能否在债务与折旧到期前填满容量 |
| 2010 年代云建设 | 工作负载迁移与超大规模优势 | 单价下降、同质主机利润弱 | 推理降价后谁还能保住毛利 |
| 存储周期 | 长期 bit 需求增长 | 扩产、库存和峰值盈利估值 | HBM 认证能把上行周期延长多久 |
| 中国光伏与电动车 | 规模、降本和产业自主 | 过剩、价格战、股东回报弱 | 政策算力创造利润还是只创造产量 |
基础设施可以改变世界，同时让一部分高价买入的投资者亏损。技术长期成功与证券短期回报没有逻辑矛盾。
4.8 四个情景
| 情景 | 权重 | 可观察确认 | 组合含义 |
|---|---|---|---|
| 熊市：金融空气袋 | 20% | 至少一家云厂商削减计划资本开支；信用利差扩大；利用率或订单转化下滑 | 降低新云与高倍数供应商，偏向现金流和资产负债表 |
| 基准：商业化较慢 | 55% | 资本开支仍增但减速；生产采用不均；短缺分批正常化 | 有选择地持有合格瓶颈，严格控制估值 |
| 牛市：生产级智能体扩散 | 25% | 客户 P&L 改善扩大；生产转化连续上升；AI 收入覆盖更多折旧 | 增加工作流与高弹性基础设施，同时保留物理关键节点 |
| 中国台湾中断尾部 | 不赋权重 | 先进产能或物流出现实质中断 | 没有完整股票对冲；降低总敞口与流动性风险 |
权重不是预测精度，而是迫使组合同时面对多种未来。至少两个独立指标持续一个季度，才应显著调整基准概率。
4.9 市场共识可能错在哪里
第一，市场可能高估自研 ASIC 对 Nvidia 收入的即时替代。颗数增长更快，不代表高价值训练和外部商用市场同步迁移。
第二，市场可能低估旧 GPU 的剩余价值。前沿客户追逐新代际，批处理、微调和低成本推理仍可吸收旧设备；真正判断应来自租金和利用率。
第三，市场可能把电力短缺资本化得太久。工业产能与审批一旦响应，设备商估值会在订单下降前调整。
第四，市场可能把中国“国产化”与“竞争力”混为一谈。政策能创造规模和学习，也能造成重复建设与低回报。量产良率、利用率和无补贴利润才是验证。
第五，市场可能低估应用层。若模型能力商品化，掌握工作流、客户关系和结果责任的应用反而获得更高价值。
4.10 催化日历
| 时间窗口 | 事件 | 为什么重要 |
|---|---|---|
| 2026 年下半年 | 云厂商业绩与资本开支更新 | 判断市场从奖励建设转向要求回报的速度 |
| 2026 年下半年 | Vera Rubin、AMD Helios、HBM4、1.6T 光学 | 验证下一代硬件路线能否按时量产 |
| 2026 年末 | 重要 AI 公司上市或推迟 | 检验私募估值与公开市场风险偏好 |
| 2026—2027 年 | TSMC 海外 2nm、中芯良率、燃机与变压器交期 | 制造、电力与国产替代的实时温度计 |
| 2027 年 | Rubin Ultra、自研 ASIC 放量、Intel 14A 外部客户 | 判断计算架构与代工竞争是否改变 |
任何具体日期都可能变化，应按企业和监管正式公告更新。
4.11 持续监测面板
| 指标 | 多头确认 | 熊市预警 | 频率 |
|---|---|---|---|
| 云厂商资本开支与扣除资本开支后的现金流 | AI 收入增长且现金流稳定 | 计划削减，或债务增长而收入不覆盖 | 季度 |
| 可比 AI 收入 | 披露扩大并覆盖更多折旧 | 捆绑口径消失、毛利下降 | 季度 |
| 加速器经济寿命 | 旧设备保持利用率与租金 | 价格在债务到期前下跌 | 季度 |
| 新云利用率与信用利差 | 利用率、现金转化、利差同步改善 | 订单延迟、集中度或融资压力上升 | 月度 / 季度 |
| HBM 价格、认证与晶圆分配 | HBM4 良率与资格持续紧张 | 产能和库存快于认证需求 | 月度 / 季度 |
| 先进封装产能 | 新增产能被顺利吸收 | 交期和价格快速回落 | 季度 |
| 变压器与燃机交期 | book-to-bill 与利润保持 | 取消、队列退出和交期压缩 | 月度 / 季度 |
| 智能体试点转生产 | 生产合同和 P&L 影响扩大 | 取消率高、仍停留实验 | 半年 |
| 固定能力下推理成本 | 用量增长更快 | 降价快于需求和利润 | 季度 |
| 以太网与专有网络 | 开放网络真实取得生产插槽 | 专有整合保持前沿优势 | 半年 |
| 中芯良率与国产 HBM | 可验证产量、良率、认证改善 | 只有路线图，没有交付证据 | 季度 |
| 出口与所有权状态 | 规则稳定、许可可预测 | 新实体、关联方或采购限制 | 事件驱动 |
4.12 最终要盯的一个比率
如果只能观察一个方向，应比较可披露 AI 收入的增量与为 AI 新增的折旧、利息和运营成本。前者持续快于后者，建设仍在创造经济价值；后者更快，技术可能继续进步，证券回报却会进入另一阶段。