夜雨聆风赢渔产融 点击蓝字
关注
硬件牛市的“缺席者”与“新贵”
当前，资本市场正在上演一场奇特的剧目。
曾经被边缘化的英特尔，年内股价暴涨近两倍，创下历史最大单月涨幅；长期被视为周期股的存储芯片厂商美光，市值首次突破8000亿美元，过去一年累计涨幅超过750%；就连一度被贴上“老古董”标签的西部数据、希捷，也因AI存储需求重回资本视野。
与此同时，曾经的“AI之王”英伟达，今年仅上涨约15%，与纳斯达克指数表现相当。瑞穗分析师将这一现象定性为AI领域的“权力交接”。
这不是AI行情的终结，而是AI投资逻辑的变化，市场正在从“谁拥有最强算力”的第一阶段，转向“谁能让算力集群跑得更快、更稳、更便宜”的第二阶段。
但一个更深层的问题正在浮现：硬件基础设施的盛宴，何时轮到软件应用来“接棒”？
硬件为什么还在“疯”？——AI推理时代的结构性巨变
CPU“配角”逆袭：从“陪跑”到“C位”
过去两年，全球资本几乎全部聚焦于AI训练赛道，GPU成为绝对核心，英伟达凭借垄断地位登顶全球市值巅峰。在传统数据中心训练架构中，8颗GPU搭配1颗CPU是行业常态，CPU仅承担辅助调度、系统控制等基础工作，处于“被带动”的边缘位置。
但2026年以来，AI产业出现决定性转折：大规模推理落地全面取代训练，成为行业核心矛盾。
随着企业级AI服务、智能终端、自动驾驶、AI代理等场景规模化普及，单纯依靠GPU的并行计算已无法满足复杂系统调度、串行任务处理、多场景协同的需求。
计算架构配比的剧变，最能说明问题：
训练阶段：GPU:CPU ≈ 8:1 或 4:1
云端推理阶段：GPU:CPU ≈ 4:1 或 2:1
AI代理+端侧智能阶段：GPU:CPU有望逼近 1:1
这意味着，在AI推理时代，CPU的需求量将迎来指数级增长。美国银行估计，数据中心CPU市场规模有望从2025年的270亿美元增长至2030年的600亿美元，实现翻倍以上扩张。
英特尔成为本轮推理周期的最大赢家，核心并非单纯受益于需求爆发，而是其独有的IDM模式——拥有自有晶圆厂，能够独立掌控产能节奏。当行业订单突然翻倍，其他厂商必须排队等待台积电产能，而英特尔可直接通过提升良率、释放自有产能快速响应。
存储芯片的“超级周期”
内存市场的结构性短缺是本轮行情最核心的驱动力之一。
美光CEO坦言，由于供应紧张，主要客户目前仅能获得“50%至三分之二”的需求量。HBM、企业级SSD、HDD，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。
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，市场再把估值压回去。
但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。HBM解决的是高带宽、低延迟供给问题。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”。
云计算时代，存储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。
软件还有多久？——从“应用爆发”到“商业化兑现”
硬件先行，软件随后：一个经典的产业规律
科技产业的演进，从来遵循“基础设施先行，应用随后爆发”的规律。
2000年的互联网泡沫，先是电信公司铺设光纤，随后才是谷歌、亚马逊的应用爆发；2010年的移动互联网，先是苹果、高通卖芯片和手机，随后才是微信、抖音的生态繁荣。
AI也不例外。
过去两年，资本大量涌入AI基础设施——GPU、存储、光模块、先进封装。这是一场“抢滩战”：谁先占住算力高地，谁就拥有定价权。
但基础设施最终要服务于应用。当算力成本下降、模型能力提升、工具生态成熟，应用层的爆发只是时间问题。
软件商业化的“三大信号”已经亮起
信号一：AI收入占比实现结构性突破
2026年5月，阿里巴巴发布财报，AI相关产品收入在云外部商业化收入占比首次突破30%，连续11个季度实现三位数同比增长，季度收入达89.71亿元。
阿里CEO吴泳铭宣布，阿里AI已跨越初期投入阶段，正式迈入商业化回报周期。预计未来一年，AI相关产品收入占比将突破50%，成为阿里云收入增长的主要引擎。
这是一个重要的里程碑：科技巨头正在用真实的财报证明，AI不只是“烧钱”，更是“赚钱”。
信号二：企业级AI应用需求加速释放
2026年3月，阿里MaaS平台“百炼”的客户数量同比增长8倍。阿里云智能集团资深副总裁刘伟光指出，“未来几年，各类企业的AI预算将是目前IT市场预算的10倍”。
企业正在从“观望AI”转向“部署AI”。智能硬件、金融、教育、物流、招聘、农业畜牧业、制造业都在不同程度地落地AI应用。
MiniMax创始人闫俊傑预测，2026年编程领域会开始出现L4–L5级智能，从“工具”走向“同事级”协作；办公领域将复刻去年编程领域的进步速度；多模态创作将走向“直出可交付”的中长内容。这三大趋势叠加，或带来1到2个数量级的Token增长。
信号三：推理成本下降，应用落地门槛降低
AI模型推理成本两年内下降超过95%，这使得“每个业务流程部署一个Agent”在经济上真正可行。
2026年正被业界称为“智能体（Agent）爆发年”。基础模型能力突破推理门槛、工具生态基础设施成熟、企业侧AI治理体系逐步建立、成本曲线拐点出现——四大条件同时成熟，为AI应用的规模化落地扫清了障碍。
谁是AI软件层的“赢家”？
海外案例：从“卖算力”到“卖订阅”
在海外，软件层的商业化已率先跑通。据海外投资机构研究，AI应用层的领跑者具备三个共性特征：
一是拥有存量客户基盘。平台已嵌入客户核心工作流，只需在此基础上叠加AI功能，就能实现收入增量。典型如Salesforce推出Agentforce，直接向现有客户销售AI代理服务。
二是定价能力体现在净收入留存率（NRR）上。NRR超过120%意味着客户不仅没有流失，还在持续增加AI相关支出。这反映了AI功能带来的真实价值。
三是模型质量虽重要，但分发渠道才是核心护城河。位于世界500强企业供应链内部的平台，即使AI功能不是最顶尖的，也能依靠先发优势锁定合同。
国内观察：阿里已迈出第一步
在国内，阿里的财报提供了最清晰的AI商业化信号。
千问大模型已在推理、编程、智能体任务等方面展现领先地位；平头哥自研GPU芯片规模化量产，60%以上的算力服务于外部商业化客户；AI应用层覆盖智能办公、AI Coding、智能客服等B端场景，C端千问App则全面打通淘宝天猫的电商服务能力。
但整体而言，国内AI应用层仍处于“百花齐放、格局未定”的阶段。谁能跑通“模型-算力-应用-生态”的商业闭环，谁就有望成为下一个时代的平台级公司。
对投资的启示：硬件的“主升浪”未完，软件的“前夜”已至
硬件仍是压舱石
短期看，AI硬件的主升浪尚未结束。
CPU的重新定价、存储的超级周期、先进封装的产能瓶颈、光模块的需求扩张——这些都是实实在在的产业供需逻辑，不是题材炒作。
存储板块的供需失衡可能持续至2028年新产能释放；CPU需求因AI智能体普及而结构性抬升；先进制程产能被长协锁定，新订单难以插入。
对于投资者而言，抓住具备核心技术、产能壁垒、生态优势的硬件龙头，仍是当前最具确定性的选择。
软件的机会正在靠近
从中期看，AI软件的投资窗口正在打开。
三大信号已经亮起：
云厂商AI收入占比突破关键阈值（阿里突破30%）
企业AI需求加速释放（客户数8倍增长）
推理成本断崖式下降（两年降95%）
海外经验表明，AI应用层的投资回报可能比多数人预期的来得更快。但“AI软件”不是所有软件公司都能受益——真正的赢家是那些已经拥有客户基盘、能够将AI能力嵌入核心业务流程的平台型公司。
投资策略建议
对于一级市场投资者，当前时点可以关注几个方向：
方向一：企业级AI应用平台。已服务大量企业客户、能够将AI能力以“插件”形式叠加的SaaS平台，具备天然的渠道优势。
方向二：AI Coding与开发者工具。编程是当前AI落地最成熟的领域之一，能够大幅提升开发者生产力的工具将获得强付费意愿。
方向三：垂直行业的AI Agent。客服、销售、数据分析、内容运营等高频、标准化、可验证的场景，是AI Agent最先成熟的领域。
方向四：AI应用的基础设施。MaaS平台、模型微调工具链、Agent编排中间件——这些“卖铲子”的生意，确定性可能比应用本身更高。
结语：硬件的“下半场”与软件的“上半场”
AI产业的演进，不是“硬件退潮、软件接棒”的零和游戏，而是“硬件继续涨、软件开始涨”的多米诺骨牌。
储存储能还有超级周期，CPU还有重新定价的空间，先进封装和光模块还在持续紧缺。这是AI从“训练故事”走向“推理现实”的结构性变化，不是短期情绪波动。
与此同时，软件层的商业化正在从“0到1”的验证阶段，走向“1到10”的规模化阶段。当硬件基础设施铺设完成，真正的价值创造，将发生在应用层。
对于投资者而言，与其争论“硬件还是软件”，不如构建一个“硬件+软件”的组合仓位——硬件提供确定性，软件提供弹性。
毕竟，AI的故事，还远远没有讲完。
.end.
