夜雨聆风——基于高盛《More AI capex, more volatility》及 A/H 映射的整合解读
这篇高盛报告的核心，不是简单地看多 AI，也不是判断 AI 泡沫见顶，而是强调：2027 年 Hyperscaler Capex 的市场一致预期仍可能偏低，但 AI 股票交易已经从“买总量”进入“看兑现、看估值、看分化”的新阶段。
一句话概括全文：AI Capex 还能上修，但 AI 股票不能再无脑买 Capex。
一、核心命题
高盛对本轮 AI 交易的总判断非常明确：2027 年 Capex 继续上修的概率仍在，但股票层面已经不再是“只要 AI 就涨”的阶段。资本开支、盈利兑现、估值透支和结构分化，正在同时发生。
二、先看结论：从“买总量”走向“看兑现”
全文可以浓缩为四个判断：第一，2027 年 Capex 共识可能偏低；第二，AI 基建链短期仍有盈利弹性；第三，交易进入高波动阶段；第四，后续更看结构，不再只看总量。
因此，最关键的变化是交易方式的变化：从早期“买基础设施总量”，进入“看订单兑现、看利润兑现、看估值位置、看分化方向”。
三、为什么说 2027 年 9200 亿美元可能偏低
当前一致预期显示，Hyperscaler Capex 将从 2025 年的 4120 亿美元升至 2026 年的 7570 亿美元，再升至 2027 年的 9200 亿美元。高盛认为，问题不在于 2027 年继续增长，而在于市场默认增速会明显放缓，这个判断可能偏早。
在不同上行情景下，2027 年 Capex 还可能达到 9500 亿、9940 亿，甚至 1.25 万亿—1.433 万亿美元。换句话说，“9200 亿美元”更像当前共识的中枢，而不是明确上限。
四、Capex 上修的三条证据
第一条证据是需求 backlog 扩张。AWS 与 Google Cloud 的 backlog 在较短时间内显著放大，说明需求排队仍在累积。
第二条证据是 token consumption 的扩张。高盛预计，2030 年前 token 消耗量仍有大幅增长空间，尤其由 enterprise agents 驱动。
第三条证据来自历史技术周期比较。当前 AI 投资脉冲虽已接近 90 年代 ICT/Telecom 周期，但整体仍低于铁路、电动机、汽车基础设施等历史高峰。
五、不是缺钱，是缺交付
高盛认为，大型 Hyperscaler 的融资能力并不是主要瓶颈。净债务/EBITDA 仍处于较低水平，理论上仍有较强融资空间。
真正的限制更可能来自交付：数据中心项目进度、HBM 与内存供给、电力与并网、劳动力与施工运维能力。这也是为什么 AI 投资已从“算力紧缺”扩展到“电力、液冷、配套基础设施紧缺”。
六、AI 股票进入高波动、高分化阶段
高盛用收益离散度上升来描述当前市场：AI 交易没有结束，但内部差异显著放大。AI Infrastructure、Hyperscalers、Software、AI Productivity 的表现，不再是同步线性上行。
这意味着选股难度上升，单纯基于“AI 主题”进行配置的胜率下降，后续更需要回到收入、利润率、估值和订单兑现。
七、估值分层：哪些方向相对保守，哪些已经拥挤
高盛对 AI 基建链的一个重要判断是：不是所有板块都贵，而是不同板块对盈利持续性的定价差异很大。
Memory 与 Hyperscalers 的持续性定价相对保守；Semiconductors 与 Utilities 居中；Optical Networking、Electrical Grid、Power ex-Utilities、Liquid Cooling 等“拥挤瓶颈方向”则定价更充分。
八、谁已经拥挤：光通信、电网、电源、液冷
如果说 AI 基建链还有机会，那么机会并不意味着估值一定便宜。高盛的提醒是：越靠近瓶颈，越容易受益，但也越容易被提前定价。
光通信、电网、电源、液冷之所以拥挤，是因为它们同时兼具“AI 受益逻辑”和“物理约束逻辑”。但这类方向后续更看订单兑现和利润兑现，而不是单纯看主题强弱。
九、Hyperscaler ROI：Capex 上修要被收入与利润验证
对 Hyperscaler 来说，Capex 越多并不天然意味着股票越好。高盛更关心的是：Capex 是否转化为云收入加速、backlog 扩张、利润率稳定和自由现金流可承受。
因此后续跟踪要看四个指标：Cloud Revenue、Backlog、Margin、FCF / Dilution。只要其中两到三项验证继续强化，Hyperscaler 仍可能重新成为交易主线；反之则可能进入 ROI 被质疑的阶段。
十、软件终值风险：AI enabled 与 AI disrupted 的分化
软件不是统一受益。AI 可能增强部分软件公司的产品力、提效能力和商业化效率，也可能通过低成本替代侵蚀另一部分公司的长期增长与利润率。
因此对软件板块而言，最关键的不是“有没有 AI 故事”，而是 AI 究竟增强了它的终值，还是侵蚀了它的终值。估值重估的核心，不在短期主题，而在长期增长率与终值假设。
十一、企业 AI 采用：讨论很多，量化很少
高盛对企业 AI productivity 的判断较为克制。大量公司在财报电话会上讨论了 AI 和效率，但真正量化到盈利层面的比例仍然很低。
这意味着 AI productivity 方向仍处于早期阶段：主题并非没有想象空间，而是离系统性定价仍有距离。短期更看真实用例、付费意愿、成本结构和利润留存。
十二、A/H 映射一：光模块、PCB、高速互连
若把海外 Hyperscaler Capex 传导到中国资产，第一层映射主要集中在光模块/光器件、AI 服务器 PCB、高速互连与连接器。
这类方向距离海外 Capex 更近，弹性通常更大，但因为更贴近瓶颈，也更容易被市场提前定价。投资上更需要在订单兑现与估值水平之间寻找平衡。
十三、A/H 映射二：电源、液冷、电网、服务器
第二层映射更多对应国内算力建设节奏和物理瓶颈扩散，包括数据中心电源、液冷/温控、电网设备和服务器/ICT 承载层。
这类方向覆盖面更广，但盈利弹性往往低于第一层，核心在于物理瓶颈能否真正转化成招标、订单和业绩兑现。
十四、终局判断：Capex 还能上修，但不能无脑买
把全文收束成一句话，就是：AI Capex 周期仍未走完，但股票交易难度已经明显提升。
短期仍要看 2027 年 Capex 上修、Cloud Revenue / Backlog、HBM / 电力 / 交付、云利润率与 FCF，以及 A/H 订单兑现。中长期则回到“看兑现、看估值、看分化”的投资框架。
结语
高盛这篇报告的重要价值，不只是上修了对 AI Capex 的判断，更重要的是明确了市场已经进入“更高 Capex、更高波动、更大分化”的新阶段。对美股而言，要跟踪 Hyperscaler 兑现；对 A/H 而言，要沿着光模块、PCB、高速互连、电源、液冷、电网、服务器等链条，寻找真正能承接订单与业绩的方向。
免责声明：本文仅用于研报学习、产业链梳理与信息交流，不构成任何投资建议，也不作为任何证券买卖依据。市场有风险，投资需谨慎。