最近，全球半导体、存储、光通信、服务器和AI数据中心相关股票经历了一轮非常剧烈的调整。很多人的第一反应是：AI需求是不是见顶了？CSP是不是要开始缩减资本开支了？算力的大周期是不是结束了？这轮调整首先是一场拥挤交易、杠杆资金和过高预期的集中出清。费城半导体指数一度较6月高点回撤超过20%，Situational Awareness基金7月组合价值下降约67%，随后清掉了大部分公开市场股票并取消杠杆。这不是产业需求突然下降67%，而是一个高集中度、高波动、高杠杆组合遭遇了典型的流动性危机。市值＝需求量Q × 产品价格P × 利润率M × 估值倍数V
过去一段时间，市场同时押注Q、P、M、V四项上升：AI服务器数量增加，存储和光模块价格上涨，产业链利润率扩张，估值也不断提升。现在真正发生的变化是：Q仍然很强，但V开始压缩，市场同时提前怀疑P和M是否已经接近阶段性高点。所以，即使企业本季度收入和利润继续增长，股价仍然完全可能下跌。股价交易的从来不是“有没有增长”，而是未来还能不能继续超预期。但如果跳出股价波动，认真看完微软、谷歌、亚马逊和Meta的财报，我认为这轮财报不仅没有证伪AI，反而给出了一个比过去更重要的信号：AI需求已经开始从少数头部模型厂商，扩散到企业客户、开发者、开源模型、多模型平台以及互联网公司的自有业务。
Azure本季度收入增长43%，而且客户需求仍然超过可用产能。微软商业剩余履约义务增长84%至6780亿美元，最重要的是，商业RPO的全部环比增长都来自前沿模型公司之外的客户。微软云接近90%的收入，也来自前沿模型公司之外。与此同时，Azure已经提供超过11000个模型，使用多家模型提供商进行开发的客户数量，年初以来增长了五倍。企业不再只试用某一个头部模型，而是在根据质量、成本、延迟和合规要求，同时使用多个模型，把AI真正接入数据库、办公软件、客服、代码、营销和企业工作流。Google Cloud收入增长82%至248亿美元，积压订单达到5140亿美元，新增积压订单主要由企业AI产品推动。谷歌还特别说明，绝大多数积压订单仍然是来自广泛客户群的常规GCP合同，而不是少数超大模型公司的单一订单。接近90%的《财富》100强企业已经在使用Gemini Enterprise，谷歌模型API处理量已经达到每分钟约220亿Token，且仍然受到算力供给限制。AWS本季度收入也增长37%，创18个季度以来最快增速，AI业务和自研芯片业务的年化收入都已经超过250亿美元。客户不仅包括OpenAI和Anthropic，也包括大量AI创业公司、传统大型企业和各类应用开发商。因此，这轮云业务的集体加速，不能再简单理解成“两家头部模型公司继续烧钱”。更准确地说，是AI需求正在从头部模型训练，扩散到企业推理、Agent、搜索、广告、代码、数据库、客服、办公软件和各种内部业务流程。这也解释了为什么开源模型能力提升，并不必然利空云和算力。开源模型降低的是使用AI的门槛，而不是消灭计算需求。模型越便宜、部署越简单，能够使用AI的企业越多，调用频率越高，Agent数量越多，能够被自动化的工作流程也越多。总算力需求＝智能体数量 × 单个智能体调用频率 × 每次任务Token量 × 每Token计算量
模型效率提升可能降低最后一项，但Agent数量、调用频率、上下文长度、推理深度、长期记忆和多模态输入，完全可能以更快的速度增长。而绝大多数企业不可能自己购买服务器、建立数据中心、维护网络和模型平台。它们最终仍然会通过Azure、AWS、Google Cloud以及各种云服务商按需调用算力。开源模型不是云计算的终结者，反而可能成为云推理渗透率的加速器。Meta不是传统意义上的CSP，但它可能比CSP更能说明AI算力最终会被用到哪里。“算力远远不足以满足所有需求。”
Meta认为，过去整个行业为AI建设的基础设施不足，未来相当长时间内行业算力仍会维持紧张。公司不仅内部有大量需求，也收到了很多以明显高于成本的价格购买其算力的报价。更重要的是，Meta的算力并不是只用来训练一个大模型。AI正在改善Facebook和Instagram的内容推荐、广告匹配、用户理解、广告素材生成和产品开发效率。Meta已经有900万家小企业在使用AI广告创意工具，超过100万家企业每周通过Meta Business Agents与客户沟通或完成交易。Meta的目标，是把个人智能体和企业智能体服务覆盖到3.6亿日活用户——更准确地说，是36亿日活用户和数百万家企业。这意味着，未来算力需求最大的来源，未必只是几家模型公司不断进行更大的预训练。真正可能持续放量的，是几十亿用户每天不断发生的推荐、搜索、广告、视频生成、个人助理和商业智能体推理。训练决定模型能力的上限，推理决定AI最终能形成多大的收入市场。Meta股价因为资本开支和自由现金流压力受到负面定价，并不等于这些算力没有价值。市场在担心的是投入节奏和短期现金流，而Meta管理层看到的是：算力既可以改善现有广告业务，也可以支持个人智能体、企业服务、模型API，甚至直接对外出售。这才是Meta财报真正重要的地方。AWS通常要在客户开始付费前6—24个月，提前支付土地、电力、芯片、服务器和网络设备的成本；芯片、服务器和网络设备的预计使用寿命约为5—6年。亚马逊表示，这些资产投入使用几年后，累计自由现金流和资本回报率具有吸引力，而且2026年相当一部分资本开支已经获得客户承诺。亚马逊没有承诺所有AI服务器都能固定在三年内回本。它给出的是AWS组合层面的现金周期与资本回报框架。最终回报仍然取决于设备利用率、Token价格、电力成本、客户信用、芯片迭代速度以及旧设备能否继续用于推理。微软、谷歌和AWS证明了需求正在扩散；Meta证明了AI已经能够直接改善现有业务，并有机会服务几十亿用户；亚马逊证明了高资本开支与长期自由现金流之间存在合理的时间差。
这三者合在一起，远比单独讨论某一家公司的服务器回收周期重要。目前更像是算力交易从“只看订单和缺货”，进入“必须验证资本回报率”的第二阶段，而不是AI产业周期已经结束。GPU和ASIC的总需求仍然可能增长，但利润会在通用GPU、自研芯片和云厂商之间重新分配；存储的核心不再是现货价格还能涨多少，而是AI能否抬高行业长期利润中枢，避免过去赚几年钱再亏几年的循环；光通信的长期需求逻辑仍然很强，但也需要ai大叙事的修复。真正需要转向悲观的信号，不是股价又跌了10%，而是：云收入增速持续下降、积压订单减少、CSP下调资本开支、算力利用率和租赁价格下降、存储长协价格松动。
所以现阶段，我不会因为财报后股价下跌，就把它理解成AI需求已经结束；但同样也不会因为产业逻辑仍然成立，就用高杠杆去赌所有股票迅速V形反转。长期看产业，短期看筹码；按照正常化利润而不是峰值利润估值；优先研究真正拥有技术壁垒、客户份额、长期合同和现金流能力的公司。 
