AI 算力基础设施 CapEx 传导链深度研究

核心结论

• AI算力 CapEx 的第一落点不是“数据中心建筑”，而是“高价值算力单元”：资金首先流向 GPU/ASIC/TPU 及其配套的 HBM、先进封装、先进制程晶圆，再向机柜级服务器、交换芯片、交换机、光模块、液冷与配电侧扩散；真正最先、最直接形成高额收入和利润的，仍是加速器、HBM、代工与先进封装环节。微软最新披露 AI 业务年化收入运行率已超过 370 亿美元；英伟达 FY2026 数据中心收入达 1,937 亿美元；博通 Q1 FY2026 AI 半导体收入已达 84 亿美元并指引 Q2 达 107 亿美元；美光 FQ2 2026 收入 238.6 亿美元、毛利率 74.4%，均反映了资金正沿着“算力芯片—内存—网络—基础设施”链条加速传导。

• 未来 12–24 个月收入弹性最大的，并不一定是服务器整机厂，而是“供给稀缺且单机价值量高”的环节：GPU/ASIC、HBM、先进封装、交换 ASIC/AI Networking、以及高功率液冷和配电设备，将比通用服务器 OEM/ODM 体现出更高的 ASP 与利润弹性。英伟达 FY2026 全年 GAAP 毛利率仍达 71.1%，博通 Q1 FY2026 调整后 EBITDA 利润率 68%，而美光在 AI 时代毛利率已提升至 74.4%，说明利润池明显集中在高壁垒器件层。

• 最核心的直接受益公司仍是英伟达、台积电、SK hynix、博通、美光：它们分别对应加速器、先进制程/封装、HBM、定制 ASIC/AI Networking、AI 内存。英伟达 FY2026 数据中心收入 1,937 亿美元；台积电 2026 年将资本开支提高到 520–560 亿美元高端并预计 AI 相关需求“极其强劲”；SK hynix 已被市场广泛视为 HBM 龙头并在 2025 年就出现客户抢锁 2026 年产能；三星也在 2026 年 Q1 表示当前客户需求远高于供给，且 2027 年供需缺口可能进一步扩大。

• AI 服务器 ODM 是大收入受益者，但不是利润池中心：广达、纬颖、鸿海、工业富联、Celestica 等会明显吃到订单和收入增量，但其利润率受制于系统集成属性、客户议价能力和英伟达对整机系统控制力增强。Tom’s Hardware 援引供应链信息称，英伟达正把更多完整系统集成做到更高层级，压缩 ODM 的差异化和毛利空间。

• 本轮 AI 扩张最真实、最长期的瓶颈，不是 GPU 单一短缺，而是“多重瓶颈叠加”：HBM/DRAM 供给、CoWoS/2.5D 封装、先进制程产能、高功率供配电、液冷改造、土地与电网接入、施工与电气劳动力，都会共同限制集群上线速度。Meta 将 2026 年 CapEx 上调至 1,250–1,450 亿美元时明确提到更高组件价格与数据中心成本；微软和市场均指出内存/组件涨价在抬高 CapEx；Oracle 的 OpenAI 数据中心项目也被报道因材料与劳动力短缺而延期。

• “AI CapEx 很高”不等于“新增算力物理量同比等比例增长”：2026 年大厂 CapEx 飙升部分是因为 HBM、DRAM、NAND、先进封装与部分关键器件价格显著上涨。微软相关口径显示约 250 亿美元 CapEx 增量与硬件成本相关；Meta 也把 CapEx 上调归因于更高的组件价格，尤其是内存。换句话说，AI 基建链条里，“价格”和“数量”已经同时驱动营收增长。

• 高利润率最好、议价权最强的环节依旧集中在“标准制定+生态锁定+产能稀缺”的公司：GPU 和软件生态在英伟达；先进制程在台积电；HBM 在 SK hynix/三星/美光寡头；定制 ASIC 与交换芯片拐点在博通；EUV 设备在 ASML；先进封装设备受益在 Applied Materials 等。Applied Materials 已指引 2026 年封装业务增长将超过 50%，说明先进封装已从“配套环节”变成“核心利润放大器”。

• 推理时代并不会简单削弱硬件需求，而会重分配价值量：训练更偏重 GPU 数量、HBM 带宽和 scale-up 网络；推理更强调成本/瓦、内存带宽、缓存与存储层、机柜级散热、电力效率，以及更大规模 scale-out 网络。英伟达已把 Grace Blackwell with NVLink 明确定位为“推理之王”，并强调更低 token 成本；AWS 也在推进 Trainium 与数据中心架构改造，表明推理时代并不是“少买硬件”，而是“换一种硬件组合”。

• 云厂商自研 ASIC 会削弱英伟达的“份额想象力”，但不会削弱半导体总支出：Google TPU、AWS Trainium、Meta 自研推理/训练芯片，本质上把部分 CapEx 从英伟达转移到博通、Marvell、台积电、先进封装、HBM 与网络器件。AWS 已披露其芯片业务年化收入运行率超过 200 亿美元；博通则明确表示 AI 增长来自“定制 AI 加速器和 AI 网络”。这意味着 ASIC 更多是生态重分配，不是总量压缩。

• 最容易被市场高估的，不是“AI 晶圆厂”或“AI 光模块”本身，而是“披露口径不清、AI 收入占比低、但估值已按纯 AI 定价”的公司：典型包括部分通用服务器整机、通用 IDC REIT、早期 CPO 概念受益链和未披露 AI 相关收入占比的液冷/连接器小市值公司。反之，像英伟达、博通、美光、微软、AWS 这类公司至少已经给出 AI 收入、AI 指引、组件涨价或订单可见性证据。

• 估值过热最明显的区域，已经从“GPU 本体”向“高弹性小市值配套”外溢：Applied Optoelectronics 被 Barron’s 报道时对应未来 12 个月估值约 55.1 倍；Nebius 在高增速同时继续大幅上调 CapEx 指引到 200–250 亿美元，且客户集中度和利润兑现仍需验证；部分 CPO/高速光互连概念股已经在按 2027–2028 渗透率交易。

• 未来 12–24 个月最重要的产业催化剂，不是单一新品发布，而是五条主线同时验证：一是英伟达 Blackwell/GB300/Rubin 的实际出货与系统爬坡；二是 HBM3E/HBM4 认证与产能锁定；三是台积电先进封装扩产兑现；四是 hyperscaler CapEx 是否继续上修；五是电力、液冷与千兆瓦级园区是否按时并网。上述任一环节出问题，都会改变整个链条的收入确认节奏。

• 最大风险不是“AI 结束”，而是“强需求下的错配与递延”：包括 GPU/HBM/封装供给超前扩产后的 2027–2028 周期回摆，或相反地因电网、施工、材料和劳动力约束导致算力上线延后。这会使上游芯片继续高景气，而中游服务器/光模块/机房基础设施收入确认延后，形成链条内部的剪刀差。

传导链全景图

AI 算力 CapEx 传导链总览

资金最终流向的实质判断

如果把“云厂商/模型公司投入 1 美元 AI CapEx”分解成最可能的最终经济受益去向，我更倾向于以下顺序：

1. 加速器和与之绑定的 HBM
2. 先进制程与先进封装
3. 机柜级服务器、NVLink/NIC/交换 ASIC、交换机与光模块
4. 液冷与电力侧改造
5. 存储系统与 SSD
6. 数据中心壳体、土建与一般机房租赁

这也是为什么很多看似“离 GPU 更远”的公司，财务兑现反而比通用 IDC 运营商更快：因为 AI 时代最贵、最稀缺、最先被锁单的，恰恰是芯片、内存、封装、网络和高功率基础设施，而不是简单的白盒机房面积。

CapEx拆解与需求情景

云厂商的 AI CapEx 主要花在哪里

微软在 FY26 Q3 披露 AI 业务年化收入运行率已超 370 亿美元，Azure 仍保持 40% 增长；Meta 将 2026 CapEx 上调到 1,250–1,450 亿美元，并明确将更高组件价格和数据中心成本列为主要原因；Amazon 在 2026 年维持约 2,000 亿美元 CapEx，且 AWS AI 服务年化收入运行率已超 150 亿美元；Alphabet 在市场报道口径中把全年 AI 数据中心投资计划提高到约 1,900 亿美元，Google Cloud 积压订单达到 4,620 亿美元。综合这些披露，云厂商 AI CapEx 的主体支出可以归纳为：加速器系统、内存、整机服务器、网络、光互连、数据中心电力与散热、以及 GPU 云/第三方云合同。

更重要的是，2026 年大厂 CapEx 的增加并非完全来自“多建更多机房”。Meta、微软、Amazon 的公开口径都说明，内存和组件涨价已经成为 CapEx 上升的重要推手，这意味着同样 1 美元的 CapEx，更多会流向上游稀缺器件，而不是中游低毛利整机。

AI 服务器与训练集群的粗略成本结构

由于厂商不公开完整 BOM，公开口径只能做区间估算。结合英伟达整机系统价格区间、液冷 BOM、以及上游收入结构，我更倾向使用以下框架：

公开市场对于 NVL72 价格有较大分歧：Tom’s Hardware 援引供应链口径称，GB200 NVL72 价格约 280–340 万美元，GB300 NVL72 推理型系统可到 600–650 万美元；同一来源称 Rubin NVL72 报价已升至 500–700 万美元区间。与此同时，单个 GB300 NVL72 机柜液冷系统 BOM 已接近 49,860 美元，Rubin 还会进一步抬升。由于这些数字并非厂商官方标价，所以更适合用于相对占比判断而非绝对精确估值。

哪些环节价值量最高、毛利率最高、替代性最低

价值量最高的是 GPU/AI 加速器，其次是 HBM、先进封装、交换 ASIC 与高端网络。英伟达 FY2026 数据中心收入 1,937 亿美元，已经远超绝大多数服务器整机和网络配套厂的收入规模；Broadcom 的 AI 半导体收入单季已达 84 亿美元；美光在 AI 内存周期中毛利率升到 74.4%。这些都说明利润池仍上移到“关键部件层”。

毛利率最好的是 GPU/AI 加速器、HBM、交换 ASIC/定制 ASIC 和部分设备/软件绑定环节。相反，最容易被替代的是通用服务器代工、低端光器件、以及没有软硬平台绑定的通用硬件。Tom’s Hardware 报道英伟达正减少 ODM 在整机中的角色，恰恰说明中游集成环节的长期议价权弱于上游。

最可能出现供需错配的有四类： 其一，HBM/DRAM，因需求锁单与供给扩张不同步；其二，CoWoS/先进封装，因除了晶圆外还受 interposer、测试和载板约束；其三，电力设备与并网，因数据中心项目上马速度远快于电网与开关设备交付；其四，液冷，因大规模现场部署、验证和维保能力不是单纯产能问题。

长期复利属性与短周期景气属性

长期复利属性更强的赛道包括：GPU/AI 加速器平台、先进代工、HBM 龙头、交换 ASIC/AI 网络、数据中心电力与热管理平台。这些环节要么被软件生态锁定，要么有极高资本壁垒，要么因“AI 功率密度持续抬升”而长期受益。

更偏短周期景气的赛道则包括：服务器 ODM、一般性光模块、普通 DDR/NAND、ABF 载板、以及一部分依赖特定项目的 GPU 云公司。它们能明显吃到景气，但容易受到一两个客户切换平台、库存调整或价格竞争影响。

需求传导与三种情景

我更倾向于基准情景：推理不会削弱硬件总需求，而会把价值量从“单纯多卡训练”扩展到“更大规模的网络、电力、冷却、缓存与存储”。微软、AWS、Meta、Nebius 的最新披露都显示 AI 收入增长与 AI CapEx 扩张仍在同步发生，尚未看到链条性停滞。

细分赛道深度拆解

赛道总表

赛道层面的关键判断

本轮 AI 扩张中，最强“产业趋势”不等于最强“可兑现利润”。例如 GPU 云和服务器 ODM 的叙事都很强，但前者受制于融资和集中客户，后者受制于英伟达系统控制力和薄利属性；而电力、液冷和交换 ASIC 虽然故事没有 GPU 那么耀眼，财务兑现却往往更扎实，且在 2026 年之后最可能出现预期差。

另外，CPO/硅光值得跟踪，但目前仍更像中期技术期权而不是短期利润主线。Barron’s 在 Ciena 财报报道中提到，Broadcom 管理层对机柜内从铜到 CPO 的切换节奏泼了冷水，认为今年甚至明年都未必发生；这说明市场对 CPO 的想象，短期可能跑在收入兑现前面。

投资标的与重点公司

投资标的总表

说明：下表优先保留AI 受益路径、客户证据、财务弹性与估值判断。对“AI 相关收入占比、前瞻 PE/EV/EBITDA、订单/积压订单”的公开口径不足者，统一标注“需进一步验证”。这不是缺失，而是公开披露边界。

重点上市公司深度分析

说明：以下聚焦“最值得进一步研究”的公司。估值栏中，可被公司披露直接验证的财务数据尽量列示；前瞻估值若缺统一公开口径，标注“需进一步验证”。

NVIDIA

• 产业链位置：GPU、NVLink、InfiniBand/Ethernet 网络、AI 系统平台。
• AI 暴露度：最高。大厂 AI CapEx 的首要受益者。
• 客户：AWS、Google Cloud、Microsoft Azure、Oracle、Meta、CoreWeave、Anthropic 等。英伟达 FY2026 公告还披露与 Meta 的多年、多代战略合作，并继续扩展 AWS/Anthropic/CoreWeave 合作。
• 财务：FY2026 收入 2,159.38 亿美元，同比增长 65%；数据中心收入 1,937 亿美元，同比增长 68%；GAAP 毛利率 71.1%；净利润 1,200.67 亿美元。
• 订单/产能：未单独披露 backlog，但 Blackwell、Rubin 与超大客户合作密集。
• 护城河：CUDA 软件生态、系统级整合能力、NVLink/NVSwitch、从芯片到工厂级平台。
• 估值分析：高质量、高确定性，但市场预期也极高；当前详细 PE/EV/EBITDA 需进一步验证。
• 催化剂：Blackwell/Rubin 量产、推理成本曲线继续下探。
• 风险：AI 支出放缓、自研 ASIC 分流、出口管制。
• 研究结论：强受益 / 高确定性 / 估值不便宜，但仍是产业链锚。

TSMC

• 产业链位置：先进制程与先进封装核心。
• AI 暴露度：极高，但不像英伟达那样直接体现在单一 AI 指标上，而是通过 GPU/ASIC/交换芯片全面体现。
• 客户：NVIDIA、Broadcom、AMD、Apple、Hyperscaler 自研 ASIC。
• 财务与趋势：Reuters 报道公司 Q1 2026 利润创新高，并把 2026 资本开支定位在 520–560 亿美元高端，全年收入增长指引上修至超过 30%，AI 需求“极其强劲”。
• 壁垒：先进节点、封装协同、良率和客户切换成本。
• 估值：优质核心资产；详细前瞻估值需进一步验证。
• 风险：地缘政治、海外厂成本上升。
• 结论：强受益 / 高确定性 / 长期护城河极强。

Broadcom

• 产业链位置：定制 ASIC、以太网交换芯片、AI 网络。
• AI 暴露度：非常高。
• 客户：Google、Meta 及其他 hyperscaler 定制链。
• 财务：Q1 FY2026 AI 半导体收入 84 亿美元，同比增长 106%；Q2 指引 107 亿美元；Q1 总收入 193.11 亿美元，调整后 EBITDA 131.28 亿美元。
• 壁垒：客户协同设计、交换芯片与网络堆栈、规模经济。
• 估值：高质量 AI 替代受益者，但市场已较充分计入。
• 风险：客户集中、定制 ASIC 项目延迟。
• 结论：强受益 / 高弹性 / 估值不低。

SK hynix

• 产业链位置：HBM 龙头。
• AI 暴露度：极高。
• 客户：NVIDIA 为最核心。
• 财务与趋势：Reuters 与市场普遍认为其在 HBM 市场保持显著领先；2025 年已出现 2026 年供给被提前锁定的状态。 2026 年股价与市值大幅重估，说明财务受益已被市场确认。
• 壁垒：HBM 工艺先发、客户认证、良率曲线。
• 估值：景气与估值双升；需警惕高位波动。
• 风险：后续扩产、三星追赶、客户集中。
• 结论：强受益 / 高弹性 / 高景气但周期风险不可忽视。

Micron

• 产业链位置：HBM/DRAM/NAND/SSD。
• AI 暴露度：高。
• 财务：FQ2 2026 收入 238.6 亿美元，GAAP 毛利率 74.4%，运营利润率 67.6%，资本开支 50 亿美元；云内存业务收入 77.49 亿美元，核心数据中心业务 56.87 亿美元。
• 壁垒：与 SK hynix/三星构成寡头。
• 估值：周期+AI 双重抬升；若景气延续，盈利弹性很大。
• 风险：内存周期反转。
• 结论：强受益 / 高弹性 / 周期属性强。

Arista Networks

• 产业链位置：AI 数据中心交换机与以太网。
• AI 暴露度：高。
• 客户：Meta、Microsoft 高暴露。
• 证据：MarketWatch 报道其 2026 年收入增长目标上调至 25%，AI networking 收入目标上调到 32.5 亿美元；Investopedia 亦提到 Meta 与 Microsoft 合计约占公司销售 40%。
• 壁垒：以太网操作系统、超大客户认证、AI Ethernet 趋势。
• 风险：客户集中、白盒化、ASIC 供给。
• 结论：强受益 / 高确定性 / 估值偏高。

Vertiv

• 产业链位置：UPS、PDU、热管理、液冷、机架基础设施。
• AI 暴露度：高，且容易被低估。
• 证据：Barron’s 报道其受益于 AI 数据中心基础设施需求，2025 年资本开支约 2.5 亿美元以扩能力；市场也普遍把其看作“从芯片到电网”链条中的关键平台商。
• 壁垒：全球交付、项目集成、服务能力。
• 风险：高预期、项目延迟、竞争加剧。
• 结论：强受益 / 确定性高 / 预期已高但仍有长期逻辑。

Celestica

• 产业链位置：AI 服务器和网络平台制造。
• AI 暴露度：高。
• 财务：IBD 报道其 Q1 2026 收入同比增长 53%至 40.47 亿美元，全年收入指引上调至 190 亿美元；公司也在投资者日提及高速以太网交换与定制 ASIC 平台的多年度增长。
• 壁垒：高带宽以太网平台、北美客户深度绑定。
• 风险：客户集中与 ODM 低毛利属性。
• 结论：中高受益 / 高弹性 / 需跟踪利润率与订单结构。

Quanta

• 产业链位置：台系 AI 服务器 ODM 龙头。
• AI 暴露度：高。
• 逻辑：受益于 NVIDIA HGX/GB200 及 hyperscaler 自建 AI 集群。
• 公开证据：公司层面 AI 服务器长期高景气已为市场共识，但英文公开分项披露有限，本报告建议作为继续深挖名单而非在此给出过细财务数字。
• 结论：中高受益 / 高收入弹性 / 利润率需持续验证。

Wiwynn

• 产业链位置：高端云服务器与 AI 服务器 ODM。
• 逻辑：与 hyperscaler 深度绑定，AI 服务器收入占比通常高于综合型 ODM。
• 结论：中高受益 / 高弹性 / 值得深挖。

工业富联

• 产业链位置：AI 服务器与机柜系统。
• 逻辑：是中国市场中少数能真正承接北美云厂商与英伟达系统链条的制造平台。
• 结论：中高受益 / 收入弹性强 / 毛利率不是最大亮点。

中际旭创

• 产业链位置：高端光模块。
• AI 暴露度：高。
• 逻辑：北美云厂商 800G/1.6T 升级的直接受益者。
• 风险：价格竞争。
• 结论：中高受益 / 高弹性 / 需跟踪 ASP 与良率。

Delta Electronics

• 产业链位置：服务器电源、数据中心配电与电能管理。
• 逻辑：AI 机柜高功率提升 PSU 和供电系统价值量。
• 结论：中高受益 / 确定性较强 / 估值相对可接受。

Schneider Electric

• 产业链位置：数据中心配电、热管理与集成。
• 逻辑：AI 园区建设的“基础设施平台型受益者”。
• 结论：强受益 / 确定性高 / 股性不如半导体，但财务兑现稳。

Ibiden

• 产业链位置：ABF 载板。
• 逻辑：高端 GPU/ASIC 封装带动载板需求。
• 结论：中等受益 / 周期修复+AI 预期差 / 需跟踪基板景气拐点。

Applied Materials

• 产业链位置：半导体设备，尤其先进封装设备。
• 逻辑：AI 芯片越复杂，越需要更多封装设备。
• 证据：公司 2026 年封装业务增长指引超过 50%。
• 结论：强受益 / 中高确定性 / 估值与质量较平衡。

Oracle

• 产业链位置：AI 云、数据中心与 OpenAI/Stargate 承载平台。
• 逻辑：不是上游芯片公司，但正把 AI 基建 CapEx 转化为 OCI 收入与长期容量合同。
• 风险：债务与建设执行。
• 结论：明显受益 / 高风险 / 需持续验证融资与并网。

进一步研究名单

从“收入增长确定性”和“产业位置不可替代性”同时出发，我认为最值得继续深挖的上市公司是：

NVIDIA、TSMC、Broadcom、SK hynix、Micron、Arista、Vertiv、Applied Materials、Schneider Electric、Quanta、Wiwynn、中际旭创、Delta Electronics、Celestica、工业富联。 其中前九家更偏“高确定性”，后六家更偏“高弹性”。

未上市公司与评分分层

重要未上市公司与一级市场机会

公司分层与投资优先级

评分模型与总分排名

建议权重采用用户给定框架：

• AI需求直接暴露度：25%
• 产业链位置和议价能力：20%
• 财务质量：15%
• 成长弹性：15%
• 技术壁垒：10%
• 估值合理性：10%
• 未来催化剂：5%

按照这个框架，我给出一个研究优先级排名：

估值、风险与最终结论

估值与市场预期分析

已经较充分反映 AI 预期的公司：NVIDIA、SK hynix、Arista、Vertiv、AAOI、Nebius、Coherent/Lumentum 部分估值，市场已经不再只按传统周期框架定价，而是按 2027 年 AI 基础设施规模在交易。AAOI 被 Barron’s 报道时未来 12 个月估值约 55.1 倍，就是典型例子。

仍存在预期差的公司：我更看好电力与热管理平台、先进封装设备、ABF 载板龙头、以太网 AI 网络龙头中的部分名字。原因不是它们没涨，而是市场仍容易把它们当“配套件”，而不是“瓶颈资产”。Oracle 项目延期、AWS Titus 架构改造和 Meta 组件涨价，都在证明“配电+液冷+基础设施”已经从可选项变成必需项。

好公司但估值太贵：NVIDIA、Arista、Vertiv、部分光模块/光器件标的、Nebius。它们可能依旧是好公司，但不一定是任何时点都“好价格”。相反，TSMC、Applied Materials、Schneider 这类标的，往往在“质量—估值”之间更平衡。

周期底部反转+AI 需求：Micron、Samsung、ABF 载板相关，以及部分高端 PCB/材料链，是更典型的“周期+AI”叠加。若行业没有过度扩产，这类组合有时会在基本面兑现上优于纯叙事赛道。

短期业绩弹性最大：Micron、SK hynix、Broadcom、Celestica、部分高端光模块公司。 长期护城河最强：NVIDIA、TSMC、ASML、Broadcom、部分 HBM 龙头。 风险收益最不对称：高杠杆 GPU 云、估值已按多年远期兑现的光模块/CPO 概念股，以及依赖大单但缺少持续分项披露的公司。

风险分析

本主题最重要的风险，不是单一的“AI 泡沫”，而是以下几类并发风险：

• 云厂商 AI CapEx 放缓：当前大厂 CapEx 规模极大，若 2027 年 ROI 压力上升，会先冲击中游整机与配套。
• GPU/HBM 供给转宽松：若 2027–2028 扩产过快，最先受冲击的是内存和部分封装环节。
• ASIC 替代 GPU：会削弱英伟达份额，但不一定削弱总支出，更可能把利润池切给博通、台积电等。
• 模型效率提升：可能降低单位 token 的硬件需求，但同时可能扩大部署范围；总量影响需观察。
• 服务器与光模块价格竞争：中游和部分光器件可能“有量无利”。
• 数据中心建设延迟：Oracle/OpenAI 项目已被报道受材料与劳动力影响延期。
• 电力与电网约束：AI 园区建设的真实约束越来越多来自并网和供配电，而不是 GPU 本身。
• 客户集中度：Arista、AAOI、GPU 云、部分 ODM 都存在大客户集中。
• 地缘政治与出口管制：先进制程、设备和高端 GPU 都受影响。
• 估值泡沫风险：特别在 NeoCloud、光互连和小市值配套中更需警惕。

最终结论

AI 算力基础设施不是 AI 产业链中的“配角”，而是真实利润池和真实瓶颈最集中的一层。如果把 AI 视为一个工业体系，那么云厂商和模型公司的 CapEx，最终并不会均匀地洒向全链条，而是高度集中流向少数几个拥有技术壁垒、供给稀缺、客户锁定的环节：GPU/ASIC、HBM、先进制程与先进封装、AI 网络、电力与液冷基础设施。

我认为当前最值得关注的五个细分赛道是：

1. GPU/AI 加速器
2. HBM 与 AI 内存
3. 先进封装与先进制程
4. AI 网络与交换 ASIC/交换机
5. 数据中心电力与液冷

最值得深入研究的十家上市公司是：

• NVIDIA
• TSMC
• Broadcom
• SK hynix
• Micron
• Arista Networks
• Vertiv
• Applied Materials
• Schneider Electric
• Quanta

最值得持续跟踪的五家未上市公司/项目是：

• Crusoe
• Lambda
• Groq
• Ayar Labs
• OpenAI/Stargate 基建项目

最容易被市场误解的三点是：

• “AI CapEx 增长”不等于“新增算力物理量同比同幅增长”，因为 2026 年大量增量来自内存和组件涨价。
• “服务器收入增长”不等于“服务器公司赚到最多利润”，利润池仍在 GPU/HBM/ASIC/封装。
• “推理更高效”不等于“硬件需求下降”，很多情况下只是把需求从训练迁移到网络、电力、冷却、缓存与低成本算力架构。

未来 6–12 个月最该跟踪的指标包括：

• Hyperscaler 季度 CapEx 与云 backlog
• 英伟达 Blackwell/GB300/Rubin 实际交付节奏
• HBM3E/HBM4 认证与锁单
• TSMC CoWoS/先进封装扩产兑现
• 数据中心并网容量、园区 MW/GW 进展
• Ethernet 800G/1.6T 与液冷渗透率

下一步研究清单，我建议优先做二级深挖的方向是：

• HBM：最强利润弹性，但也最容易出现“周期与景气错判”。
• 先进封装：决定 GPU/HBM 真正可交付能力。
• AI 服务器 ODM：收入弹性高，但利润率与英伟达系统整合需要拆分辨析。
• GPU 云 / NeoCloud：融资、合同、电力与客户集中度非常关键。
• 液冷与配电：未来最容易出现市场低估的“瓶颈基础设施”。

如果只选一个最适合继续深挖的二级研究方向，我会优先选 “HBM + 先进封装”：这两个环节是当前 AI CapEx 传导链里，最能同时解释收入增长确定性、利润率扩张、供给瓶颈与估值分化的核心交叉点。

开放问题与局限

• 台股、日本、A 股部分公司的 AI 业务分项披露不如美股透明，本报告已尽量避免编造数字；未明确核验的 AI 收入占比、订单与前瞻估值均标注为“需进一步验证”。
• 单台 AI 服务器和整机柜系统的精确 BOM 不是厂商公开披露项目，本报告采用的是区间估算，适合产业研究，不适合做精确成本法估值。
• NeoCloud 和一级市场公司融资、合同和利用率变化很快，适合高频跟踪，不应只依赖单次快照。