目录

AI 基建投资不是“买 GPU”这么简单，而是判断“模型公司融资、云收入、算力交付、电力接入、自由现金流”五条线能否同时闭环。

结论

美股 AI 基建的投资逻辑已经从“谁有 AI 叙事”切换为“谁能用真实订单、收入、利润率和现金流证明资本开支有效”。截至最新行情，AI 基建链条中 15 个代表性标的合计市值约 20.87 万亿美元，其中四家主要资本开支买方 Microsoft、Amazon、Alphabet、Meta 合计市值约 12.24 万亿美元，主要供应和基础设施公司合计市值约 8.63 万亿美元。市场已经把 AI 基建定价为跨越软件、云、半导体、网络、电力、冷却和数据中心地产的复合周期，而不是单一芯片周期。

最重要的数字是四个。

• • Amazon、Microsoft、Alphabet、Meta 的 2026 年资本开支外部汇编口径已经进入约 7050 亿至 7250 亿美元区间，较 2025 年显著上行。
• • 云业务仍在兑现，Microsoft Cloud 单季收入 545 亿美元、同比增长 29%，Azure 和其他云服务收入增长 40%；Amazon AWS 单季收入 376 亿美元、同比增长 28%；Google Cloud 单季收入 200.28 亿美元、同比增长约 63%，且 Google Cloud 单季经营利润率约 32.9%。
• • Meta 虽然 Q1 收入增长 33%至 563.11 亿美元、经营利润率维持 41%，但 2026 年资本开支指引上调到 1250 亿至 1450 亿美元，显示投资者对“利润增长能否覆盖基础设施投入”的追问会继续存在。
• • 供应端已经不是单点受益：NVIDIA FY2026 数据中心收入 1937 亿美元，Broadcom Q1 AI 收入 84 亿美元且同比增长 106%，Vertiv Q1 净销售额 26.5 亿美元且全年销售指引 135 亿至 140 亿美元，GE Vernova Q1 订单 183 亿美元、book-to-bill 约 1.97 倍。

投资判断上，当前最有吸引力的不是“最低 PE”，而是“增长确定性、估值承受力和现金流质量”的组合。按这个框架，Microsoft、Alphabet、Amazon、Meta 是需求端的验证器；NVIDIA、Broadcom 是算力和定制芯片的利润池；Arista 是 AI 以太网扩张的网络杠杆；Vertiv、Eaton、GE Vernova 是物理约束和电气化的卖铲人；Equinix、Digital Realty 是数据中心需求的地产和互联验证器；Constellation、Vistra 是电力稀缺性重估的高 beta 资产。风险最大的点不是 AI 需求不存在，而是估值已经预支了过多完美执行，任何资本开支下修、云增速放缓、电力接入延迟或毛利率回落，都可能触发板块内部重估。

核心结论：本轮 AI 基建的需求不是单一 Big Tech 预算，而是由“大模型公司融资 + 云厂商资本开支 + 企业 AI 采用 + 数据中心电力瓶颈”四条线共同驱动。若只看 NVIDIA 或只看四大云厂商，会低估 OpenAI、Anthropic、xAI、CoreWeave、Oracle、neocloud 和电力链条对美股投资定价的影响；若只看产业空间而不看估值和现金流，则容易把真实长期趋势买成短期高位风险。

核心仪表盘

全景仪表盘：大模型公司、AI 云和机构预测

OpenAI、Anthropic、xAI、Mistral、Groq、Perplexity 等公司虽然多数没有上市，但它们通过融资、云合同、GPU 租赁、数据中心承诺和模型推理需求，正在把资金传导给 Microsoft、Amazon、Alphabet、Oracle、NVIDIA、Broadcom、Arista、CoreWeave、Vertiv、GE Vernova 和电力公司。对二级市场投资者而言，未上市模型公司不是“不可投所以不用看”，而是需求形成机制。

投资启示：OpenAI 和 Anthropic 的融资额、估值、云合同和用户规模，是判断 NVIDIA、Broadcom、AWS、Google Cloud、Oracle、CoreWeave 和电力链条订单可持续性的前置指标。如果上游模型公司融资继续顺畅，算力需求会继续外溢到 GPU、ASIC、AI 网络、数据中心和电力；如果融资环境恶化或模型收入低于预期，则供应链最先承受订单和估值双杀。

资金流图：从大模型融资到上市公司收入

这张图的关键不是“每个环节都有机会”，而是资金确认顺序。模型公司先融资或形成收入，再签云和算力合同；云厂商接到合同后扩大 capex；芯片和网络公司先确认订单；数据中心、电源冷却、电力和 REITs 后确认项目收入。投资者如果只看上市公司季度财报，常常会晚一拍；如果同时跟踪模型公司融资、云合同、数据中心站点和电力协议，就能更早判断产业链景气是否延续。

行情与估值表

下面表格使用 2026 年 5 月 1 日美股最新可得行情。市值按十亿美元计，PE 为行情源给出的普通口径，REITs 的普通 PE 参考意义较弱，后文单独用 AFFO/FFO 估值。由于不同数据商对 EPS、拆股、非经常性项目和盘后价格处理不同，表格适合做横向观察，不适合替代正式估值模型。

估值横向图：PE 越高，越需要业绩连续超预期

PE 口径：普通行情口径，REITs 参考价值较弱META   22.1x | ██████MSFT   24.7x | ███████GOOGL  29.4x | ████████GEV    31.1x | ████████AMZN   32.1x | ████████CEG    37.5x | ██████████ETN    42.6x | ███████████NVDA   48.6x | █████████████DLR    52.0x | ██████████████VST    57.1x | ███████████████ANET   64.7x | █████████████████EQIX   75.0x | ████████████████████VRT    82.5x | ██████████████████████AVGO  104.8x | ████████████████████████████AMD   177.6x | ███████████████████████████████████████████████

这张图最直接的结论是：市场已经不是简单奖励“AI 暴露”，而是在不同环节之间分配估值溢价。需求端的 Microsoft、Alphabet、Meta 反而比不少供应端股票便宜；供应端中，NVIDIA 的普通 PE 明显低于 AMD、Broadcom、Vertiv 和 Arista，但 NVIDIA 的市值基数最大，增速放缓时倍数也可能被压缩。GE Vernova 作为电力设备资产，普通 PE 约 31 倍，反而在高景气链条中显得不算夸张，但它的盈利质量受到设备交付、并购收益和长周期订单结构影响，需要看调整后 EBITDA 与 backlog，而不能只看净利润。

四大买方：资本开支强度决定整条链条的订单天花板

Capex 条形图：2026 年资本开支强度

单位：十亿美元；Amazon/Microsoft/Alphabet 为外部汇编口径，Meta 为公司指引中值Amazon     200 | ████████████████████Microsoft  190 | ███████████████████Alphabet   185 | ██████████████████▌Meta       135 | █████████████▌

这四家公司是 AI 基建链条的“总需求”。若它们的 capex 继续上修，NVIDIA、Broadcom、Arista、Vertiv、Eaton、GE Vernova 和数据中心 REITs 的订单逻辑会被强化。若它们开始下修，供应链公司即使当前 backlog 很高，估值也会先于收入反应。当前更值得注意的是 capex 与现金流的组合：Amazon 的经营现金流很强，但 TTM 自由现金流被 AI 投入压到 12 亿美元；Meta 单季 FCF 仍有 123.86 亿美元，但全年 capex 指引中值 1350 亿美元，接近 Q1 年化 FCF 的 2.7 倍；Microsoft 和 Alphabet 的云利润质量较高，市场对其 capex 容忍度相对更强。

需求端 ROI：云收入强，但“资本开支回收期”才是估值核心

需求端的核心结论是：AI 收入正在增长，但不同公司的回收路径完全不同。Microsoft 的 AI 年化收入 run rate 已经达到 370 亿美元，这是最直接的货币化证据。Amazon 的 AWS 收入和利润仍强，但自由现金流对 AI 投资高度敏感。Alphabet 的 Google Cloud 单季经营利润率约 32.9%，说明云业务已经不再只是烧钱扩张。Meta 的广告业务很强，但它的 AI 基建更多服务内部广告、推荐、助手和未来产品，缺少类似 AWS/Azure/GCP 的外部云收入对冲，所以资本市场更容易对其 capex 上修做折价处理。

ROI 观察公式

AI 基建 ROI =（云收入增量 + 广告效率增量 + 企业软件 AI 订阅增量 + 推理 API 毛利）             ÷（GPU/ASIC 折旧 + 数据中心折旧 + 电力成本 + 网络设备折旧 + 运维成本 + 融资成本）

这个公式提示投资者不要只看 capex 绝对规模。若 capex 上升的同时云收入、AI 收入和经营利润率同步上升，市场会把支出视为“未来收入前置”。若 capex 上升但收入增速放缓、毛利率下降、自由现金流下滑，市场会把同样的支出视为“资本错配”。Reuters Breakingviews 和 MarketWatch 对大型科技公司 AI 支出回报提出质疑，正是因为当前资本开支规模已经大到足以改变自由现金流曲线。

供应端：从 GPU 到电力的数字对比

产业链地图

这张图展示了本轮 AI 基建与过去软件周期的最大差异：它不是软件公司单独扩张，而是资本开支通过算力、网络、电源冷却、数据中心地产和电力系统层层传导。前端的 NVIDIA 和 Broadcom 最先受益，后端的 GE Vernova、Eaton、Vertiv、Equinix、Digital Realty 通过项目交付和长期合同确认收入。若需求继续上行，后端瓶颈会获得更高估值；若需求下修，前端订单可能先回落，后端 backlog 会延迟反映。

公司分析：需求端

Microsoft：AI 收入最明确，估值相对克制

Microsoft 当前最大优势是 AI 收入已经进入可量化阶段。公司披露 AI 业务年化收入 run rate 超过 370 亿美元，同比增长 123%；Microsoft Cloud 单季收入 545 亿美元，同比增长 29%；商业剩余履约义务增长 99%至 6270 亿美元；Azure 和其他云服务收入增长 40%。这些数字让 Microsoft 的 AI capex 更像“有收入支撑的扩产”，而不是纯粹押注未来。

从估值看，MSFT 股价 414.44 美元、市值约 3.09 万亿美元、PE 约 24.7 倍，反而低于不少供应链公司。这不意味着 Microsoft 没有风险，而是说明市场对其企业软件、云和现金流质量给了更稳定的估值框架。投资者要跟踪三项指标：AI run rate 是否继续高增长，Azure 增速是否保持 35%以上，capex 上修是否拖累自由现金流和股东回报。

Amazon：AWS 很强，现金流被 AI 投入压缩

Amazon Q1 净销售 1815 亿美元，同比增长 17%；AWS 收入 376 亿美元，同比增长 28%；AWS 经营利润 142 亿美元，经营利润率约 37.7%。这说明 AWS 仍是 AI 云需求最重要的受益者之一。问题在现金流端：Amazon 披露 TTM 经营现金流 1485 亿美元，但 TTM 自由现金流降至 12 亿美元，主要因为 PP&E 投入同比增加 593 亿美元，且公司说明这一增加主要反映 AI 投资。

AMZN 股价 268.26 美元、市值约 2.92 万亿美元、PE 约 32.1 倍。这个估值不算极端，但市场会要求 AWS 增速和利润率继续证明 2000 亿美元级别 capex 的合理性。若 AWS 增速保持 25%至 30%区间，Amazon 的 capex 叙事可继续成立；若 AWS 增速回落而自由现金流仍弱，估值会面临压缩。

Alphabet：云利润率改善是最大亮点

Alphabet Q1 总收入 1098.96 亿美元，同比增长约 21.8%；Google Cloud 收入 200.28 亿美元，较去年同期 122.60 亿美元增长约 63%；Google Cloud 经营利润 65.98 亿美元，经营利润率约 32.9%。相比单纯看 capex，这组云利润数据更重要。它说明 Google Cloud 已经不只是抢份额的亏损业务，而是具备较强经营杠杆。

GOOGL 股价 385.69 美元、市值约 4.67 万亿美元、PE 约 29.4 倍。如果 Google Cloud 能维持高增长和高利润率，Alphabet 的 AI 基建投入更容易获得市场认可。风险在于搜索 AI 化可能改变广告成本结构，TPU/GPU 供给约束可能影响云增长，且 2027 年 capex 仍可能继续上行。

Meta：广告业务强，但 capex 最容易引发争议

Meta Q1 收入 563.11 亿美元，同比增长 33%；经营利润 228.72 亿美元，经营利润率 41%；净利润 267.73 亿美元；自由现金流 123.86 亿美元；广告展示增长 19%、广告均价增长 12%。从经营质量看，Meta 并不弱。争议来自支出端：Q1 capex 198.4 亿美元，2026 年 capex 指引上调至 1250 亿至 1450 亿美元，公司说明主要因为组件价格更高，以及部分未来容量的数据中心成本。

META 股价 608.75 美元、市值约 1.56 万亿美元、PE 约 22.1 倍，是表内大型平台公司中估值最低的。低估值背后是市场对 capex 持续上修、Reality Labs 亏损和 AI 投入回收路径的折价。Meta 的关键观察点不是收入是否增长，而是广告效率提升能否长期覆盖基础设施成本。如果后续出现“capex 上修 + 收入增速放缓 + FCF 下滑”，市场会重新压低估值。

公司分析：算力和网络

NVIDIA：核心利润池，但不再是低预期资产

NVIDIA FY2026 收入 2159.38 亿美元，同比增长 65%；数据中心收入 1937 亿美元，同比增长 68%；Q4 数据中心收入 623 亿美元，同比增长 75%；公司给出 Q1 FY2027 收入 780 亿美元正负 2%的指引。这是供应链中最硬的收入验证。Rubin 平台被定位为 Blackwell 之后的下一代 AI 工厂核心系统，公司强调可将推理 token 成本较 Blackwell 平台降低最高 10 倍，并由 AWS、Google Cloud、Microsoft Azure、Oracle Cloud Infrastructure 等云服务商部署。

NVDA 的估值约 48.6 倍 PE，表面上不便宜，但与其 FY2026 65%收入增长、75%左右季度毛利率和数据中心收入规模相比，估值并非链条内最激进。真正的风险在于预期基数已经很高：只要 Rubin 交付、毛利率、China 相关收入、云客户采购节奏出现偏差，股价波动会被放大。投资者应把 NVDA 视为“核心但要看兑现”的资产，而不是无脑线性外推。

AMD：赔率来自份额提升，风险来自生态差距

AMD 2025 全年收入 346.39 亿美元，同比增长 34%；数据中心全年收入 166 亿美元，同比增长 32%；Q4 数据中心收入 54 亿美元，同比增长 39%，增长来自 EPYC 和 Instinct GPU。产品端，MI350 和 MI440X 是 2026 年 AI 加速器叙事的关键。AMD 的投资吸引力在于，如果云客户为了降低 NVIDIA 依赖而增加第二供应商，AMD 的收入弹性会很高。

问题是估值。AMD 当前 PE 约 177.6 倍，远高于 NVIDIA、Arista、Vertiv 和 Broadcom。这意味着市场已经把“份额提升”当作主要假设。若 MI350/MI440X 客户部署、ROCm 生态、云实例上线速度不及预期，估值回撤空间会很大。AMD 更适合被放在高 beta 追赶者篮子，而不是核心确定性资产篮子。

Broadcom：定制 ASIC 与 AI 网络的双重暴露

Broadcom Q1 FY2026 收入 193.11 亿美元，同比增长 29%；AI 收入 84 亿美元，同比增长 106%；公司预计 Q2 AI 半导体收入 107 亿美元。AI 收入占 Q1 总收入约 43.5%，按 Q2 指引看可能接近 48.6%。同时，Q1 自由现金流 80.1 亿美元，占收入约 41%，说明 Broadcom 不只是高增长，也具备强现金流转化。

AVGO 当前 PE 约 104.8 倍，市值约 2.05 万亿美元。如果只看普通 PE，估值偏贵；但若把 AI 定制 ASIC、AI 网络芯片、VMware 后的软件现金流和股东回报放在一起，市场给高倍数有其逻辑。投资者要警惕的是客户集中和项目节奏。定制 ASIC 收入可能由少数超大客户驱动，一旦某个项目延迟，季度波动会很大。

Arista：以太网 AI 网络的高质量杠杆

Arista 2025 全年收入 90.06 亿美元，同比增长 28.6%；Q4 收入 24.88 亿美元，同比增长 28.9%；公司预计 Q1 2026 收入约 26 亿美元，非 GAAP 经营利润率约 46%。在 AI 集群中，网络瓶颈会直接影响 GPU 利用率和训练效率，Arista 的 800G、R4 平台、CloudVision 和以太网 AI 网络方案正对应这一需求。

ANET 当前 PE 约 64.7 倍。这反映市场已经给 AI 网络成长较高溢价。Arista 的优势是毛利率、软件化能力和云客户关系，风险是客户集中、以太网与 NVIDIA 网络生态竞争，以及 hyperscaler capex 周期。若 800G/1.6T 升级顺利，ANET 可以继续成为“无论 GPU 还是 ASIC 都需要网络”的受益者；若云厂商放慢集群建设，网络订单可能先于电力和地产回落。

公司分析：电源冷却、电网和数据中心地产

Vertiv：业绩已经兑现，估值也进入高要求区间

Vertiv Q1 净销售 26.5 亿美元，同比增长 30%；调整后经营利润率 20.8%，同比提升 430 个基点；经营现金流 7.67 亿美元，调整后自由现金流 6.53 亿美元；公司把 2026 年净销售指引提高到 135 亿至 140 亿美元，有机销售增长 29%至 31%，调整 EPS 指引 6.30 至 6.40 美元。

按股价 328.31 美元和调整 EPS 指引中值 6.35 美元计算，VRT 的 2026 年 forward PE 约 51.7 倍；按销售指引中值 137.5 亿美元和市值 1287 亿美元计算，forward 市销率约 9.4 倍。这说明 Vertiv 已经不是便宜的工业股，而是被市场当作 AI 基建高增长股定价。它的优势是需求可见度和高密度电源冷却刚需，风险是项目延期、竞争加剧和高估值容错率低。

Eaton：更稳健的电力管理暴露

Eaton 的数据中心投资逻辑没有 Vertiv 那么高 beta，但更偏稳健。公司数据中心市场展望强调电力管理、模块化数据中心、800V DC、液冷、能源管理软件和从电网到芯片的解决方案。这使 Eaton 能覆盖数据中心配电、保护、能源管理和电网交互等多个环节。

ETN 当前 PE 约 42.6 倍，市值约 1660 亿美元。它的估值已经包含 AI 电气化溢价，但低于 Vertiv 和 Arista。对投资者而言，Eaton 更像“低一些弹性、强一些质量”的电气化资产。关键跟踪指标是数据中心订单增长、backlog、毛利率、模块化方案落地和并购整合。

GE Vernova：AI 电力瓶颈的订单兑现者

GE Vernova Q1 订单 183 亿美元，同比增长 71%；收入 93 亿美元；调整 EBITDA 9 亿美元，调整 EBITDA 利润率 9.6%；自由现金流 48 亿美元；设备 backlog 增至 386 亿美元，同比增长 75%；公司披露 Electrification 业务中支持数据中心的设备订单为 24 亿美元，超过 2025 全年水平。这组数据比普通“AI 需要电”叙事更扎实，因为它直接反映到订单和 backlog。

GEV 当前 PE 约 31.1 倍，市值约 2891 亿美元。相比很多 AI 供应链高 PE 标的，GEV 的估值看起来更容易解释，但它不是纯 AI 公司，还包含电力设备、风电、电气化和并购收益等复杂因素。投资者应重点看 book-to-bill、设备 backlog、燃气轮机槽位、数据中心订单占比和调整 EBITDA，而不是只看 GAAP 净利润。

Equinix 与 Digital Realty：用 AFFO/FFO 看，不用普通 PE 看

Equinix Q1 收入 24.44 亿美元，同比增长 10%；调整 EBITDA 12.45 亿美元，利润率 51%；AFFO/股 10.79 美元；2026 年 AFFO/股指引为 42.31 至 43.11 美元。按当前股价 1085.03 美元和 AFFO 中值 42.71 美元计算，P/AFFO 约 25.4 倍。Equinix 的优势是互联生态、全球节点和高质量客户，风险是利率、资本成本和新项目供电。

Digital Realty Q1 收入 16 亿美元，同比增长 16%；Core FFO/股 2.04 美元；签约 bookings 年化 GAAP base rent 为 7.07 亿美元，Digital Realty 份额为 4.23 亿美元；公司将 2026 Core FFO/股指引提高到 8.00 至 8.10 美元。按当前股价 200.70 美元和 Core FFO 中值 8.05 美元计算，P/Core FFO 约 24.9 倍。DLR 更偏 hyperscale 容量扩张，弹性可能高于 EQIX，但资本开支和杠杆敏感性也更强。

Constellation 与 Vistra：电力稀缺性高 beta

Constellation 和 Vistra 的投资逻辑来自稳定低碳电力的稀缺性。Meta 公开宣布与 Vistra、TerraPower、Oklo、Constellation 等达成核能相关协议，目标是为美国 AI 创新解锁最高 6.6GW 的核能项目和采购能力。此前 Meta 与 Constellation 的 20 年核电协议也体现了大型科技公司为 AI 数据中心锁定长期电力的趋势。

CEG 当前 PE 约 37.5 倍，VST 当前 PE 约 57.1 倍。这两个估值都已经包含 AI 电力溢价，不宜再按传统公用事业低波动框架理解。它们的核心催化是长期 PPA、电价、核电资产重估和容量市场，核心风险是监管、燃料、核电运维、项目执行和估值拥挤。

从宏观资金量看，电力链条不再只是 AI 基建的附属项。Goldman Sachs 讨论过 AI 公司在 2026 年可能投入超过 5000 亿美元的资本开支，Yahoo Finance 转引研究则提到到 2030 年 AI 数据中心电气化可能需要约 1.4 万亿美元投资。这两个数字不应被机械当作盈利预测，但它们解释了为什么市场愿意给 GE Vernova、Eaton、Vertiv、Constellation 和 Vistra 重新估值：数据中心建设从“买服务器”变成“买电力容量、买变压器、买冷却系统、买长期供电确定性”。因此，电力链条的真正约束不是需求想象力，而是审批、设备交付、并网、燃料、监管和项目 IRR。

估值与增长矩阵

组合框架：不是买一个 AI 标签，而是配置五类现金流

如果只能选一个观察主线，本文认为应优先跟踪“capex 是否转化为可计量收入和现金流”。在这个框架下，Microsoft 和 Alphabet 是需求端最好的验证器，NVIDIA 和 Broadcom 是供应端最强利润池，GE Vernova 和 Vertiv 是电力冷却约束最直接的订单观察窗口，Equinix 和 Digital Realty 是数据中心需求从芯片订单落地到物理空间的验证器。

关键指标雷达表

情景推演

上游大模型公司：未上市，但决定上市公司订单的源头

AI 基建投资报告如果只看上市公司，会漏掉需求形成的源头。OpenAI、Anthropic、xAI 等模型公司虽然多数不在公开市场交易，但它们是 GPU、云、数据中心、电力和冷却支出的直接发起者。它们的融资能力决定了能否继续买算力；它们的收入和用户增长决定了推理需求能否覆盖训练成本；它们与 AWS、Microsoft、Google、Oracle、CoreWeave、NVIDIA、Broadcom 的合同决定了上市公司收入确认的路径。因此，二级市场投资者必须把这些未上市公司当成“领先指标”，而不是当成新闻背景。

上游模型公司对比表

最重要的判断：上游模型公司的估值高低不是二级市场唯一关注点，真正要看的是“融资能不能变成算力订单，算力订单能不能变成用户收入，用户收入能不能覆盖推理成本”。如果三者形成闭环，AI 基建链条的高资本开支可以被解释为扩张性投资；如果任何一环断裂，供应链订单会从“高确定性”变成“高波动性”。

OpenAI：从模型公司变成全球算力规划者

OpenAI 已经不是传统意义上的软件创业公司，而是全球 AI 基建资本开支的组织者之一。2026 年 3 月，OpenAI 宣布新一轮融资合计 1220 亿美元，post-money 估值达到 8520 亿美元；同一披露中，公司提到 ChatGPT 超过 9 亿周活跃用户、超过 5000 万订阅用户，并且企业收入占比超过 40%。这些数据有两层含义。第一，OpenAI 的融资能力说明资本市场仍愿意为头部模型公司提供巨额长期资金。第二，用户规模和企业收入占比说明 OpenAI 不只是消费者应用，也在向企业生产力和 API 需求扩展。

但对 AI 基建投资者更关键的是 OpenAI 的算力承诺。Stargate 初始规划是四年 5000 亿美元、10GW，用于建设美国 AI 基础设施。此后 OpenAI 又宣布五个新的美国 AI 数据中心站点，使未来三年与 Oracle、SoftBank 合作的规划投资超过 4000 亿美元、容量接近 7GW；加上与 Oracle 的 4.5GW 合作，Stargate 在未来三年合计规划容量进一步接近原定目标。2025 年 11 月，OpenAI 又与 AWS 签署 380 亿美元多年合作，使用 AWS compute、NVIDIA GPU 和 EC2 UltraServers。这意味着 OpenAI 的算力采购不再只是 Microsoft Azure 的故事，而是扩散到 AWS、Oracle 和更广泛的云基础设施。

从投资角度，OpenAI 对上市公司有四条传导路径。第一是 Microsoft。Microsoft 仍然是 OpenAI 生态最重要的商业化伙伴之一，Azure、Copilot、企业软件和 OpenAI API 形成需求闭环。第二是 AWS。OpenAI 与 AWS 的 380 亿美元合作说明 AWS 正在重新争取模型公司核心工作负载。第三是 Oracle。Stargate 和大规模数据中心合同让 Oracle 从传统软件公司重新进入 AI 云基础设施定价核心。第四是 NVIDIA、Broadcom、Vertiv、GE Vernova 和电力链。OpenAI 任何新增 GW 级算力规划，都会转化为 GPU、网络、电力、冷却和数据中心建设需求。

OpenAI 的风险也同样需要进入估值模型。第一，融资规模大并不等于未来利润确定。模型训练、推理、数据中心和人才成本极高，若付费转化、企业部署和 API 毛利低于预期，资本消耗会持续增加。第二，Stargate 等大项目具有工程、供电、许可和执行风险，合同宣布到收入确认之间存在时间差。第三，多云采购有助于降低单一供应商风险，但也可能让 Microsoft、AWS、Oracle 之间形成更激烈的价格竞争，压缩云厂商单位利润。第四，OpenAI 若长期依赖外部融资而不是经营现金流，任何一级市场风险偏好变化都可能传导到 AI 基建订单。

投资者应跟踪的 OpenAI 指标包括：周活跃用户、付费用户、企业客户收入占比、API 使用量、推理毛利、年度经常性收入、Stargate 实际开工容量、AWS/Oracle/Azure 合同执行进度、电力协议和数据中心站点。若这些指标持续上行，OpenAI 将继续支撑 AI 基建链条；若用户增长放缓而 capex 继续扩张，市场会重新审视 AI 基建回收期。

Anthropic：Claude 生态把 AWS、Google 和 Broadcom 串成第二条主线

Anthropic 是 OpenAI 之外最重要的商业模型公司之一。2026 年 2 月，Anthropic 宣布 Series G 融资 300 亿美元，post-money 估值 3800 亿美元，并披露当时 run-rate revenue 约 140 亿美元。到 2026 年 4 月，公司在与 AWS 的合作公告中披露 run-rate revenue 已超过 300 亿美元。如果这一口径持续兑现，Anthropic 已经从研究型模型公司转向高收入增长的企业 AI 平台。

Anthropic 对美股 AI 基建最重要的影响，是它同时连接 AWS、Google 和 Broadcom。公司与 AWS 扩大合作，未来十年向 AWS 技术承诺超过 1000 亿美元，并规划最多 5GW 容量。这不仅支撑 AWS 云收入，也支撑 Amazon 自研 Trainium 和 Inferentia 的长期采用。与此同时，Anthropic 与 Google 和 Broadcom 签署多 GW 下一代 TPU 容量合作，相关容量预计从 2027 年开始上线。这意味着 Claude 不只使用 NVIDIA GPU，也在把需求导向 AWS 自研芯片、Google TPU 和 Broadcom 定制芯片生态。

这条主线对投资者非常重要。过去市场容易把 AI 算力等同于 NVIDIA GPU，但 Anthropic 的采购结构提示：头部模型公司会主动追求多供应商、多云、多芯片路线，以降低成本、保障供应并获得议价权。对 NVIDIA 来说，这不一定是利空，因为总体需求足够大；但对 Broadcom、Google Cloud、AWS、AMD 和专用 ASIC 生态来说，这是机会。Anthropic 与 Google/Broadcom 的合作尤其强化了 Broadcom 定制 ASIC 逻辑，因为云厂商自研芯片通常仍需要 Broadcom 这样的半导体和网络供应商参与设计、互连和量产。

Anthropic 的风险主要在于两点。第一，收入 run rate 的高速增长需要被留存率和毛利率验证。企业客户愿意试用 Claude 不等于长期高毛利部署，尤其当模型 API 价格持续下降时。第二，5GW、多 GW TPU 等容量规划非常庞大，受制于电力接入、数据中心建设、芯片供应和客户需求。如果容量上线快于收入增长，AWS 和 Google Cloud 可能承担较高资本开支压力。对二级市场投资者来说，Anthropic 的意义在于提供第二条需求曲线，但这条曲线同样需要 ROI 验证。

xAI：高算力密度、高资本需求、高不确定性

xAI 的特点是激进扩张。2026 年 1 月，xAI 宣布 Series E 融资 200 亿美元，并披露 Colossus I 和 Colossus II 到年末合计将超过 100 万 H100 等效 GPU。Apollo 也披露了与 Valor、NVIDIA、PIMCO 等相关的数据中心算力基础设施融资方案，为 Valor 收购并租赁给 xAI 的数据中心基础设施提供 35 亿美元资本方案，支持 54 亿美元资产收购。这说明 xAI 已经不是轻资产模型实验室，而是在通过融资、租赁和基础设施安排快速扩张算力。

xAI 对 AI 基建链条的意义在于，它可能形成“非传统云厂商”的大规模需求。OpenAI 和 Anthropic 与 Microsoft、AWS、Google 的关系更紧密；xAI 则依托 X、Tesla、SpaceX 等生态形成不同入口，并通过 Colossus 等项目直接推动数据中心、GPU、电力和冷却需求。如果 xAI 的模型、搜索、社交、自动驾驶或机器人场景形成高频推理需求，其算力需求可能非常大。

但 xAI 的投资不确定性也更高。与 OpenAI、Anthropic 相比，xAI 的收入透明度更低，外部投资者更难判断其算力扩张与商业化之间的比例关系。若巨额 GPU 和数据中心投入主要服务训练领先，而不是高毛利推理和企业收入，回收期会更难估算。对上市公司而言，xAI 的订单短期利好 NVIDIA、电力和数据中心；对投资组合而言，不能把 xAI 的算力扩张等同于确定利润。

第二梯队模型与推理公司：不是主线，但会改变成本曲线

Mistral AI、Groq、Perplexity 等公司在绝对融资和算力规模上低于 OpenAI、Anthropic、xAI，但它们对产业链有三类边际影响。第一，Mistral 代表欧洲主权 AI 与企业开源生态，可能推动欧洲数据中心、NVIDIA GPU 和本地云资源需求。第二，Groq 代表低延迟推理芯片路线，如果 LPU 能在特定工作负载上显著降低推理成本，会迫使 GPU 云和模型 API 继续降价。第三，Perplexity 代表 AI 搜索入口，虽然收入规模与估值之间仍需要验证，但它可能改变搜索广告、推理查询和云资源消耗结构。

这些公司对美股投资的意义，不在于马上贡献大规模上市公司收入，而在于改变竞争边界。若低成本推理路线成熟，NVIDIA 的推理溢价可能受到影响，但推理需求总量可能因成本下降而扩大。若 AI 搜索入口分流传统搜索广告，Alphabet 需要在 AI 成本和广告收入之间重新平衡。若欧洲、加拿大、中东、亚洲的主权 AI 预算进入建设周期，数据中心、电力、光模块和芯片需求会进一步全球化。

AI 云与 neocloud：下游云计算公司的新增变量

传统云厂商是 AI 基建最重要的资本开支主体，但 2026 年的云市场已经不再只由 AWS、Azure、Google Cloud 三家解释。Oracle、CoreWeave、Nebius、Lambda、Crusoe 等 AI 云和 neocloud 正在承接模型公司、企业客户和高性能计算工作负载。Synergy Research 数据显示，2026 年一季度云基础设施服务季度收入达到 1286 亿美元，年化超过 5000 亿美元；其中 neocloud 已经占整体云市场约 5%。这个比例看似不高，但考虑到云市场基数巨大，5% 已经意味着数百亿美元级别的年化市场。

云厂商分层

CoreWeave：neocloud 的收入和 backlog 验证器

CoreWeave 是 AI 云扩张最具代表性的案例。公司披露 FY2025 收入 51 亿美元，backlog 668 亿美元。这说明 GPU 云已经从“加密矿场转型故事”变成大规模企业和模型公司算力承接平台。CoreWeave 对产业链的意义有三点。第一，它证明模型公司和企业客户愿意从传统云之外采购专用 AI 算力。第二，它把 NVIDIA GPU 需求与资本市场融资连接起来，形成高杠杆、高增长的云基础设施模式。第三，它为数据中心、电力和冷却提供了传统 hyperscaler 之外的新需求源。

CoreWeave 的风险同样明显。neocloud 模式资本开支极重，GPU 折旧周期短，融资成本和客户集中度高。若 GPU 租金下行、客户需求延期或融资环境恶化，利润率和现金流会迅速承压。对上市公司投资者来说，CoreWeave 的 backlog 增长利好 NVIDIA、Dell/Supermicro 服务器、数据中心和电力链，但也要警惕它成为 GPU 供需周期的放大器。景气上行时，neocloud 抢占产能并推高租金；景气下行时，高杠杆云服务商可能降价抢客户，加速算力价格回落。

Oracle：RPO 暴涨背后的 AI 数据中心再定价

Oracle 是 2026 年 AI 云叙事中变化最大的上市公司之一。公司披露 FY2026 Q3 剩余履约义务 RPO 达到 5530 亿美元，同比增长 325%；Cloud Infrastructure 收入 49 亿美元，同比增长 84%。RPO 的暴涨说明 Oracle 已经签下大规模长期云基础设施合同。结合 OpenAI Stargate 与 Oracle 的合作，Oracle 正在从“数据库和企业软件公司”变成“AI 数据中心合同承接平台”。

投资者需要同时看到 Oracle 的机会和压力。机会在于，RPO 给未来收入提供了罕见可见度，OCI 增速也证明 AI 云需求正在转化为收入。压力在于，大规模 AI 数据中心需要巨额 capex 和融资，合同收入确认周期长，客户集中度可能上升。如果 Oracle 为承接 AI 合同大幅增加债务和资本开支，短期现金流和信用指标会受到关注。换句话说，Oracle 是 AI 基建受益者，也是 AI 基建资本密集化的样本。

AWS、Azure、Google Cloud：从“云份额竞争”转向“AI 工厂效率竞争”

AWS、Azure、Google Cloud 的竞争正在从传统云市场份额转向 AI 工厂效率。传统云竞争看重区域覆盖、价格、数据库、开发者工具和企业销售；AI 云竞争则同时看 GPU/ASIC 供给、低延迟网络、模型服务、数据治理、能源成本和推理单位经济性。Microsoft 的优势在企业软件和 OpenAI 生态，AWS 的优势在最大云客户基础和自研 Trainium，Google 的优势在 TPU、Gemini、搜索广告数据和 Google Cloud 利润率改善。

对投资者而言，三大云的核心问题不同。Microsoft 要证明 AI run rate 能继续增长并覆盖 Azure capex；Amazon 要证明 AWS 增速和利润率足以修复自由现金流；Alphabet 要证明 Google Cloud 高增和高利润率不是一次性改善，并且搜索 AI 化不会侵蚀广告利润。表面上它们都在买 GPU、建数据中心，但资本市场给它们的估值逻辑不同。

权威机构观点：把主题从公司新闻拉回总量框架

单个公司公告容易让投资者被短期情绪牵引，权威机构预测的价值在于提供总量框架。不同机构的口径不完全一致，有的统计 AI 支出，有的统计数据中心 capex，有的统计电力需求，有的统计云市场收入。因此不能把数字简单相加，但可以用它们判断方向：AI 基建确实是多年资本开支周期，但资金会在芯片、云、数据中心、电力之间重新分配。

机构预测矩阵

阅读这些预测时要避免两个误区：一是把所有预测相加，得到夸张市场空间；二是因为数字巨大就忽略估值。更正确的做法，是把机构预测拆成“芯片支出、数据中心支出、电力支出、云收入、AI 软件收入”五个池子，再分别匹配上市公司的收入弹性和估值。

机构预测对产业链利润池的拆解

AI 支出总量并不等于上市公司利润。传导顺序大致如下：企业和模型公司 AI 预算  ↓云收入与算力租赁收入  ↓GPU/ASIC/服务器采购  ↓网络、光互连、存储、机柜  ↓数据中心土建、电源、冷却  ↓电网、发电、PPA、备用电源  ↓折旧、运维、电费、融资成本  ↓可持续自由现金流

这个拆解解释了为什么同样是 AI 基建，NVIDIA、CoreWeave、GE Vernova、Equinix 的利润模型完全不同。NVIDIA 在前端拿走高毛利芯片利润；CoreWeave 承担 capex 和融资，把 GPU 转化为云租赁收入；GE Vernova 提供电力设备和电网能力，利润来自长周期订单；Equinix 和 Digital Realty 把土地、电力和互联能力转化为租约和 AFFO。投资者应把机构预测当成“需求总量地图”，而不是当成单个公司估值依据。

电力预测：从成本项变成战略资源

IEA 对数据中心电力需求的分析尤其重要。美国占 2024 年全球数据中心用电的 45%，并且到 2030 年美国数据中心可能贡献接近一半电力需求增长。这意味着 AI 数据中心不是普通科技公司 capex，而是会改写局部电网规划、发电资产价值和公用事业投资节奏。Deloitte 和 McKinsey 对数据中心 capex 的预测同样说明，电力、冷却和土建不是边角料，而是模型公司和云厂商能否继续扩张的关键约束。

电力约束对股票选择有直接影响。若投资者相信 AI 训练和推理需求继续增长，但担心 GPU 估值过高，可以关注电力设备、配电、冷却和数据中心地产。GE Vernova 的订单和 book-to-bill、Vertiv 的有机增长和调整 EPS、Eaton 的模块化数据中心和能源管理、Constellation/Vistra 的长期 PPA，都是电力约束重估的不同表达。若电力项目延迟，芯片订单可能先兑现但数据中心上线延后；若电力容量被大型科技公司提前锁定，后端资产可能获得稀缺性溢价。

产业链宽度扩展：从“GPU 股票”到“AI 工厂资产负债表”

全产业链利润池表

这个表说明，AI 基建投资不能只从一个 PE 倍数出发。上游模型公司可能没有公开 PE，但它们决定需求；AI 云有收入但现金流受 capex 压制；芯片公司毛利高但估值高；电力设备增长慢一些但订单周期长；REITs 用 AFFO 估值；发电公司看电价和监管。同一主题下的资产负债表结构完全不同，组合构建必须分层。

产业链三种投资风格

成长进攻适合景气上行和风险偏好强的阶段；瓶颈定价适合市场从“买芯片”扩散到“买电力、冷却、土地”的阶段；现金流防守适合估值拥挤或利率不确定阶段。当前市场已经从第一阶段进入第二阶段和第三阶段交错期：NVIDIA 仍是核心，但 GE Vernova、Vertiv、Eaton、数据中心 REITs 和电力公司开始获得更多关注。

估值再深化：用“资本效率”而不是单一 PE 看 AI 基建

行情和估值表已经列出 PE、EPS、市值和隐含盈利收益率，但 AI 基建需要进一步看资本效率。因为这个行业当前最大的争论不是收入有没有，而是资本开支能不能转化为足够回报。Microsoft、Amazon、Alphabet、Meta 的 capex 会先压低自由现金流，再通过云收入、广告效率和企业软件收入回收。CoreWeave、Oracle 这样的 AI 云承接者会先扩大债务和 PP&E，再通过长期合同回收。Vertiv、GE Vernova、Eaton 则通过订单和设备交付回收。Equinix、Digital Realty 通过租约和 AFFO 回收。

资本效率对照

这张表解释了为什么在同样 AI 增长背景下，NVDA 和 EQIX 不应使用同一种估值语言。NVDA 的关键是毛利率和产品周期，EQIX 的关键是 AFFO、租金和资本成本；CoreWeave 的关键是 backlog 和 GPU 利用率，GEV 的关键是订单转收入和交付能力；OpenAI 的关键是收入和推理毛利，Microsoft 的关键是 AI run rate 和 Azure 增速。

估值容错率排序

容错率较高：MSFT / GOOGL / META / AMZN原因：主业现金流强，AI 是增量与防守性投入；但 capex 过高仍会压制 FCF。容错率中等：NVDA / AVGO / GEV / ETN / EQIX / DLR原因：基本面强或资产稀缺，但估值已反映较高增长；需要持续兑现。容错率较低：AMD / VRT / ANET / VST / 高杠杆 neocloud原因：增长弹性大，但估值、客户集中或资本结构对预期变化敏感。

这个排序不是投资建议，而是风险预算框架。若组合中高容错率资产占比高，投资者可以承受更多主题波动；若组合中低容错率资产占比高，必须更严格跟踪订单、估值和止损纪律。AI 基建是长期主题，但长期主题也会出现 30%至 50% 的中期回撤，尤其在高 beta 标的中更常见。

下游应用与企业采用：决定推理需求能否接住训练支出

模型训练和 AI 数据中心建设只是第一阶段，真正决定长期 ROI 的是下游应用。企业采用越快，推理需求越稳定，云厂商越能回收 capex；企业采用越慢，训练集群越容易变成供给过剩。下游应用包括代码生成、客服、销售、办公自动化、法律文档、医疗研究、广告生成、搜索、图像和视频创作、工业设计、药物发现、机器人和自动驾驶。

下游应用对基础设施的需求差异

真正的长期牛市需要从“训练需求”转向“推理需求”。训练需求推动第一轮 GPU 和数据中心建设，推理需求决定这些资产能否长期保持高利用率。若推理成本下降且应用普及，AI 基建有望类似云计算一样形成长期基础设施回报；若推理需求被价格战稀释，收入可能增长但利润未必同步增长。

企业采用的投资含义很清晰。Microsoft 的 Copilot、GitHub、Azure AI，Google 的 Gemini、Google Cloud 和搜索 AI，Amazon 的 Bedrock、AWS AI 和企业客户，Anthropic 的 Claude 企业部署，OpenAI 的 ChatGPT Enterprise，都需要证明客户愿意长期付费。Gartner 对 2026 年全球 AI 支出的预测说明企业预算正在迁移，但预算迁移不代表每家公司都能赚钱。企业客户会不断压价，模型 API 会竞争，开源模型会降低替代成本，推理硬件效率会提高。长期看，这有利于 AI 采用；短期看，它可能压缩模型公司和云厂商毛利。

报告阅读地图：把复杂报告拆成四层

第一层：看需求。OpenAI、Anthropic、xAI 的融资和收入，Microsoft/AWS/Google Cloud 的云增长，Meta 的广告效率。第二层：看供应。NVIDIA、AMD、Broadcom、Arista、CoreWeave、Oracle 的订单和算力交付。第三层：看硬约束。Vertiv、Eaton、GE Vernova、Equinix、Digital Realty、Constellation、Vistra 的电力、冷却、租约和 PPA。第四层：看回报。自由现金流、折旧、毛利率、AFFO、FFO、backlog、book-to-bill 和估值倍数。

如果四层同时改善，AI 基建投资逻辑最强；如果第一层改善但第二层过热，芯片估值可能先涨后压缩；如果第二层改善但第三层跟不上，数据中心上线延迟会影响收入；如果前三层都改善但第四层恶化，说明资本开支正在超过商业化速度。

风险：模型公司融资与算力合同的脆弱性

过去报告主要看上市公司 capex、估值和电力瓶颈；现在还要看一级市场融资和模型公司收入质量。

这些风险不是为了否定 AI 基建，而是为了把投资从叙事拉回证据。若模型公司融资顺畅、ARR 高增、推理成本下降、云合同执行、数据中心并网顺利，供应链高估值可以获得支撑。若融资依赖越来越强、收入披露越来越少、云合同越来越大但现金流越来越弱，投资者就必须下调风险敞口。

风险热力图

具体跟踪清单

量化评分框架：把叙事转成可比较指标

为了让报告不仅停留在定性判断，本文构建一个简化评分框架。评分不是买卖建议，而是帮助投资者把 AI 基建公司放在同一张表里比较。每家公司从五个维度打分：需求确定性、财务质量、估值压力、瓶颈稀缺性、风险暴露。其中需求确定性越高越好，财务质量越高越好，瓶颈稀缺性越高越好；估值压力越高表示估值越贵、容错率越低；风险暴露越高表示潜在回撤和经营不确定性越大。

评分框架的核心用途，是防止投资者把所有 AI 基建公司都贴上同一个标签。NVIDIA 的风险是预期和产品周期，Microsoft 的风险是 capex 回报，Vertiv 的风险是高估值和订单节奏，GE Vernova 的风险是交付和监管，Equinix 的风险是利率。不同风险不能用同一个仓位纪律处理。

打分后的组合含义

如果投资者追求稳健，应提高 Microsoft、Alphabet、NVIDIA、Broadcom、Eaton、Equinix 的比重，降低 AMD、Vistra、部分高杠杆 neocloud 的比重。如果投资者追求弹性，可以提高 AMD、Arista、Vertiv、GE Vernova、Vistra 的比重，但必须接受更大的回撤。如果投资者担心芯片估值过高，又相信 AI 基建长期成立，可以把权重从 GPU 转向电力、冷却、REITs 和云平台。若投资者认为 AI ROI 会低于预期，则应优先保留主业现金流强、PE 不极端的 Microsoft、Alphabet、Meta，减少高 PE 供应链敞口。

机构观点详解：从“空间大”到“谁会赚钱”

Gartner、Deloitte、McKinsey、IEA、Morgan Stanley 和 Goldman Sachs 的预测都指向一个共同结论：AI 基建投资规模巨大，而且会持续多年。但投资者真正需要从这些机构观点中提取的，不是“总市场空间很大”这一句，而是支出结构和利润分配。如果 2026 年全球 AI 支出达到 Gartner 预计的 2.52 万亿美元，其中 AI 基础设施新增 4010 亿美元，那么基础设施仍只是整体 AI 支出的一部分。这意味着软件、服务、终端、企业部署和行业应用也会分走预算，芯片公司不可能独占全部 AI 增量。

Deloitte 对 2026 年 AI 数据中心 capex 的预测更偏基础设施口径。其 4000 亿至 4500 亿美元的全球 AI 数据中心资本开支预测中，芯片约 2500 亿至 3000 亿美元。这说明芯片仍是最大单项，但也意味着还有约 1000 亿至 2000 亿美元可能流向服务器、网络、电源、冷却、土地、建设和电力配套。对于 Vertiv、Eaton、GE Vernova、Arista、Broadcom、Equinix 和 Digital Realty 来说，这部分非芯片支出是估值重估的核心依据。

McKinsey 的预测则把时间拉到 2030 年。其数据中心基础设施资本开支不含 IT 硬件超过 1.7 万亿美元的估算，说明即便把 GPU 和服务器拿掉，土建、电力、冷却、配电、土地和工程仍是万亿美元级投资池。更宽口径下，AI 数据中心投资可能达到 3 万亿至 8 万亿美元。这个范围非常宽，说明不确定性巨大，但也说明资本市场关注电力和数据中心不是短期炒作，而是对长期基础设施缺口的重新定价。

IEA 的电力数据帮助投资者理解为什么发电和电网资产会被纳入 AI 主题。美国在 2024 年已经占全球数据中心用电的 45%，到 2030 年数据中心可能贡献美国接近一半电力需求增长。这不是普通 IT 支出，而是会影响地区电价、输电规划、燃气轮机排产、核电合同和公用事业资本开支的真实需求。对于 GE Vernova、Constellation、Vistra、Eaton 和 Vertiv 来说，IEA 的预测比一般 AI 新闻更重要，因为它解释的是“为什么电力资产会从低增长行业重新定价”。

Morgan Stanley 的 2026 年投资主题强调 AI 基础设施、AI 采用者以及能源和关键资源自给。这与本文的框架一致：AI 投资不能只买基础设施，也要关注下游采用者和能源约束。如果只有基础设施扩张而没有应用采用，capex 会变成折旧压力；如果只有应用需求而没有电力和数据中心，收入会受容量限制。真正健康的 AI 投资周期，需要基础设施、应用和能源三条线同时前进。

Goldman Sachs 对 AI 公司 2026 年超过 5000 亿美元投资的讨论，强调了资本开支规模已经进入宏观级别。当单一主题的资本开支达到数千亿美元，就不再只是行业分析，而会影响企业自由现金流、债券融资、工业设备产能、电网投资和通胀结构。投资者应把 AI capex 放进宏观组合视角：若利率上行，长久期 AI 股票和 REITs 会承压；若信贷收紧，neocloud 和高杠杆数据中心项目会承压；若能源价格上升，AI 数据中心成本会抬升。

估值敏感性：几个简单情景比复杂模型更有用

AI 基建的财务模型很容易做得复杂，但真正影响股价的通常是几个核心变量：收入增速、毛利率、capex、折旧、自由现金流和估值倍数。以下情景不是精确预测，而是帮助理解不同变量如何影响投资结论。

情景一：云收入继续高增，资本开支被证明有效

若 AWS、Azure、Google Cloud 在未来四到六个季度继续保持高增，Microsoft AI run rate 继续翻倍，OpenAI/Anthropic 的企业收入继续增长，模型 API 价格下降但调用量更快增长，则 Big Tech capex 会被市场视为扩张性投资。在这个情景中，NVIDIA、Broadcom、Arista、Vertiv、GE Vernova、Eaton 和数据中心 REITs 都有基本面支撑。高 PE 供应链仍可能波动，但每次回调容易被订单和指引修复。

情景二：收入增长但利润率下滑

若云收入继续增长，但推理价格战、GPU 折旧、电力成本和客户折扣导致利润率下降，则收入增长无法完全支撑估值。在这个情景中，平台公司仍有收入，但 PE 会被压缩；模型公司融资仍可继续，但估值可能下调；供应链订单短期仍强，但投资者会担心终端客户回报不足。最受压制的是高估值、高 beta、客户集中度高的供应链公司。

情景三：电力成为最大约束

若模型公司和云厂商需求强劲，但电网接入、变压器、燃气轮机、液冷和许可成为瓶颈，则电力链和物理基础设施会继续跑赢部分芯片资产。GE Vernova、Eaton、Vertiv、Constellation、Vistra、Equinix、Digital Realty 受益于稀缺性，但也可能因为项目延期造成收入确认波动。这个情景下，“有电、有地、有客户”的数据中心资产价值上升。

情景四：模型公司融资降温

若 OpenAI、Anthropic、xAI 等上游模型公司融资估值下降、ARR 低于预期或云合同推迟，则供应链预期会迅速降温。neocloud 因杠杆高和客户集中，风险最大；GPU 租金和二级市场价格可能下行；NVIDIA 和 Broadcom 会受到估值压缩，电力和冷却订单也会延后。平台公司中，Microsoft、Alphabet、Amazon、Meta 仍有主业现金流支撑，可能相对抗跌。

情景五：推理成本大幅下降，应用快速普及

若硬件、模型压缩、低精度推理、缓存、蒸馏和专用推理芯片让单位推理成本大幅下降，AI 应用可能快速普及。短期看，API 单价下降可能压低模型公司收入单价；长期看，需求弹性可能更大，推理调用量和应用场景增加，云厂商和应用公司受益。这个情景对 Microsoft、Alphabet、Amazon、Meta、ServiceNow、Salesforce 等应用和平台公司更友好，对纯高价训练 GPU 叙事则要求产品持续升级。

组合监控模板：把报告转化为月度跟踪表

投资报告如果不能转化为跟踪动作，很容易变成一次性阅读材料。下面给出一个可复用的月度跟踪模板，投资者可以按季度财报和重大事件更新。

月度跟踪的第一原则：不要只看股价涨跌，要看股价背后的领先指标是否还在改善。如果股价涨而订单和收入没有同步改善，是估值扩张；如果股价跌但订单、收入和现金流仍在改善，可能是配置机会；如果股价跌且基本面同步转弱，应优先保护本金。

常见误区

误区一：认为 AI 基建等于 NVIDIA。NVIDIA 是核心利润池，但 OpenAI、Anthropic、AWS、Google、Oracle、CoreWeave、Broadcom、Arista、Vertiv、GE Vernova、电力公司和数据中心 REITs 都在分享资本开支。只看 NVIDIA 会错过电力和数据中心约束，也会低估客户自研 ASIC 的影响。

误区二：认为大模型融资越多越好。融资越多说明一级市场信心强，但也说明资本消耗大。若融资没有对应收入、毛利和客户留存，最终会变成资本开支压力。OpenAI 和 Anthropic 的关键不是估值高，而是收入和推理毛利能否匹配算力合同。

误区三：认为云收入增长就一定利好所有供应商。云收入增长利好需求，但供应商利润还取决于议价、客户集中、毛利率和折旧周期。大型云厂商会通过自研芯片、多供应商和长期采购协议压低成本。

误区四：把电力资产当成无风险防守。Constellation、Vistra、GE Vernova、Eaton 等确实受益于 AI 电力需求，但它们也受监管、燃料、项目执行、资本开支和估值影响。AI 叙事不会消除公用事业和工业设备的基本风险。

误区五：用普通 PE 评价 REITs。Equinix 和 Digital Realty 更适合看 AFFO、Core FFO、租金、预租、开发收益率和债务成本。普通 PE 容易因折旧和地产会计处理产生误导。

误区六：把机构预测当成目标价。Gartner、Deloitte、McKinsey、IEA 的数字帮助理解总量方向，但不能直接推出某只股票上涨空间。市场空间和股东回报之间隔着竞争格局、资本效率、估值和执行风险。

核心判断

综合上游模型公司、云厂商、供应链、数据中心、电力和权威机构预测，AI 基建投资应同时保持结构性乐观和估值纪律。

第一，AI 基建需求的广度比只看四大 Big Tech 更大。OpenAI、Anthropic、xAI、CoreWeave、Oracle 和 neocloud 正在形成新增需求源。模型公司融资和云合同是上市公司订单的前置指标。第二，AI 基建需求的硬约束比只看 GPU 更强。电力、冷却、数据中心许可、变压器、燃气轮机和 PPA 会决定数据中心能否上线。第三，AI 基建的估值分化已经很大。需求端平台公司 PE 低于部分供应链高 beta，公司质量和估值容错率需要分开评估。第四，权威机构预测支持长期主题，但不保证短期回报。第五，最终决定投资成败的是 ROI：云收入、企业采用、推理毛利和自由现金流必须跟上资本开支。

买入前必须回答的二十个问题

为了让报告能直接服务投资研究，下面给出二十个问题。每个问题都对应一个可能影响估值的核心变量。若多数问题无法回答，说明当前研究还停留在主题层面；若答案能用公司公告、财报、合同、订单、现金流和第三方数据验证，投资判断才更稳。

这二十个问题可以当作每次财报季复盘模板。如果问题的答案越来越清晰、数据越来越强，AI 基建组合可以承受更高估值；如果答案越来越模糊、管理层只讲长期愿景而不披露订单和现金流，投资者应主动降低主题暴露。

不同投资者的配置路径

不同投资者对波动的承受能力不同，AI 基建不应该只有一种配置方式。下面的路径同样不是买卖建议，而是把报告结论转化为组合语言。

实际配置时，最容易犯的错误是“仓位与确定性不匹配”。例如，AMD 和 VST 的弹性很高，但确定性和估值容错率不如 Microsoft 或 Alphabet；Vertiv 和 Arista 业务质量较高，但估值已经要求连续超预期；GE Vernova 订单强，但项目交付和电力监管复杂。仓位应与证据强度、估值安全边际和个人风险承受能力匹配。

报告使用方法

这份报告建议按三种方式使用。第一，作为产业链地图。读者可以从上游模型公司开始，理解融资如何传导到云、芯片、网络、电力和数据中心。第二，作为财报季清单。每个季度更新 Microsoft、Amazon、Alphabet、Meta、NVIDIA、Broadcom、Vertiv、GE Vernova、Equinix、Digital Realty 等公司的核心指标，观察是否与报告假设一致。第三，作为风险控制工具。当市场因为 AI 新闻大涨时，用估值、现金流和 capex 回收期判断是否过热；当市场因为短期波动下跌时，用订单、收入和长期合同判断是否错杀。

最终，AI 基建投资的难点不是找到主题，而是避免在正确主题上用错误价格和错误仓位承担过高风险。上游模型公司越强，供应链需求越真实；但模型公司融资越大，商业化压力也越大。云厂商收入越强，capex 越容易被解释；但 capex 越大，自由现金流波动也越明显。电力越稀缺，后端资产越重要；但监管和项目周期也会让回报更慢。真正成熟的投资框架，是同时承认 AI 基建的长期价值和短期估值风险。

本文的投资排序观点

若按“确定性优先”，第一层应看 Microsoft、Alphabet、NVIDIA、Broadcom。Microsoft 和 Alphabet 的优势是 AI 收入或云利润已经可计量，NVIDIA 和 Broadcom 的优势是供应端利润池和现金流强。若按“瓶颈优先”，第一层应看 GE Vernova、Vertiv、Eaton。它们对应电力、配电和冷却，受 GPU 技术路线变化影响更小。若按“弹性优先”，AMD、Arista、Vistra 的弹性更高，但也更依赖预期兑现和估值环境。若按“收益稳定性”，Equinix 和 Digital Realty 更适合用 AFFO/FFO 估值，在利率下行或租约强劲时更有吸引力。

本文不建议把“AI 基建”当成一个统一买入篮子。当前估值差异已经很大，META 约 22 倍 PE，MSFT 约 25 倍，GOOGL 约 29 倍，而 AMD 约 178 倍、AVGO 约 105 倍、VRT 约 82 倍、ANET 约 65 倍。这意味着低 PE 平台股和高 PE 供应链股反映的是完全不同的风险收益。平台股承担 capex 回收风险，供应链股承担订单和估值兑现风险。组合中同时配置两类资产，可以降低单一方向判断错误带来的损失。

结论

美股 AI 基建仍是 2026 年最重要的结构性主题之一，但它已经进入“数字胜于叙事”的阶段。四大买方 capex 已经大到足以改变云厂商自由现金流和供应链估值；供应端从 NVIDIA 扩散到 Broadcom、Arista、Vertiv、Eaton、GE Vernova、Equinix、Digital Realty 和电力公司；后端电力与冷却的稀缺性正在重估。但当主题变得拥挤后，投资者更需要表格里的数字，而不是发布会上的形容词。

最稳健的研究路径是三步。第一，看需求端：Microsoft AI run rate、AWS/GCP/Azure 增速、Meta 广告效率和四大公司 capex 是否同步改善。第二，看供应端：NVIDIA 数据中心收入、Broadcom AI 收入、Arista AI 网络订单、Vertiv/GE Vernova backlog 是否继续扩张。第三，看估值端：普通 PE、forward PE、P/AFFO、FCF 收益率是否仍能被增长解释。只有这三步同时成立，AI 基建板块才有继续扩张估值的基础。若其中任何一步掉队，主题不会消失，但个股回撤会很快。

参考来源

[1] 实时行情查询：https://finance.yahoo.com/quote/NVDA/ ，AMD https://finance.yahoo.com/quote/AMD/ ，AVGO https://finance.yahoo.com/quote/AVGO/ ，ANET https://finance.yahoo.com/quote/ANET/ ，VRT https://finance.yahoo.com/quote/VRT/ ，ETN https://finance.yahoo.com/quote/ETN/ ，GEV https://finance.yahoo.com/quote/GEV/ ，CEG https://finance.yahoo.com/quote/CEG/ ，VST https://finance.yahoo.com/quote/VST/ ，EQIX https://finance.yahoo.com/quote/EQIX/ ，DLR https://finance.yahoo.com/quote/DLR/ ，MSFT https://finance.yahoo.com/quote/MSFT/ ，AMZN https://finance.yahoo.com/quote/AMZN/ ，GOOGL https://finance.yahoo.com/quote/GOOGL/ ，META https://finance.yahoo.com/quote/META/

[2] Tom's Hardware，《Google, Microsoft, Meta, and Amazon capex spending to hit $725 billion in 2026》，https://www.tomshardware.com/tech-industry/big-tech/big-techs-ai-spending-plans-reach-725-billion

[3] Microsoft Investor Relations，《FY26 Q3 Earnings Release》，https://www.microsoft.com/en-us/investor/earnings/FY-2026-Q3/press-release-webcast

[4] Amazon Investor Relations，《Amazon.com Announces First Quarter Results》，https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon-com-Announces-First-Quarter-Results/

[5] Alphabet Investor Relations，《Alphabet Announces First Quarter 2026 Results》，https://s206.q4cdn.com/479360582/files/doc_financials/2026/q1/2026q1-alphabet-earnings-release.pdf

[6] Meta Investor Relations，《Meta Reports First Quarter 2026 Results》，https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-First-Quarter-2026-Results/default.aspx

[7] NVIDIA Investor Relations，《NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026》，https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Fourth-Quarter-and-Fiscal-2026/

[8] AMD Newsroom，《AMD Reports Fourth Quarter and Full Year 2025 Financial Results》，https://www.amd.com/en/newsroom/press-releases/2026-2-3-amd-reports-fourth-quarter-and-full-year-2025-fina.html

[9] Broadcom Investor Relations，《Broadcom Inc. Announces First Quarter Fiscal Year 2026 Financial Results and Quarterly Dividend》，https://investors.broadcom.com/node/63976/pdf

[10] Arista Investor Relations，《Arista Networks, Inc. Reports Fourth Quarter and Year End 2025 Financial Results》，https://investors.arista.com/Communications/Press-Releases-and-Events/Press-Release-Detail/2026/Arista-Networks-Inc--Reports-Fourth-Quarter-and-Year-End-2025-Financial-Results/default.aspx

[11] Vertiv Investor Relations，《Vertiv Reports Strong First Quarter with Diluted EPS Growth of 136%; Raises Full-Year Guidance》，https://investors.vertiv.com/news/news-details/2026/Vertiv-Reports-Strong-First-Quarter-with-Diluted-EPS-Growth-of-136-Adjusted-Diluted-EPS-Growth-of-83-Raises-Full-Year-Guidance/default.aspx

[12] GE Vernova，《GE Vernova reports first quarter 2026 financial results and raises 2026 guidance》，https://www.gevernova.com/sites/default/files/gev_webcast_pressrelease_04222026.pdf

[13] Eaton，《Data centers market outlook 2026》，https://www.eaton.com/us/en-us/company/news-insights/blog/blog-data-centers-market-outlook-2026-eaton.html

[14] Equinix Newsroom，《Equinix Reports First-Quarter Results and Raises Full-Year Financial Outlook》，https://newsroom.equinix.com/2026-04-29-Equinix-Reports-First-Quarter-Results-and-Raises-Full-Year-Financial-Outlook

[15] Digital Realty Investor Relations，《Digital Realty Reports First Quarter 2026 Results》，https://investor.digitalrealty.com/news-releases/news-release-details/digital-realty-reports-first-quarter-2026-results

[16] Meta Newsroom，《Meta Announces Nuclear Energy Projects, Unlocking Up to 6.6 GW to Power American Leadership in AI Innovation》，https://about.fb.com/news/2026/01/meta-nuclear-energy-projects-power-american-ai-leadership/amp/

[17] Reuters Breakingviews，《How Big Tech's $630 bln AI splurge will fall short》，https://www.reuters.com/commentary/breakingviews/how-big-techs-630-bln-ai-splurge-will-fall-short-2026-03-26/

[18] MarketWatch，《Big Tech's $700 billion spending on AI this year is called the greatest capital misallocation in history》，https://www.marketwatch.com/story/big-techs-700-billion-spending-on-ai-this-year-is-called-the-greatest-capital-misallocation-in-history-7d44aa4b

[19] Goldman Sachs，《Why AI Companies May Invest More than $500 Billion in 2026》，https://www.goldmansachs.com/insights/articles/why-ai-companies-may-invest-more-than-500-billion-in-2026

[20] Yahoo Finance，《$1.4 Trillion Needed for AI Data Center Electrification by 2030》，https://finance.yahoo.com/news/1-4-trillion-needed-ai-132108238.html

[21] OpenAI，《OpenAI raises $122 billion to accelerate the next phase of AI》，https://openai.com/index/accelerating-the-next-phase-ai/

[22] OpenAI，《Announcing The Stargate Project》，https://openai.com/index/announcing-the-stargate-project/

[23] OpenAI，《OpenAI, Oracle, and SoftBank expand Stargate with five new AI data center sites》，https://openai.com/index/five-new-stargate-sites

[24] Amazon，《AWS and OpenAI announce multi-year strategic partnership》，https://www.aboutamazon.com/news/aws/aws-open-ai-workloads-compute-infrastructure

[25] Anthropic，《Anthropic raises 380 billion post-money valuation》，https://www.anthropic.com/news/anthropic-raises-30-billion-series-g-funding-380-billion-post-money-valuation

[26] Anthropic，《Anthropic and Amazon expand collaboration for up to 5 gigawatts of new compute》，https://www.anthropic.com/news/anthropic-amazon-compute

[27] TechCrunch，《Anthropic ups compute deal with Google and Broadcom amid skyrocketing demand》，https://techcrunch.com/2026/04/07/anthropic-compute-deal-google-broadcom-tpus/

[28] TechCrunch，《xAI says it raised $20B in Series E funding》，https://techcrunch.com/2026/01/06/xai-says-it-raised-20b-in-series-e-funding/

[29] Apollo Global Management，《Apollo Backs 3.5 Billion Capital Solution》，https://ir.apollo.com/news-events/press-releases/detail/599/apollo-backs-5-4-billion-valor-and-xai-data-center-compute

[30] CoreWeave Investor Relations，《CoreWeave Reports Strong Fourth Quarter and Fiscal Year 2025 Results》，https://investors.coreweave.com/news/news-details/2026/CoreWeave-Reports-Strong-Fourth-Quarter-and-Fiscal-Year-2025-Results

[31] Oracle，《Oracle Announces Fiscal Year 2026 Third Quarter Financial Results》，https://www.oracle.com/news/announcement/q3fy26-earnings-release-2026-03-10/

[32] Yahoo Finance，《Mistral AI Raises $830 Million in Debt For Nvidia-Powered Data Center》，https://finance.yahoo.com/sectors/technology/articles/mistral-ai-raises-830-million-094600755.html

[33] TechCrunch，《Nvidia AI chip challenger Groq raises even more than expected, hits $6.9B valuation》，https://techcrunch.com/2025/09/17/nvidia-ai-chip-challenger-groq-raises-even-more-than-expected-hits-6-9b-valuation/

[34] TechCrunch，《Perplexity reportedly raised 20B valuation》，https://techcrunch.com/2025/09/10/perplexity-reportedly-raised-200m-at-20b-valuation/

[35] Gartner，《Gartner Says Worldwide AI Spending Will Total $2.5 Trillion in 2026》，https://www.gartner.com/en/newsroom/press-releases/2026-1-15-gartner-says-worldwide-ai-spending-will-total-2-point-5-trillion-dollars-in-2026

[36] Morgan Stanley，《AI Market Trends 2026: Global Investment, Risks, and Buildout》，https://www.morganstanley.com/insights/articles/ai-market-trends-institute-2026

[37] International Energy Agency，《Executive summary: Energy and AI》，https://www.iea.org/reports/energy-and-ai/executive-summary

[38] Deloitte Insights，《More compute for AI, not less》，https://www.deloitte.com/us/en/insights/industry/technology/technology-media-and-telecom-predictions/2026/compute-power-ai.html

[39] McKinsey，《Building data centers bigger, faster》，https://www.mckinsey.com/industries/private-capital/our-insights/scaling-bigger-faster-cheaper-data-centers-with-smarter-designs

[40] McKinsey，《The $7 trillion race for AI data center infrastructure》，https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-7-trillion-dollar-data-center-build-out-how-industrials-can-capture-their-share

[41] Synergy Research Group，《Cloud market hits new highs as AI drives Q1 2026 growth》，https://www.srgresearch.com/articles/cloud-market-hits-new-highs-as-ai-drives-q1-2026-growth

声明

本微信公众号发布的研究报告及分析内容（以下简称“本报告”）仅代表发布者基于公开信息的个人研究观点，并非专业投资建议，亦不构成任何投资决策依据。使用者在依据本报告内容进行任何决策或行动前，应审慎独立判断或咨询具备专业资质的财务顾问。

发布者郑重声明如下：

1. 1. 信息与来源：本报告基于撰写时认为可靠的、已公开的互联网公开信息进行分析。发布者无法保证所引用信息的完整性、准确性与时效性，不对其可能存在的错误、遗漏或延迟承担责任。
2. 2. 观点与立场：报告中的分析、结论、评级及预测仅为发布者基于特定时点及假设条件的个人主观见解，可能带有局限性与偏差。市场状况瞬息万变，相关观点可能未经及时更新，不代表未来事实。
3. 3. 非专业意见：发布者并非中国证监会注册的证券投资顾问或执业分析师，本报告不构成任何形式的证券、金融产品推荐或要约。报告内容不应被视为对特定证券的买入、卖出或持有的建议。
4. 4. 风险提示：证券投资存在市场风险、政策风险、流动性风险等多种固有风险。使用者应充分认识投资风险，过往业绩不代表未来表现。任何依据本报告进行的投资操作，其相关风险及后果均由使用者自行承担，发布者不承担任何直接、间接或连带责任。
5. 5. 利益披露与潜在利益冲突：发布者及其关联方可能在报告发布时已持有或未来将持有本报告所提及公司的证券头寸。所有分析观点均为基于公开信息的独立研究产出，不代表为影响股价或服务于自身持仓而发布。发布者承诺，将尽力确保报告的客观性，但使用者应知悉潜在利益冲突存在的可能性，并对此予以审慎考虑
6. 6. 知识产权与转载：本报告版权归发布者所有，任何个人或机构在未获得书面授权的情况下，不得对本报告进行修改、复制、转载或用于商业用途。转载请注明来源。
7. 7. 最终解释权：发布者保留对本免责声明及报告内容的最终解释权，并有权在不事先通知的情况下进行修订。