存储芯片这一轮行情有多强？年初至今，约八成存储芯片概念股实现上涨，佰维存储、协创数据、德明利等多股股价已翻倍，5月6日江波龙、兆易创新涨停，佰维存储单日大涨17%，均再创历史新高。业绩端同样炸裂：江波龙2026年一季度净利润同比增长2844%，佰维存储同比增长1500%。与此同时，A股人工智能概念板块181家上市公司里，净利润增速的中位数只有+3.40%——不是亏损，是增长不到4%。底部四分之一的公司净利润同比跌幅超过36%。芯片存储涨疯了，应用层却在极度分化。大家都在说AI，但同一个词背后，藏着截然不同的两个世界。先说一个更根本的问题：为什么这轮AI浪潮里，有人越来越值钱，有人越来越不值钱？"软件平权"说的是大模型能力强到一定程度，写代码、做分析、生成内容的门槛趋近于零——任何人，花几百块钱调个API，就能做出原来需要几十个工程师才能做的产品。这对"套壳公司"是灾难：它们的壁垒就是那层"会用API做产品"的工程能力，而恰恰是这个能力被平权了。大模型每进化一次，它们的差异化就被抹平一次，直到消失。但这里有一个很多人没想清楚的反转：如果一家公司的核心资产，是大模型调不到、买不来的东西呢？大模型越强，它把这些资产变现的速度就越快，后来者复制的成本也越来越高。软件平权，平权的是工程能力，不是时间和数据。前者被抹平，后者的价值反而在放大。注：这个逻辑的关键前提——护城河不来自"会用AI"，而来自AI永远调不到的私有资产。我把它们叫做"软件平权时代的五道门"。一家原生AI公司，如果能同时锁住其中三道以上，基本上是在做一件别人几乎无法复制的事——因为每一道门后面，藏的都是时间，不是钱。自己独家积累的行为数据、交互数据、结果数据，数据越长周期越难被复制。典型案例：Tempus的癌症基因组+临床结果数据库，全球医院用了20年才攒出来。AI能力必须绑定一个物理介质才能发挥作用，竞争对手无法仅靠写代码来复制。典型案例：特斯拉的自动驾驶必须有实体车队在路上跑，数据飞轮才能转动。用专属数据微调或从头训练的垂直领域模型，通用大模型在该专业任务上无法追平，且需要持续用私有数据更新迭代。已建立的客户网络、监管许可、渠道关系，让它们能以极低边际成本把AI能力推送给终端用户，新进者无法快速复制。在强监管行业（医疗、保险、金融、自动驾驶），拿到牌照和监管认可本身就是一道壁垒。数据还需要长周期验证闭环——保险理赔数据需要几年才能知道模型预测对不对。💡 一句话：这五道门都需要"时间"来积累，不是钱砸得多就能买到的——而这恰恰是软件世界里最稀缺的东西。看美股那边的演变，是一个很好的前瞻参照系。有三家公司几乎完美符合这套逻辑，但市场对它们的态度长期是——争议、悲观、冷漠。特斯拉（$TSLA）用真实路上行驶的车队喂数据飞轮，没有实体车的任何公司都没有办法在自动驾驶上追上它；Lemonade（$LMND）积累的是真实赔付验证过的保险行为数据，它的模型越跑越准，而这个准确率需要五到十年的理赔周期才能建立；Tempus AI（$TEM）坐拥全球最大的多模态癌症临床数据库，这个数据库是整个医疗体系二十年积累的结果，没有任何人可以用钱在短期内复制。| 护城河维度 | $TSLA 特斯拉 | $LMND Lemonade | $TEM Tempus AI |
|---|
| 核心赛道 | | | |
| 私有数据 | ✓✓ 数十亿行驶里程 | ✓ 行为风险数据 | ✓✓ 最大癌症组学库 |
| 物理载体 | ✓✓ 实体车队 | | ✓ 医院合作网络 |
| 长周期验证 | ✓ FSD持续迭代 | ✓✓ 理赔闭环5-10年 | ✓✓ 临床结局验证 |
| 强合规壁垒 | ✓✓ 各州牌照 | ✓✓ 保险监管牌照 | ✓✓ FDA + HIPAA |
| 市场长期态度 | | | |
注：✓✓ 强护城河，✓ 一般护城河，— 不适用。以上为定性分析，不构成任何投资建议。这三家公司有一个共同点：短期账面都不好看，被市场嫌弃了很久。但一件真正难的事，在它被证明之前，本来就应该看起来没那么性感。它们都在做的，是"拿着金矿、慢慢挖水"的事——市场觉得太慢、太烧钱、太难讲故事，但这恰恰是护城河真正的形状。「回到A股：行情走到哪儿了，应用层为什么还没到时候」A股的AI行情，资金走的是一条很清晰的路线。先打算力基建（GPU、算力服务器），再打存储（HBM、DRAM、NAND），现在还在存储这一棒。存储超级周期的逻辑足够硬：AI大模型训练和推理需求爆发，三大原厂把产能优先转向HBM，消费级存储供应骤然吃紧，供需剪刀差打开，涨价从2025年下半年蔓延至今。行业一致预判高景气至少持续到2026年底，HBM赛道要到2028年才可能迎来价格拐点。相比之下，AI应用层能给机构的，是一个没有办法按季报验证的故事。原因在于：大资金定价需要确定性，而应用层现在给不了。存储芯片的逻辑是"涨价→业绩→估值"，路径清晰，季报可以验证。但AI应用公司的逻辑是"私有数据→模型迭代→商业化变现"，验证周期以年为单位，机构根本没有办法按季度给这个故事定价。没有短期业绩支撑的标的，在行情调整时往往是最先被抛出去的。注：大资金偏好沿着"确定性越强、业绩兑现越快"的方向流动。应用层盈利模式尚未稳定，暂时不在主流资金射程内。但我更想说另一件事：就在芯片存储行情如火如荼的同时，AI应用层正在经历一场最残酷、也最有价值的筛选。A股人工智能概念板块181家上市公司，净利润增速的分布说明了一切：中位数只有+3.40%，也就是说一半的公司在这场AI行情里净利润增长不到4%；而底部四分之一的公司，净利润同比跌幅超过36%；只有顶部四分之一的公司增速超过60%，真正吃到了这波红利。数字背后的现实是：AI标签不等于AI收益。概念贴标容易，重构商业模式难。AI标签正在快速贬值，市场越来越分得清谁是真在重构商业模式，谁只是把DeepSeek接了个UI出来卖。
这就是洗牌期的本质：拿着金矿却挖不出水的人，正在被市场逐步踢出局。洗牌期最大的特点，是真假公司混在一起同步下跌或横盘——这是最难熬的阶段，也是最容易把真正值钱的公司和垃圾一起错杀的阶段。错杀，是洗牌期送给耐心投资者最好的礼物。接了大模型API套个界面、加了"AI"标签但核心业务没变、没有专属数据积累、产品可以被大模型原生功能完全替代。表现：营收涨了，但毛利率下滑，用户留存在崩塌。在强监管行业积累了私有数据（医疗电子病历、保险理赔、工业质检），有渠道或物理载体，数据验证需要长周期闭环。表现：现在账面难看，但数据飞轮正在转，护城河每天都在加深。💡 判断标准只有一个：这家公司有没有大模型调不到、买不来的私有资产？它的数据飞轮在不在转？所在行业有没有强合规的准入门槛护着？「洗牌结束之后，谁会站出来？」
这是我最想说的一个问题。洗牌不是终点，而是分水岭。从历史上看，每一次技术浪潮的应用层都会经历这个阶段——互联网泡沫之后活下来的是阿里巴巴、腾讯、百度，移动互联网的过渡期筛出来的是美团、滴滴、字节。
AI应用层也会跑出来几个行业巨头，我相信会在大健康、保险、交通运输这类"强合规、强数据、强运营"的赛道里率先出现。这不是一个乐观的预测，而是从底层逻辑推导出来的结论：软件平权时代里，能活下来的公司只剩下一种——它们的核心资产是大模型买不来、调不到的东西。
上文已经说到看美股那边正在发生什么，是一个很好的参照系。特斯拉（$TSLA）用真实路上行驶的车队喂数据飞轮，Lemonade（$LMND）积累的是真实赔付验证过的保险行为数据，Tempus AI（$TEM）拥有的是全球最大的癌症基因组和临床结局数据库。这三家公司被市场嘲笑了很多年——太烧钱、太慢、太难看账——但它们现在都没死，而且护城河越来越深。
反观A股，科大讯飞在医疗和教育的数据积累已超过十年，AI辅助诊断系统落地5000+家医院；卫宁健康深耕医院信息系统20年，手握中国最完整的医疗数字化私有数据库之一；还有一批在保险科技、工业质检领域闷头做数据闭环的公司，外部几乎不可见，但它们在做同一件事：用时间换取那条别人永远复制不了的"数据护城河"。
短期：存储行情还有支撑，但应用层在这轮里很难有高收益，一旦调整甚至会被一起带下去——没有基本面兜底的标的，调整时最先被抛。中长期：AI应用层一定会跑出几个行业巨头，大健康、保险、工业这类"强合规+强数据+长验证周期"赛道里概率最高。那些现在账面难看、但数据飞轮悄悄在转的公司，和美股的TSLA、LMND、TEM正在经历的是同一件事——只是时间轴不同。洗牌期最大的价值，是帮你免费做了一件事：把真货和假货分开。等行情从算力基建往应用层传导，那些已经在数据闭环上扎根五年的公司，估值重估的速度会非常快——那时候再研究往往已经来不及了。近期：警惕调整时的系统性杀跌。A股很多AI应用概念股只是名义上的，在调整中没有基本面兜底，跌起来比芯片股更惨。中长期：在大健康、保险、工业等强合规赛道里，找那些已经在做"数据长周期验证闭环"的公司——有私有数据库、有监管牌照、且现在账面还不好看的。那里有真货，值得深研。最重要的：现在这个时间窗口，做研究比追涨更有价值。洗牌期是市场免费给你的尽调时间，分散精力不要浪费在追存储板块的第九波涨停上。
Everything has its time. 最好的买点，往往出现在大家都在说"这东西没用"的时候。
夜雨聆风
