AI基础设施投资，先搞清楚它拦住了谁

听了 No Priors 播客中陈立武的访谈，我又重新梳理了 AI 基建（AI infra）的资料。听完后有个体会：我以前看这条赛道，总容易先画一张蓝图。GPU、HBM、先进封装、光通信、电力、液冷，一张图铺开，每层都像机遇。问题是，产业链图太会迷惑人。它让每个零部件都显得关键，但投资最终不是为“关键”付费，是为“卡住别人、还能留下利润”买单

陈立武这期最有价值的不是“看好半导体”。这四个字太泛了，谁看 AI 都能说看好半导体。我更想学的是他那套从瓶颈往回看的思维：客户现在究竟被什么阻碍了，为什么自己解决不了，谁有能力解开这个结，解决后是不是能立刻多上线、多部署、多赚钱

这和常规产业链研究区别很大。常规研究会把一次 AI 请求拆开：终端、网络、数据中心、服务器、GPU、HBM、封装、电力、模型、应用。这种拆法适合学习，不一定适合做判断。因为拆得越细，越容易觉得每层都有机会。可世界上关键但不赚钱的东西太多了

我现在会先问三句很朴素的话。需求是不是真实使用，还是融资和竞争把采购提前了。供给是不是真的难追赶，还是12到24个月后一堆供应商同时扩产。价格里还有没有预期差，还是大家已经按两三年完美实现来定价。三句里任何一句答不清，这东西就算挂在 AI 产业链上，也别急着激动

电力就是一个很好的例子。很多人说 AI 缺算力，第一反应是看 GPU。但如果楼、服务器、卡都准备好了，最后因为变电站、变压器、开关柜、并网排队而不能通电，客户掏钱解决的事其实很具体：让我这批机器上线。没人是为了支持一个电力设备主题掏钱。这两个听起来像一回事，投资上差很多

HBM 和先进封装也一样。HBM 可以理解成 AI 芯片旁边的高速内存，CoWoS 可以理解成把芯片和内存高密度封到一起的工艺。它们不如模型名字好传播，但如果加速卡出货被内存、封装、测试和良率卡住，这些很细的东西就会突然站到主路口。硬件世界很多时候就是这样，最值钱的地方不一定最有叙事感

光通信这条线更容易让人心动。800G、1.6T 说的是更高速的数据传输，CPO 大概是把光通信模块往芯片附近塞，InP 是一类做高速光器件和激光器的材料。每个词都像下一波。但这里最怕太早。客户是不是真的把它放进设计，订单有没有硬证据，毛利有没有动，产能有没有被锁住，这些没出来之前，它可能只是“以后会卡”，不是“现在正在卡”

一级项目和二级股票这里要分开。看早期公司，可以多给一点未来空间，问它能不能进入客户关键路径，第一客户是谁，能不能从单点工具长成系统。看上市公司就没那么浪漫了，要问市场已经把多少增长写进价格，收入、毛利、现金流哪一项还能上修。同一件产业事实，放到不同价格里，回报公式完全不一样

Serenity 那套找 chokepoint 的路子有用。他是 X 上做 AI 和硬科技二级市场研究的人，擅长把大叙事拆成小而硬的物理卡点。但这类东西也很容易被传播污染。一个小节点被讲火以后，价格可能已经先动了。帖子、转述、收益截图只能当线索，不能当证据。最后还是得回到公告、订单、backlog（已签但还没交付的订单）、产能、毛利和现金流

这里最容易犯的错，是把“供给紧”直接翻译成“公司赚钱”。供给紧可能是真的，但客户可能压价，扩产可能很快，订单可能低毛利，股价也可能已经买完。甚至公司还可能趁热融资，把主题热度变成新供给。AI 相关性只是入口，不能替代商业判断

还有一层得兜底：硬件投下去以后，下游应用到底赚不赚钱。GPU 利用率、每次生成内容收的钱扣掉推理成本后还剩多少、企业续约、合同期限、折旧压力，这些才是整条链条最后买单的人。如果下游 AI 产品的收入盖不住推理成本，上游很多“供不应求”会一起变成“估值太满”

所以以后看到一个 AI 基建项目，我大概会先问一句：它是 AI 旁边的一颗螺丝，还是正在挡住客户部署的那颗螺丝。如果是后者，再问供给多久能追上，客户愿不愿意付高价，财务报表里哪一行会变。如果这几句写不出来，我大概率还只是被 AI 相关性带着走

我也不确定这几个问题能抓到最热的钱。很多时候市场先涨，理由后补。但对我自己有个用处：看到一个新 AI 基建名字，先别急着把它塞进产业链图，先问它到底卡了谁。如果卡不住具体的人，也没人因为它多付一分钱，那它大概率只是 AI 故事旁边的一颗螺丝。这个判断不漂亮，但对我这种容易被产业链图带跑的人，挺省时间

觉得“先问它卡了谁”这个筛法有用的，点个赞+推荐，让更多人看到