当谷歌在最新财报中继续上调资本开支,市场几乎形成条件反射:买入英伟达、台积电、博通

当谷歌在最新财报中继续上调资本开支，市场几乎形成条件反射：买入英伟达、台积电、博通。这套逻辑并非错误，但已经过于拥挤——当所有人都看见机会，超额收益就被压缩了。AI军备竞赛的真正Alpha，可能藏在两个被传统模型低估的物理瓶颈里：电力与液冷约束、接口与存算拆解。
一、拥挤的共识
谷歌提高Capex确实利好上游硬件链条，但一阶思维已被充分定价。半导体公司会拿到订单，晶圆厂产能利用率提升，HBM供应商强化议价能力——这些都是真实发生的。但正因为太顺滑，超额收益逐步压缩。真正的价值正从“算力芯片数量”向“系统连接与能源管理”迁移。
二、物理约束主线：电力与液冷
AI机柜功率密度从十几千瓦飙升到上百千瓦，传统风冷彻底失效。一些地区已出现电力接入排队、变压器交付周期拉长的情况。再多的GPU如果面临电力瓶颈，也只能躺在仓库里。具备长期购电协议、快速电网接入能力的公司，正从传统能源配套角色变成AI算力关键节点。同时，液冷从可选项变成必选项，它重构了数据中心空间设计和能源循环——废热不再只是废热，而可能成为可回收的能源流。芯片决定理论算力，电和热决定实际算力，这将成为硬件投资最重要的分水岭。
三、接口与存算：Memory Wall下的新定价
AI芯片性能提升很快，但数据搬运速度没有同步提升，形成“存储墙”。大模型训练中，计算单元不断等待数据，昂贵的GPU出现算力空转。谷歌的资金被迫流向HBM、SerDes、PCIe、光互连、CXL内存池化。AI集群越大，连接越贵；连接越关键，接口越有定价权。CXL技术有机会把内存资源池化，提高利用率，在HBM供应紧张背景下获得超额价值。
四、判断清单：寻找下一轮Alpha
综合来看，可建立两层框架：第一层是电力与液冷，关注能锁定长期电力资源、提供液冷系统集成的环节；第二层是接口与存算，关注CXL Switch、Retimer、光互连、HBM相关产业链。边际风险在于：这些方向未必都有立刻爆发的收入，但越靠近真实瓶颈，越可能获得定价权。
所以，当共识已经拥挤，Alpha往往藏在更深处。那么问题来了：你认为电力与液冷约束，还是接口存算瓶颈，会更先成为大模型集群扩张的实质性短板？