陈李、葛晓媛（陈李系东吴证券全球首席经济学家、东吴香港行政总裁，，中国首席经济学家论坛理事）
AI硬件的前途，，在AI应用能否快速获取收入，，扛过本钱上升和不稳固的通胀预期，，获得利润。。。。。
前阵子，，三星公司宣布超预期的业绩，，股价反而下跌。。。。。AI硬件企业订单越好，，利润越高，，投资者越来越质疑。。。。。他们以为，，下游企业割肉饲虎式的资笔僻出不可一连。。。。。包括云厂商在内的应用企业，，把收入和利润的大部分提供应AI硬件企业。。。。。
若是下游客户越来越亏钱，，上游企业最终也笑不出来。。。。。什么时间，，AI工业链才华从零和博弈，，走向共赢生态？ ？？？？？Anthropic上市，，可能是最主要的事务。。。。。这家公认最佳的AI应用企业，，其财务报表转变，，将极大地磨练AI从所有经济领域中获取多大的份额。。。。。
资金还在追逐AI，，只是不再只追英伟达
周末，，全球市场重新盯住霍尔木兹海峡。。。。。
投资者首先想到的是油价、航运和通胀。。。。。但这场冲突可能影响的，，不但是能源股。。。。。它也在改变AI投资最主要的外部条件：资源市场还能以多低的本钱期待AI利润兑现。。。。。
与此同时，，AI行情正在爆发另一种转变。。。。。
英伟达今年的股价没有延续此前的强势，，资金却没有脱离AI，，而是从GPU向HBM、高速存储、光？ ？？？？？椤CB、液冷和电力装备扩散。。。。。市场一直寻找制约算力扩张的下一个瓶颈，，似乎只要找到新的稀缺环节，，AI硬件的利润就可以继续增添。。。。。
这种扩散有真实的工业基础。。。。。算力集群越大，，对高速存储、数据传输、散热和供电能力的要求就越高。。。。。每泛起一处供应缺乏，，相关企业就可能获得更强的定价能力。。。。。
但所有这些硬件，，最终都泛起在统一张账单上。。。。。
GPU、HBM、光？ ？？？？？椤CB和液冷装备，，看起来属于差别赛道，，最终却都计入云厂商的资源开支。。。。。资金可以从一个硬件瓶颈转向另一个硬件瓶颈，，最终付款人却没有因此增添。。。。。
AI硬件企业可以拥有差别的手艺壁垒，，却没有差别的最终付款人。。。。。
霍尔木兹海峡，，让期待AI利润变得更贵
这次霍尔木兹海峡的转变，，已经不但是口头威胁。。。。。商船受到现实武力攻击，，美伊之间再度爆发大规模军事冲突，，此前懦弱的；；鸢才疟煌黄。。。。。美国方面仍称商业船只可以通行，，但包管、航运和能源市场已经不得不重新计入战争风险。。。。。
海峡在冲突爆发前，，肩负着全球约五分之一的石油和液化自然气运输量。。。。。它未必会被恒久、完全封死，，但只要通航一连受到滋扰，， 能源风险溢价就可能重新推高油气价钱，，并向全球通胀传导。。。。。
伊朗时势与AI芯片之间，，并不保存一条简朴直接的因果关系。。。。。油价上涨，，不即是数据中心电费连忙同比例上涨。。。。。数据中心能源本钱还受到自然气、电网容量、恒久购电协议、核电和可再生能源等因素影响。。。。。
真正主要的是另一条传导链：能源风险上升，，通胀回落受到滋扰，，降息可能推迟，，恒久资金本钱维持高位，，远期利润的现值下降，，投资者随之要求AI企业更早证实盈利。。。。。
低利率情形中，，市场可以期待五年甚至十年后的利润。。。。。当通胀与利率重新成为约束，，期待自己就会变得腾贵。。。。。原本可以留到2030年回覆的问题，，市场可能要求在2027年就望见谜底的轮廓。。。。。
霍尔木兹海峡不决议AI能不可赚钱，，却可能决议时间本钱，，投资者有多大的耐心期待AI赚钱。。。。。
云厂商明知回报未定，，为什么还在买算力
英伟达卖出GPU时，，收入已经确认。。。。。HBM、光？ ？？？？？椤CB和液冷企业获得订单时，，利润也最先进入各自的报表。。。。。
但从云厂商一端看，，这些上游收入对应的，，所有是自己的资源开支。。。。。
这个规模并不小。。。。。以北美几家头部云厂商为例，，2026年资源开支合计指引已上调至7000亿至8000亿美元区间，，同比增速普遍抵达60%到80%——增速自己，，就是资金一连涌入硬件工业链最直接的证据。。。。。
云厂商需要先购置芯片、服务器和网络装备，，建设数据中心，，肩负折旧、电力和运营本钱，，再期待模子公司、企业客户和消耗者形成稳固付费。。。。。上游企业的利润先兑现，，中心环节的回报后验证。。。。。
这就是AI工业链现在最主要的差池称：英伟达确认收入时，，云厂商肩负的却是一笔未来必需收回的投资本钱。。。。。
既然应用层利润尚未获得充分证实，，云厂商为什么仍然拼命购置算力？ ？？？？？
由于对微软、谷歌、亚马逊、Meta和阿里来说，，少买算力的风险，，可能比暂时多买算力更大。。。。。任何一家大型平台都不肯意由于低估AI需求，，在下一代搜索、云服务、广告、电商、办公软件和开发者生态的竞争中失去位置。。。。。
因此，，一部分AI资源开支不是对利润简直认，，而是购置未来竞争的入场券。。。。。这可以诠释为什么应用层尚未普遍盈利，，硬件订单仍然高速增添。。。。。
但战略投入只能推迟利润磨练，，不可永世作废利润磨练。。。。。若是AI收入不可笼罩折旧、电力、芯片和数据中心本钱，，云厂商最终仍会延伸装备使用周期、镌汰低回报项目，，或者放慢资源开支增速。。。。。
值得关注的是，，这场投入正越来越多地依赖表外融资。。。。。部分云厂商通过设立特殊目的载体，，将数据中心建设爆发的债务移出自身资产欠债表，，再以恒久租赁方式使用相关算力；；与此同时，，2026年以来AI相关债券及私募信贷刊行规模显着放量。。。。。多家机构预计，，部分头部云厂商今年的自由现金流将迫近零甚至转负，，新增算力投入越来越依赖举债，，而非谋划现金流的自我造血。。。。。
这意味着，，利润磨练的时点不但取决于云厂商愿不肯意等，，也取决于债务市场愿不肯意继续为这场期待买单。。。。。
资源开支可以领先于收入，，也可以暂时脱离利润，，却不可永远脱离现金流。。。。。
下一个AI投资热门，，可能回到下游应用
已往两年，，AI投资最有用的路径，，是寻找供应缺乏。。。。。GPU缺乏，，寻找GPU；；HBM缺乏，，寻找存储；；传输受限，，寻找光？ ？？？？？楹蚉CB；；电力缺乏，，寻找液冷、电源和能源装备。。。。。
这种硬件投资逻辑不会突然消逝。。。。。只要资源开支继续扩张，，硬件企业仍然可能获得订单和业绩增添的时机。。。。。
但当上游利润一直增添，，市场早晚会把问题从“还缺什么”转向“这些投入能赚回几多钱”。。。。。市场的定价重心，，也可能从“谁掌握最稀缺的硬件”，，逐渐转向“谁掌握真正的收入入口”。。。。。
这里所说的下游应用，，不但是自力AI应用公司，，也包括掌握云服务、搜索、广告、电商和企业客户入口的平台企业。。。。。
Anthropic需要证实，，模子、API和企业服务能够形成可一连收入。。。。。谷歌需要证实，，AI能够转化为搜索、云和广告收入。。。。。Meta需要证实，，巨额算力投入能够提高广告效率清静台现金流。。。。。阿里则需要证实，，AI能够在云、电商和企业服务中形成新的增添动力。。。。。
这些公司并不完全相同，，但市场对它们提出的是统一个问题：AI事实是在创立新增收入，，照旧只是在制造更大的资源开支？ ？？？？？
这个问题并非无法验证，，部分平台已经给出起源谜底。。。。。一些公司的AI相关年化收入已经进入数十亿甚至上百亿美元量级，，云营业的未履约条约规模也在快速增添，，付费席位与企业客户数目同步扩张。。。。。这些迹象说明，，应用层的收入入口并非完全空缺，，只是其规模与体量，，距离笼罩上游天价资源开支，，仍有相当距离。。。。。
若是它们能够证实AI带来了可一连的收入和利润，，硬件工业链的昌盛就有了最终付款人。。。。。若是不可，，资金从GPU转向HBM、光？ ？？？？？榛蛘逷CB，，只是在统一轮资源开支内部寻找新的瓶颈，，并没有解决利润泉源的问题。。。。。
硬件行情寻找的是供应瓶颈，，下一阶段的应用行情寻找的将是收入入口。。。。。
AI硬件最终要由应用利润结算
AI硬件的上半场，，是算力欠缺和供应瓶颈的故事。。。。。 英伟达率先兑现利润。。。。。随后，，利润最先向HBM、光？ ？？？？？椤CB、液冷和电力装备等环节扩散。。。。。只要云厂商继续扩张资源开支，，上游利润就可能继续增添。。。。。
但硬件企业的收入，，是云厂商的资源开支；；云厂商的资源开支，，最终要由AI应用和终端客户的现金流送还。。。。。
霍尔木兹海峡带来的真正转变，，不是连忙终止AI投资，，而是通过能源价钱、通胀和利率传导，，提高市场期待利润兑现的本钱。。。。。
当期待变得腾贵，， 市场不会一直追问下一个硬件瓶颈在那里，，而会更快转向一个更主要的问题：谁能把腾贵的算力酿成收入，，谁又能把收入酿成利润？ ？？？？？
上游的瓶颈决议利润暂时流向那里，，下游的现金流决议这些利润最终能够保存多久。。。。。
