AI疯牛榜,新王座在哪里?

*内容为转载编译，仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。

来源丨美股研究社

5月初的美股，AI交易给出一个很清楚的信号：英伟达还在高位，但行情的扩散速度已经超过了GPU本身。

5月8日，英伟达市值仍在5万亿美元上方，美光、闪迪单日涨幅都超过15%，英特尔也因为与苹果代工合作的消息大涨；同一周，Lumentum给出强于市场预期的营收指引，背后同样指向AI数据中心对光通信组件的需求。

【如需和我们交流可扫码添加进社群】

这不是简单的板块轮动。过去两年，AI行情的定价核心是“谁拥有最强算力”，所以英伟达成为全市场的估值锚。到了2026年，资金开始重新计算另一笔账：GPU还能继续卖，但GPU之外的瓶颈正在变得更贵。HBM、企业级SSD、HDD、光模块、交换芯片、先进封装、代工产能、电力和散热，正在从产业链配套环节，变成AI资本开支能否继续扩张的硬约束。

AI牛市进入第二阶段。第一阶段买的是算力龙头，第二阶段买的是算力扩张的“堵点”。谁能让AI集群跑得更快、更稳、更便宜，谁就有机会从旧估值表里走出来，获得一轮新的产业定价。

英伟达依然是AI时代最强的核心资产。

截至5月9日，英伟达市值约5.27万亿美元，依旧是全球科技股风险偏好的核心风向标。公司2026财年全年收入达到2159亿美元，同比增长65%；第四财季数据中心收入623亿美元，同比增长75%。这组数字说明，AI资本开支还没有从英伟达身上撤退，它仍然是整个AI硬件链条最直接、最有定价权的入口。

但资本市场现在看的不只是入口。

过去，市场交易GPU，是因为训练大模型最缺的就是算力。买GPU，几乎等同于买AI时代的“电力总开关”。所以英伟达一家公司的财报，能够带动云计算、服务器、半导体设备、PCB、散热、电源乃至整个纳斯达克的情绪。

2026年的变化在于，AI集群已经不再是单颗GPU性能的竞赛。模型越来越大，训练和推理场景越来越复杂，数据在GPU、内存、存储、交换网络和服务器之间来回流动。GPU性能越强，对外部系统的要求越高。一个AI集群如果只堆GPU，却没有足够快的HBM、足够高的网络带宽、足够稳定的电力和散热，最终得到的不是更高效率，而是一堆被系统瓶颈拖慢的昂贵芯片。

这就解释了为什么2026年以来，市场开始愿意给一批“老硬件公司”重新定价。

西部数据、希捷、美光、闪迪、Lumentum、英特尔，这些公司过去并不处在AI叙事的中心，有些甚至长期被贴上周期股、低成长、错过时代的标签。现在，它们突然回到资金视野，不是因为资本市场怀旧，而是AI基础设施进入了更重、更硬、更依赖工业配套的阶段。

英伟达最近宣布拟向数据中心运营商IREN投资最高21亿美元，用于推动最高5GW的AI数据中心容量部署。这个动作很有代表性：芯片公司开始向下游基础设施深处延伸，因为AI算力已经不只是“芯片能不能造出来”的问题，还包括机房、电力、冷却、网络、交付周期和客户融资能力。

AI行情的第一层，是看谁卖GPU。

AI行情的第二层，是看谁能保证GPU不被“饿死”、不被堵住、不被闲置。

这才是存储、光模块、先进封装和本土制造能力重新变贵的根本原因。

存储行业过去很难拿到高估值。

原因很简单：周期太重。需求好时，厂商扩产；供给多了，价格下跌；价格跌了，利润被砍；利润下去，市场再把估值压回去。DRAM、NAND、HDD长期都在这种框架里打转。投资人可以炒周期反转，但很难长期给它们科技成长股的估值。

AI正在改写这个框架。

大模型时代，数据不再只是“存起来”。它要被频繁调用、快速读取、跨节点交换，还要在训练、推理、检索增强、向量数据库、多模态内容生成之间持续流动。AI系统的效率，越来越依赖数据流动能力。

HBM的爆发就是典型样本。

GPU负责计算，但GPU需要不断吃进数据。HBM解决的是高带宽、低延迟、近距离供给问题。如果HBM容量不足，GPU就会等待；如果数据调度不顺，算力就会浪费。AI服务器的成本已经高到不能容忍太多闲置时间，所以内存和存储第一次从“成本项”变成了“性能项”。

美光的重估逻辑就在这里。路透社3月报道，美光受益于AI系统所需内存芯片需求旺盛和供应紧张，季度利润创下纪录，同时公司计划将2026财年资本开支提高50亿美元至250亿美元以上，以满足需求。

这类变化对资本市场很重要。过去，存储厂商卖的是标准品，客户压价空间大；现在，AI客户更关心供应稳定、产品性能、交付周期和长期锁货能力。订单能见度变长，议价方式也在变化。

闪迪、西部数据、希捷的行情同样来自这个方向。

路透社4月30日报道，西部数据给出高于市场预期的季度营收指引，原因是AI公司对数据存储需求强劲，推动公司获得更强定价能力；同日，闪迪也加入西部数据、希捷的队列，释放出AI存储需求仍然强劲的信号。

这就把存储行业从“容量生意”推向“效率生意”。

云计算时代，存储更多解决的是数据放在哪里。AI时代，存储要解决的是数据怎么以更高效率喂给算力系统。容量增长通常是线性的，效率提升往往带来产品结构升级、ASP抬升、毛利率扩张，以及客户愿意提前签长单。

近期市场最敏感的就是长协变化。随着AI和数据需求拉动，SSD和HDD供应紧张，大客户开始签更长期的供货协议，有的期限已经拉长到数年。对于存储厂商来说，这意味着未来收入不再完全由季度价格谈判决定，景气周期的波动可能被部分削弱。

这也是为什么，资金愿意重新审视存储股。

不是因为周期消失了。存储永远有周期，产能扩张也迟早会改变供需。但AI让这个行业出现了过去少见的组合：高端产品供不应求、客户锁供、资本开支更谨慎、订单周期拉长、利润弹性放大。

传统周期股一旦被市场相信拥有更长订单能见度，估值锚就会松动。

存储不是唯一被重估的环节。

AI数据中心的另一个瓶颈，是网络。模型训练需要大量GPU之间高速通信，推理集群也需要低延迟、高吞吐的数据交换。随着集群规模从几万卡走向几十万卡，光通信、交换、互连和封装的重要性快速上升。

Lumentum就是资金重新定价“AI管道”的案例。公司预计第四财季收入在9.6亿至10.1亿美元之间，高于分析师平均预期；路透社报道中提到，强需求正在超过关键组件供给，客户开始签订更长期协议以保障供应。

这类公司以前常被看成通信周期股。电信资本开支好，股价涨；需求弱，估值下去。现在，AI数据中心把它们拖进了新的增长曲线。光模块、激光器、光电互连、CPO、光交换，这些词过去偏工程，现在直接进入资本市场叙事。

因为AI集群的核心矛盾已经变了：算力节点越来越强，节点之间的数据流动不能拖后腿。

再往上游看，是先进封装和代工产能。

AI芯片不是单颗裸芯片的胜利，它背后是一整套制造能力：先进制程、HBM堆叠、CoWoS类先进封装、基板、测试、良率、产能排期。英伟达强，但它也需要台积电、SK海力士、美光、三星、日月光、设备厂和材料厂共同支撑。

英特尔近期被资金重新关注，核心就在于“美国本土先进制造能力”重新有了战略溢价。路透社5月8日报道，英特尔与苹果已达成初步芯片制造协议，据称该合作与美国推动本土芯片制造回流的大方向相关，消息刺激英特尔股价大涨。

市场买英特尔，不只是买一份苹果订单，更是在买一种可能性：如果AI竞争持续升级，美国资本和政策是否会把英特尔重新推上“国家级制造资产”的位置。

这背后有更大的产业趋势。AI已经从软件创新，变成重资产竞赛。微软、亚马逊、Alphabet、Meta等巨头正在持续上修AI资本开支预期。路透社4月报道，大型科技公司的AI支出预期已从此前约6000亿美元上修到超过7000亿美元；另一篇报道提到，亚马逊、微软、Alphabet和Meta四家公司2026年预计在数据中心和AI芯片上投入约6300亿美元。

这类资本开支会带来巨大订单，也会带来巨大压力。

AI硬件链条现在最容易被低估的一点，是它越来越像重工业。前端有芯片设计，中段有制造和封装，后端有数据中心、电力、散热和融资安排。需求端由少数云厂商驱动，供给端由少数关键环节约束。任何一个环节出问题，都会影响整条链的交付节奏。

所以，下一轮AI硬件牛市不会只看“谁沾AI”。

资金会更挑剔。

能不能卡住关键瓶颈？能不能拿到长期订单？能不能把涨价变成利润率？能不能在扩产后维持供需纪律？能不能把收入增长变成自由现金流？这些问题，会决定不同公司之间的估值差距。

这也是AI硬件第二阶段最重要的变化：市场开始从“买故事”转向“买交付”。

AI疯牛没有结束，但它已经不再是单一路径的行情。

英伟达仍然是皇冠，但皇冠周围的底座正在被重新定价。过去，市场把GPU看成AI时代唯一的稀缺品；现在，资金开始意识到，GPU之外的每一处堵点，都可能成为利润弹性来源。

存储解决数据怎么流动，光模块解决集群怎么互连，先进封装解决芯片怎么集成，代工产能解决供给怎么落地，电力和散热解决数据中心怎么跑起来。这些环节以前被叫作配套，现在正在变成AI基础设施的硬通货。

但这轮行情也有危险的一面。

一旦所有“瓶颈”都被市场当成长期稀缺资产，估值就很容易提前透支。AI资本开支继续上修，硬件股可以继续扩散；云厂商哪怕只是放慢一点，估值压缩也会来得很快。存储仍有周期，光模块仍有竞争，代工产能也要面对良率、客户、折旧和现金流压力。

接下来的赢家，大概率不是最会喊AI的公司，而是能把三个问题同时答好的公司：第一，卡住真实瓶颈；第二，拿到持续订单；第三，把产业景气落到利润和现金流里。

AI行情正在从“算力崇拜”走向“工业能力定价”。下一轮半导体牛市的主角，未必只站在聚光灯下，也可能藏在服务器背板、存储阵列、光纤接口、封装产线和数据中心电力系统里。真正的硬通货，从来不怕位置靠后，只怕它不够稀缺。