夜雨聆风陈李、葛晓媛（陈李系东吴证券全球首席经济学家、东吴香港行政总裁，中国首席经济学家论坛理事）
AI硬件的前途，在AI应用能否快速获取收入，扛过成本上升和不稳定的通胀预期，获得利润。
前阵子，三星公司公布超预期的业绩，股价反而下跌。AI硬件企业订单越好，利润越高，投资者越来越质疑。他们认为，下游企业割肉饲虎式的资本支出不可持续。包括云厂商在内的应用企业，把收入和利润的大部分提供给AI硬件企业。
如果下游客户越来越亏钱，上游企业最终也笑不出来。什么时候，AI产业链才能从零和博弈，走向共赢生态？Anthropic上市，可能是最重要的事件。这家公认最佳的AI应用企业，其财务报表变化，将极大地检验AI从全部经济领域中获取多大的份额。
资金还在追逐AI，只是不再只追英伟达
周末，全球市场重新盯住霍尔木兹海峡。
投资者首先想到的是油价、航运和通胀。但这场冲突可能影响的，不只是能源股。它也在改变AI投资最重要的外部条件：资本市场还能以多低的成本等待AI利润兑现。
与此同时，AI行情正在发生另一种变化。
英伟达今年的股价没有延续此前的强势，资金却没有离开AI，而是从GPU向HBM、高速存储、光模块、PCB、液冷和电力设备扩散。市场不断寻找制约算力扩张的下一个瓶颈，仿佛只要找到新的稀缺环节，AI硬件的利润就可以继续增长。
这种扩散有真实的产业基础。算力集群越大，对高速存储、数据传输、散热和供电能力的要求就越高。每出现一处供给不足，相关企业就可能获得更强的定价能力。
但所有这些硬件，最终都出现在同一张账单上。
GPU、HBM、光模块、PCB和液冷设备，看起来属于不同赛道，最终却都计入云厂商的资本开支。资金可以从一个硬件瓶颈转向另一个硬件瓶颈，最终付款人却没有因此增加。
AI硬件企业可以拥有不同的技术壁垒，却没有不同的最终付款人。
霍尔木兹海峡，让等待AI利润变得更贵
这次霍尔木兹海峡的变化，已经不只是口头威胁。商船受到实际武力攻击，美伊之间再度爆发大规模军事冲突，此前脆弱的停火安排被打破。美国方面仍称商业船只可以通行，但保险、航运和能源市场已经不得不重新计入战争风险。
海峡在冲突爆发前，承担着全球约五分之一的石油和液化天然气运输量。它未必会被长期、完全封死，但只要通航持续受到干扰， 能源风险溢价就可能重新推高油气价格，并向全球通胀传导。
伊朗局势与AI芯片之间，并不存在一条简单直接的因果关系。油价上涨，不等于数据中心电费立即同比例上涨。数据中心能源成本还受到天然气、电网容量、长期购电协议、核电和可再生能源等因素影响。
真正重要的是另一条传导链：能源风险上升，通胀回落受到干扰，降息可能推迟，长期资金成本维持高位，远期利润的现值下降，投资者随之要求AI企业更早证明盈利。
低利率环境中，市场可以等待五年甚至十年后的利润。当通胀与利率重新成为约束，等待本身就会变得昂贵。原本可以留到2030年回答的问题，市场可能要求在2027年就看见答案的轮廓。
霍尔木兹海峡不决定AI能不能赚钱，却可能决定时间成本，投资者有多大的耐心等待AI赚钱。
云厂商明知回报未定，为什么还在买算力
英伟达卖出GPU时，收入已经确认。HBM、光模块、PCB和液冷企业获得订单时，利润也开始进入各自的报表。
但从云厂商一端看，这些上游收入对应的，全部是自己的资本开支。
这个规模并不小。以北美几家头部云厂商为例，2026年资本开支合计指引已上调至7000亿至8000亿美元区间，同比增速普遍达到60%到80%——增速本身，就是资金持续涌入硬件产业链最直接的证据。
云厂商需要先购买芯片、服务器和网络设备，建设数据中心，承担折旧、电力和运营成本，再等待模型公司、企业客户和消费者形成稳定付费。上游企业的利润先兑现，中间环节的回报后验证。
这就是AI产业链目前最重要的不对称：英伟达确认收入时，云厂商承担的却是一笔未来必须收回的投资成本。
既然应用层利润尚未得到充分证明，云厂商为什么仍然拼命购买算力？
因为对微软、谷歌、亚马逊、Meta和阿里来说，少买算力的风险，可能比暂时多买算力更大。任何一家大型平台都不愿意因为低估AI需求，在下一代搜索、云服务、广告、电商、办公软件和开发者生态的竞争中失去位置。
因此，一部分AI资本开支不是对利润的确认，而是购买未来竞争的入场券。这可以解释为什么应用层尚未普遍盈利，硬件订单仍然高速增长。
但战略投入只能推迟利润检验，不能永久取消利润检验。如果AI收入不能覆盖折旧、电力、芯片和数据中心成本，云厂商最终仍会延长设备使用周期、淘汰低回报项目，或者放慢资本开支增速。
值得关注的是，这场投入正越来越多地依赖表外融资。部分云厂商通过设立特殊目的载体，将数据中心建设产生的债务移出自身资产负债表，再以长期租赁方式使用相关算力；与此同时，2026年以来AI相关债券及私募信贷发行规模明显放量。多家机构预计，部分头部云厂商今年的自由现金流将逼近零甚至转负，新增算力投入越来越依赖举债，而非经营现金流的自我造血。
这意味着，利润检验的时点不仅取决于云厂商愿不愿意等，也取决于债务市场愿不愿意继续为这场等待买单。
资本开支可以领先于收入，也可以暂时脱离利润，却不能永远脱离现金流。
下一个AI投资热点，可能回到下游应用
过去两年，AI投资最有效的路径，是寻找供给不足。GPU不足，寻找GPU；HBM不足，寻找存储；传输受限，寻找光模块和PCB；电力不足，寻找液冷、电源和能源设备。
这种硬件投资逻辑不会突然消失。只要资本开支继续扩张，硬件企业仍然可能获得订单和业绩增长的机会。
但当上游利润不断增长，市场迟早会把问题从“还缺什么”转向“这些投入能赚回多少钱”。市场的定价重心，也可能从“谁掌握最稀缺的硬件”，逐渐转向“谁掌握真正的收入入口”。
这里所说的下游应用，不只是独立AI应用公司，也包括掌握云服务、搜索、广告、电商和企业客户入口的平台企业。
Anthropic需要证明，模型、API和企业服务能够形成可持续收入。谷歌需要证明，AI能够转化为搜索、云和广告收入。Meta需要证明，巨额算力投入能够提高广告效率和平台现金流。阿里则需要证明，AI能够在云、电商和企业服务中形成新的增长动力。
这些公司并不完全相同，但市场对它们提出的是同一个问题：AI究竟是在创造新增收入，还是只是在制造更大的资本开支？
这个问题并非无法验证，部分平台已经给出初步答案。一些公司的AI相关年化收入已经进入数十亿甚至上百亿美元量级，云业务的未履约合同规模也在快速增长，付费席位与企业客户数量同步扩张。这些迹象说明，应用层的收入入口并非完全空白，只是其规模与体量，距离覆盖上游天价资本开支，仍有相当距离。
如果它们能够证明AI带来了可持续的收入和利润，硬件产业链的繁荣就有了最终付款人。如果不能，资金从GPU转向HBM、光模块或者PCB，只是在同一轮资本开支内部寻找新的瓶颈，并没有解决利润来源的问题。
硬件行情寻找的是供给瓶颈，下一阶段的应用行情寻找的将是收入入口。
AI硬件最终要由应用利润结算
AI硬件的上半场，是算力短缺和供给瓶颈的故事。 英伟达率先兑现利润。随后，利润开始向HBM、光模块、PCB、液冷和电力设备等环节扩散。只要云厂商继续扩张资本开支，上游利润就可能继续增长。
但硬件企业的收入，是云厂商的资本开支；云厂商的资本开支，最终要由AI应用和终端客户的现金流偿还。
霍尔木兹海峡带来的真正变化，不是立即终止AI投资，而是通过能源价格、通胀和利率传导，提高市场等待利润兑现的成本。
当等待变得昂贵， 市场不会一直追问下一个硬件瓶颈在哪里，而会更快转向一个更重要的问题：谁能把昂贵的算力变成收入，谁又能把收入变成利润？
上游的瓶颈决定利润暂时流向哪里，下游的现金流决定这些利润最终能够存在多久。
