AI应用溢价逐步超越算力

当Alphabet股价在单日内暴涨逾10%、市值一天增加超4000亿美元，同时英伟达股价却下挫近5%、市值先后跌破5万亿美元与4.8万亿美元这两道门槛时，这场发生在2026年4月底的“冰火两重天”，所折射的绝不只是少数个股的短线波动，而是对AI产业底层估值逻辑的一次深度校准。从推理数据量首次超过训练数据量的宏观拐点，到科技巨头财报中自研芯片板块的大规模呈现，市场正在重新梳理一个核心命题：在AI价值链条之中，究竟哪一环更值得拿到溢价？是供给端的通用芯片，还是把AI能力深度嵌入业务流程并形成闭环的应用方案？答案正愈发清晰。

谷歌此次走强并非偶然。一季度营收1099亿美元、同比增长22%，净利润大幅提升81%；谷歌云单季营收首次突破200亿美元，同比增速高达63%，企业级AI解决方案更是成为云业务增长的首要推动力。支撑这些成绩的，是其“全栈AI路线”持续落地：谷歌用了十年打磨TPU——2026年4月发布第八代TPU，将训练与推理拆分为两类独立芯片（TPU 8t与TPU 8i），单瓦性能实现翻倍，并在同成本条件下让推理效率提升80%，目标直指降低Agent相关运行开销。与此同时，Gemini每分钟处理Token数已突破160亿，较上季度增长60%，付费月活环比增长40%。更关键的是，Alphabet在财报中明确提到TPU开始面向外部客户直接销售：从云端租用延伸至硬件出货，使其身份从“客户”转为“竞争对手”。AI正在从“持续烧钱的长期叙事”转向“可带来真实现金流的盈利路径”：搜索广告增长19%验证了AI是拓展而非侵蚀搜索边界，云业务63%的增速以及超过4600亿美元的积压订单，进一步成为AI商业化最有力的注脚。

与之相对，英伟达的处境则呈现出一种“看似合理却更脆弱”的悖论。按常识，四家超大规模云计算商合计预计在2026年投入高达7250亿美元用于AI基础设施，且英伟达在加速芯片市场的份额接近九成，理应成为最大受益者。但市场给出的反向定价，背后是客户集体“转向自研”的结构性信号。Alphabet已证实向外部客户直接销售自研TPU；亚马逊CEO Andy Jassy表示，自研芯片业务年化营收已超过200亿美元，增速呈三位数；其中核心产品为自研Trainium系列。Anthropic最新协议也承诺使用AWS自研芯片十年，相关投资与采购合计超过千亿美元。微软推出第二代自研AI芯片Maia 200，并与Anthropic达成排他合作；Meta则与博通的MTIA合作延长至2029年，初步承诺部署规模可达1GW。当最优质的客户都在用自研方案替代通用供给时，通用芯片的溢价基准自然会被削弱。更要紧的是，推理正逐步取代训练成为算力增长的主引擎：IDC预测到2028年推理工作负载占比将达73%，而2026年推理计算需求已达到训练需求的4到5倍；推理算力租赁价格过去半年涨幅接近40%。由于推理场景对能效与单位成本更为敏感，博通定制ASIC、谷歌TPU等自研专用芯片更容易在关键环节占据优势。Bernstein Research分析师Stacy Rasgon提出的观点同样发人深省：AI智能体兴起带来计算需求爆发，但行业真正的约束并非“谁赢谁输”，而是整体供给不足，因此所有具备可信产能的芯片制造商都可能满销。该判断对英伟达是安慰，却无法回避一个现实——利润蛋糕正在被分流；高利润率能否延续，取决于英伟达能否在推理时代持续守住自研替代之外的压倒性优势。财报前OpenAI增长不及预期，也进一步强化了市场对AI投资效率的担忧，而Rubin系列出货递延的风险，则让部分投资者更倾向于提前观望与撤离。

这类分化，本质上是AI价值创造路径的范式迁移。训练阶段，英伟达GPU凭借CUDA生态与通用性优势，能够收取更高溢价；推理阶段，自研芯片则能从能效层面进行更精准的优化，并通过垂直整合形成TPU+模型+云+Agent的全链条协同，在TCO维度产生明显的压制效应。华尔街与A股投资者一贯偏好“平台公司+垂直整合”，因为一旦利润分配关系出现逆转，利润率更容易扩张，天花板也会更高。基于这一逻辑，谷歌的上行与英伟达的受压，都是AI价值权重从通用算力向端到端应用层迁移的顺势结果。投资思路也随之调整：过去押注供给侧的赛道仍具增长刚需，但对“卖铲人”的估值会更精细地审视客户黏性；而具备闭环商业模式的平台型选手，则正在获得更丰厚的溢价。需要强调的不是谁取代谁的对决，而是AI价值地图的一次重新绘制——在这张地图上，应用比算力更靠近终点，真正决定溢价的，终究是终点。

友情提醒：投资有风险，决策需谨慎，本内容不对您构成任何投资与决策建议。