AI 决战开启：云与存储的财富新战场

---

AI 基础设施大考：谁能将算力、内存与电力转化为持久回报？

作者声明及免责声明：

Zion Zhao Real Estate | 88844623 | 狮家社小赵 | wa.me/6588844623 | https://linktr.ee/zionzhao

本帖仅提供一般资讯、教育及市场知识普及。内容不构成财务、投资、交易、法律、税务、会计等专业建议，亦非要约、招揽、推荐或背书。文中观点仅代表作者个人，仅供参考，如有变动，恕不另行通知。尽管已尽合理注意，但不对准确性、完整性或可靠性做任何陈述或保证。读者应自行尽职调查并寻求专业意见。在法律允许范围内，对因依赖本帖内容造成的任何损失，我们概不负责。

勿只关注英伟达：AI 下一轮财富争夺，已转向存储、电力与云计算

人工智能正步入更复杂且更具决定性的阶段。

AI 投资周期的第一阶段相对单纯。先进处理器需求激增，英伟达成为加速器主导者，超大规模云厂商纷纷扩大数据中心预算，几乎所有算力基础设施相关企业均受资本热捧。

下一阶段将更具筛选性。

美光、三星和 SK 海力士正证明，AI 热潮的经济重心已从处理器延伸至存储、网络、电力及数据中心容量。据报 Meta 正研究将部分闲置算力商业化，这可能使其直接进入传统及新型云计算服务竞争。帕兰提尔则正推动以数据主权、开放模型及受控部署为核心的企业 AI 模式。同时，地缘政治不稳与通胀担忧升温，使加息风险重归市场视野。

因此，当下并非单一 AI 投资故事，而是多场交织的竞争。

这是对稀缺存储器的争夺。

这是对数据中心容量的争夺。

这是专有前沿模型与开放模型之间的争夺。

这是基础设施扩张与财务纪律之间的博弈。

这也是技术乐观主义与能源价格、融资成本及央行政策之间的现实较量。

AI 热潮确有其事，但这不意味着每项 AI 投资都会成功。

真正决定结局的关键，已非企业是否投入资本，而是这些投入能否形成持续利用率、可防御利润率、可量化生产力提升，以及高于资本成本的回报。

美光 2026 财年第三季度表现极为亮眼。公司录得约 414.6 亿美元营收，较上季 238.6 亿及上年同期 93 亿大幅增长。在资本开支达 71 亿美元的同时，仍创造约 183 亿美元经调整自由现金流（Micron Technology, 2026）。

这些数据不仅代表强劲半导体季度，更意味着计算产业经济结构正在转变。

长期以来，处理器是计算产业焦点，存储常被视为商品化配套。AI 正在打破这一传统等级。

先进计算系统不只依赖处理器速度。它们需以极高速度存储、移动并向处理器持续输送海量数据。随着模型规模扩大及推理任务复杂度提升，存储带宽正成为 AI 系统关键瓶颈。

因此，高带宽存储器（HBM）并非可有可无的配件，而是现代 AI 系统不可或缺的核心部件。

即使加速器拥有极强理论算力，若数据无法快速送达处理器，也无法实现应有性能。当存储成为限制系统效率的瓶颈时，存储制造商便有机会获取行业新增利润的较大份额。

三星业绩进一步强化了这一判断。公司在 2026 年第一季度录得约 57.2 万亿韩元初步综合营业利润，随后对第二季度作出约 89.4 万亿韩元营业利润指引。需特别说明，这些数字计价单位为韩元而非美元。然而，其背后信息同样重要：存储供需紧张已形成异常强劲的利润周期（Samsung Electronics, 2026a, 2026b）。

SK 海力士赴美上市同样反映市场对 HBM 直接投资敞口的强烈需求。投资者日益意识到，AI 供应链不能仅围绕英伟达理解。

处理器或许仍是系统架构核心，但经济价值往往流向最稀缺且不可替代的投入品。如同石油短缺期间，受限资源生产商可能获比下游企业更高新增利润，当前 AI 存储产业正经历类似现象。

存储多头逻辑极强，但投资者仍不能放弃审慎。

AI 或许延长存储景气周期并提高行业长期增长中枢。超大规模数据中心、主权 AI 项目、企业应用、机器人、自动驾驶及持续推理负载，都可能带来远超 PC 和智能手机时代的存储需求。

美光也强调，多年期战略协议有望提升收入可见度。长期客户承诺可能增强需求持续性，降低过去 DRAM 行业常见波动（Micron Technology, 2026）。

不过，结构性增长与周期性波动可并存。

铁路、电信网络及互联网基础设施曾经历真实强劲长期需求，但这些行业同样出现过资本投入快于商业利用率增长的阶段。

半导体高利润率必然吸引更多投资。美光、三星及 SK 海力士均在扩充产能。虽新增产能释放需时，尤其是技术门槛更高的 HBM，但新供给终将进入市场。

因此，投资者需关注四个问题。

第一，2027 至 2030 年间将有多少新增产能入市？

第二，AI 需求能否以足够快速度吸收这些产能？

第三，未来硬件架构会否更节省存储资源？

第四，当前定价能力在供应紧张缓解后能否持续？

合理结论既非存储利润将迅速崩塌，亦非当前超高利润率能永久维持。

真正投资机会，在于区分长期结构性升级与短期稀缺溢价。

许多投资者认为，极佳业绩理应自动推高股价。

市场并非如此运行。

股价在业绩公布前，已反映市场预期。当预期过高时，即使公司创历史佳绩，也可能无法形成足够正面惊喜。

这可解释为何美光或三星公布创纪录利润后，半导体股仍可能下跌。市场未必否定当前需求，而可能在质疑利润是否近周期高点、产能扩张终会否削弱价格，以及未来增速能否维持估值隐含水平。

关键在于增长的二阶导数，即增速本身是否仍在加快。

收入可维持高位，但增长速度可能下降。

利润率可继续优异，但也可能从不可持续高峰回落。

一家公司基本面仍强劲，股价却可能因此前估值已反映更高增长而下跌。

这并不必然说明 AI 投资逻辑失效，而是说明估值纪律与预期管理依然重要。

反驳 AI 基础设施需求纯属虚构的最有力证据，是全球部分财务最强、技术最成熟企业，正为此投入巨额资本。

Meta 已将 2026 年资本开支指引设定在 1,250 亿至 1,450 亿美元之间。微软指出，Azure 与 AI 服务需求持续超现有供给，公司 2026 日历年资本投入或近 1,900 亿美元。亚马逊、Alphabet、甲骨文及专业 AI 基础设施供应商均在积极扩张（Meta Platforms, 2026; Microsoft Corporation, 2026）。

合同数据同样至关重要。

截至 2026 年 3 月 31 日，CoreWeave 报告收入积压订单约 994 亿美元。Nebius 宣布与 Meta 签订五年协议，提供价值 120 亿美元专属算力容量，特定条件下附带最高 150 亿美元额外承诺。甲骨文则报告约 6,380 亿美元剩余履约义务（CoreWeave, 2026; Nebius Group, 2026; Oracle Corporation, 2026）。

这显然非企业进行小规模实验时的资本配置方式。

AI 基础设施正成为企业史上最大规模资本投入计划之一。

但大规模支出存在并不能终结争论，只是改变争论焦点。

问题已非需求是否存在，而是基础设施能否按时交付、能否高效利用，以及能否带来具吸引力回报。

庞大剩余履约义务和合同积压订单，确实反映未来需求，但不能等同于已确认收入、营业利润或现金流。

AI 基础设施合同通常取决于设施是否按时建成、电力连接是否到位、加速器是否完成交付，以及服务水平要求是否满足。

唯有基础设施真正投入运营后，签约客户才能转化为收入。

对新型云服务商而言，这点尤为关键。它们必须取得土地、电力、冷却设备、变压器、网络设备、处理器、存储、融资资源及专业技术人员，才能兑现合同义务。

因此，积压订单证明客户确实需要算力，但无法消除执行风险。

客户集中度亦是重要问题。一家公司可能拥有庞大合同储备，却高度依赖一至两个交易对手。一旦主要客户推迟扩张、重新谈判需求，或面临自身融资压力，基础设施供应商可能受重大影响。

真正优质的 AI 基础设施企业，必须能将合同需求转化为多元化、可盈利且具持续性收入，同时避免承担过高资产负债表风险。

AI 投资争论中最重要的分歧之一，是如何看待自由现金流。

多头投资者正确指出，资本开支可能在短期压低自由现金流，即使公司正在进行合理长期投资。数据中心须先融资建设，随后才能产生收入。

因此，经营现金流与自由现金流回答的是不同问题。

经营现金流反映核心业务能否产生现金。

自由现金流则反映公司在完成资本投资后还剩余多少现金。

一家公司可能拥有健康核心业务，但在扩张周期内出现较弱自由现金流。

然而，自由现金流仍然非常重要。

长期负自由现金流可能增加债务，导致股东被稀释，并削弱公司战略灵活性。若利率持续高企，融资成本还可能显著降低项目回报。

甲骨文充分体现了这一问题的两面性。公司报告约 320 亿美元经营现金流及约 6,380 亿美元剩余履约义务，但因大量基础设施支出，财年自由现金流约为负 237 亿美元（Oracle Corporation, 2026）。

乐观解释是，甲骨文正在为极其庞大的合同需求进行前置投资。

谨慎解释则是，公司正在承担巨大融资与执行风险，以服务需求变化迅速的客户，同时部分基础设施可能比预期更快面临技术迭代。

这两种判断可同时成立。

正确的问题不是资本开支是否过大，而是这些支出的预期回报能否高于融资成本，并足以补偿股东承担的风险。

据报，Meta 正研究通过某种外部云计算服务，将部分闲置 AI 算力商业化。

目前不应将其描述为已正式推出的完整新型云服务业务，因产品结构、规模和时间表仍不明确。Meta 可能提供模型调用、托管式 AI 服务、原始算力容量，或这些产品的部分组合。

不过，其战略逻辑相当清晰。

Meta 已为推荐系统、广告优化、内容生成、商业消息、AI 助手及先进模型开发建设了庞大计算基础设施。

将暂时闲置或未充分利用的容量出售给外部客户，可提高资产利用率，抵消折旧和能源成本，分散收入