AI应用将逐步强于AI算力

当Alphabet股价单日飙升逾10%、市值一日内增加逾4000亿美元，而英伟达股价跳水近5%、市值相继跌破5万亿美元和4.8万亿美元两道关口时，这场发生在2026年4月底的冰火两重天，透露出的绝非简单的个股涨跌，而是一次对AI产业底层估值逻辑的深刻修正。从推理数据量首次超越训练数据量的宏观拐点，到科技巨头财报中自研芯片业务的大规模披露，市场正在重新回答一个根本性的问题：在AI的价值链条上，到底哪一段更值得拥有溢价？是供给侧的通用芯片，还是将AI深度嵌入业务的闭环应用？答案正变得越来越清晰。

谷歌这一次的爆发，绝非偶然。一季度营收1099亿美元、同比增长22%，净利润飙升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解决方案首次成为云业务的主要增长驱动力。这些数字的背后，是一条全栈AI路线的持续兑现。谷歌花了十年时间打磨TPU——2026年4月发布第八代TPU，首度将训练和推理需求拆分至两款独立芯片（TPU 8t和TPU 8i），每瓦性能翻倍，在同等成本下将推理效率提升80%，目标直指降低Agent运行成本。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%。更值得关注的是，Alphabet已在财报中证实TPU向外部客户直接销售，从云端租用延展至硬件销售领域，正式从英伟达的客户变身为竞争对手。AI不再是一张烧钱的长期票，而是一条正在产生真实现金流的盈利线——搜索广告增长19%验证了AI拓展而非蚕食搜索边界的判断，云业务63%的增速和超过4600亿美元的积压订单锁仓，则是AI商业化最扎实的注脚。

另一边，英伟达的处境则呈现出一种悖论式的脆弱。按常理，四家超大规模云计算商合计预计在2026年投入高达7250亿美元的AI基础设施，手握加速芯片市场约九成份额的英伟达理应成为最大受益者。但市场完全反向定价的背后，是客户集体“叛变”的结构性信号。Alphabet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突破200亿美元，同比增长三位数，其中核心产品为自研Trainium系列，Anthropic最新协议更是承诺使用AWS自研芯片十年，投资与采购合计超过千亿美元。微软已推出第二代自研AI芯片Maia 200并与Anthropic达成排他性合作；Meta与博通的MTIA合作延长至2029年，初步承诺部署高达1GW规模的MTIA芯片。当最优质的客户都在自研替代品，通用芯片的溢价基准正在松动。更关键的是，推理取代训练成为AI算力增长的主引擎——IDC预计到2028年推理工作负载占比将达73%，2026年推理计算需求已达到训练需求的4到5倍，推理算力租赁价格半年涨幅近40%。而推理场景对芯片能效和成本敏感度更高，恰恰是博通定制ASIC、谷歌TPU等自研专用芯片大显身手的主场。Bernstein Research分析师Stacy Rasgon提出的观点值得深思：AI智能体兴起令计算需求爆发式增长，制约行业的关键不是谁输谁赢，而是整体供给不足，所有具备可信产能的芯片制造商均能满销。这一逻辑对英伟达是安慰，却无法回避一个事实：利润蛋糕正在分流，高利润率能否持续，取决于英伟达能否在推理时代继续维持对自研芯片的压倒性优势。财报前OpenAI增长不及预期的报告加深了市场对AI投资效率的担忧，而Rubin系列出货递延的风险更让部分投资者选择提前离场观察。

这种分野，本质上是一场AI价值创造方式的范式转变。训练时代，英伟达GPU凭借CUDA生态和通用性优势，收取高昂溢价；推理时代，自研芯片能从能效角度精准优化、垂直整合TPU+模型+云+Agent的全链条，在TCO上形成碾压性优势。华尔街和A股的投资者素来偏爱“平台公司+垂直整合”，因为一旦集成与被集成者的利润分配关系逆转，利润率易扩张，天花板更高。从这个角度看，谷歌的崛起和英伟达的困顿，都是AI价值权重从通用算力向端到端应用层迁移的自然映射。投资逻辑正在随之调整：昔日押注供给的赛道依旧是增长的刚需，但给“卖铲人”的估值将更精细地审视客户粘性；而拥有闭环商业模式的平台选手，正获得更慷慨的溢价。这不是一场谁替代谁的决斗，而是AI价值地图的一次重绘——在那张地图上，应用比算力更靠近终点，而终点才决定溢价。

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。