更多投研资料加入知识星球
☁️ 海外云巨头Q2财报拆解：AI赚钱了吗？钱又花哪儿了？
最近海外头部云厂商陆续披露财报，AI业务到底赚不赚钱、资本开支为何上调、产业链机会在哪儿？今天把机构交流的核心观点快速捋一遍，纯产业视角，不构成投资建议。
? 一、AI业务真的开始赚钱了
这次财报最大的惊喜：AI相关收入年化突破数百亿美元，增速三位数。
更关键的是，AI不是"单独赚钱"——它把传统云业务也"带飞"了。原本大家预期传统云计算增速可能放缓到10%出头，实际却跑到了15%以上。原因是企业在训练模型、部署智能体时，会同步采购更多存储、数据库和网络资源。AI和传统云正在形成"双轮驱动"。
利润端同样亮眼：云业务运营利润同比增长超60%，AI基础设施的长期使用回报率能保持在30%以上。简单说，AI这块生意，已经开始从"烧钱"转向"赚钱"了。
?️ 二、资本开支上调，但钱不是花在"扩规模"
财报后最受关注的是：全年资本开支指引从约2000亿美元上调到约2200亿。市场第一反应是"又要大干快上了"？
机构调研反馈：这200亿增量，绝大部分是内存涨价"逼"出来的。
HBM（高带宽存储）和DRAM价格今年以来跳涨，部分品种涨幅超25%
数据中心建设面积、网络规划并没有超预期扩张，硬件设备涨价是主因
可以预见，明后年存储价格依然坚挺，"永远缺存储"可能是行业常态
大白话：不是老板突然想多建机房，而是芯片里的"内存条"太贵了，同样的预算只能买更少的东西。
? 三、未履约订单创新高：谁在"锁"算力？
未履约合同金额达到近4000亿美元，创历史新高。这里面有两块大头：
近一半是AI算力的长期锁定订单。客户想订高端算力，排队周期要8-9周，供不应求
四成左右是企业长期框架协议（3-5年），保障折扣和资源优先权
这说明什么？ 下游需求不是"伪需求"，而是真金白银提前锁仓。金融、大型互联网、高端制造等企业都在长期囤算力。
? 四、哪些行业在用AI？金融最成熟，制造和娱乐在爆发
从下游应用来看，机构观察到几个明显的"用钱"方向：
金融：最成熟的场景。代码生成（老旧系统升级）、内部知识库、智能风控反欺诈，已经跨过验证期进入正式商用。
汽车与高端制造：自动驾驶仿真、工业数字孪生、视觉质检，实战应用增长很快。
泛娱乐与媒体：数据渲染、视频生成、多模态内容创作，需求爆发迅速。
医疗、法律：也有渗透，但相对早期，处于"知识库"阶段。
? 五、芯片格局：GPU仍是"顶梁柱"，自研芯片在崛起
资本开支里，芯片采购三大块：
GPU：依然是绝对主力，占算力采购的70%-80%，训练和推理都靠它
内存（HBM/DRAM）：嵌套在服务器里，涨价最凶，成本占比快速提升
自研芯片：推理芯片已大规模商用，客户接受度高（性价比提升30%-40%）；训练芯片也在快速迭代，帮云厂商省钱的同时拉升了利润率
趋势判断：自研芯片占比会逐步提升，但短期内GPU的地位撼动不了，供不应求是常态。
⚖️ 六、模型生态：闭源模型太贵，开源模型在"搅局"
云厂商的模型平台里，闭源大模型目前收入占比最高（60%-70%），但机构也注意到一个变化：
闭源模型定价偏高，百万token输入成本可达数美元甚至十几美元
国产高性价比大模型和海外开源模型正在冲击这一定价体系
客户越来越倾向于"在不同工作流环节调用不同模型"，而不是被单一模型绑定
未来可能的方向：闭源模型可能分化出"高端付费版"和"轻量开源版"，按参数规模和场景差异化定价。
? 七、对产业链的启示：从训练到推理，再到Agent
机构交流中有几个值得A股投资者关注的趋势：
① 训练→推理的切换在发生
客户上半年偏训练，下半年逐步转向推理和智能体部署
推理需求更持续、更碎片化，对算力的长期消耗反而更大
② Agent时代，传统云业务会被"二次激活"
智能体不仅需要GPU，还需要大量CPU、存储、数据库
云厂商的"全栈能力"比单一算力更重要
③ 国产算力：需求确定，供给在追赶
国内对高端算力的需求显而易见，超节点等架构创新是亮点
但完全替代海外芯片还需时间，供需平衡点尚未到来
? 一句话总结
海外云巨头的AI业务已从"故事期"进入"业绩兑现期"，资本开支上调更多是"涨价驱动"而非"规模冲动"。下游金融、制造、娱乐需求真实且持续，GPU仍是核心资产，自研芯片在崛起。对A股映射而言，光通信、液冷、存储、国产算力链的确定性依然较高，但需跟踪订单落地和业绩验证的节奏。
⚠️ 免责声明：本文基于产业交流纪要整理，仅供行业趋势探讨，不构成任何投资建议。股市有风险，决策需谨慎。文中涉及的市场判断和产业趋势为公开信息梳理，不代表对任何标的的推荐。
? 国产超节点与AI算力近况：全栈自研是壁垒，量产节奏分化明显
近期产业链调研显示，国产超节点技术路线分化明显，量产交付节奏参差不齐。全栈自研能力决定效率天花板，而软件栈适配成本往往被低估。今天把核心产业逻辑快速捋一遍，纯产业视角，不构成投资建议。
?️ 一、技术路线：全栈自研 vs 解耦架构，效率差距客观存在
海外标杆产品的核心优势在于统一缓存一致性设计（CPU+GPU+互联带宽一体化），推理时高容量数据可直接载入内存，极大拓展长上下文能力。
国产阵营呈现明显分层：
第一梯队：具备CPU、GPU/加速卡、互联芯片、全栈软件全自研能力的厂商，紧耦合程度最高，协议开发效率领先
第二梯队：核心能力强在互联芯片自研，集成度仅次于第一梯队，但软件栈兼容性仍有差距
第三梯队：采用解耦架构，CPU、GPU及互联带宽依赖第三方组合，硬件层面已存在较大效率损耗，主要靠数量堆叠弥补性能差距
一个关键细节：当前主流模型训练已普遍采用FP8/FP6/FP4混合精度，若仍用BF16精度，不仅消耗资源更大，还容易导致内存溢出，工程优化成本陡增。
? 二、量产节奏：下半年能交付的屈指可数
从ODM厂商视角看，当前超节点量产进度严重分化：
今年下半年可量产交付的：
某头部厂商950系列：当前交付主力，年底预计可达数十万片规模
某互联网龙头自研超节点（128卡）：预计9-10月启动量产交付，总量规划数十万片量级，超节点形态占比近八成
某CPU/GPU厂商浸没式液冷方案：已具备量产能力
明年上半年才逐步交付的：
某GPU厂商S6000系列：风冷/液冷双版本，最大支持128-256卡，年初刚定型
某厂商BR200系列：液冷超节点，首批预计明年Q1小批量交付，Q4才可能达到万卡规模
仍处于仿真/小批量阶段：
部分二线厂商下一代产品样片尚未完整到位，规划交付时间已推至2027年
昆仑芯等上一代方案：虽具备量产能力，但软件栈适配和适用场景有限，规模相对较小。
? 三、推理成本：投入产出比是硬道理
以"每月每台风冷/超节点TCU（Token Cost Unit）"为衡量维度，当前实测排序：
投入产出比最优：某互联网龙头自研1.5代芯片，超节点效率比风冷高2-3倍，风冷机型已可做到与月租金打平
次优：某头部厂商950系列，模型支持效率较好，非复杂场景下表现稳定
性价比承压：部分厂商因软件栈优化不足、算子开发投入少，实际效率低于硬件理论值，回本周期拉长
显存瓶颈：个别厂商虽底价尚可，但显存容量不足，实际商用中需与海外集群做数据分离，增加部署复杂度
核心结论：硬件参数≠实际效率，软件栈优化和算子开发投入才是决定TCU的关键。
? 四、产业链堵点：芯片是最大瓶颈，电源和PCB紧随其后
最大堵点：主芯片供应及产能。超节点核心制约在于芯片的互联带宽（CBI）和算力引脚设计，这直接决定Scale-Up的规模上限和延时下限。
次要堵点：
高端PCB板：高密机柜对板材要求极高，交期较长
高压直流电源：超过100kW机柜的电源研发进度和高压安规认证
互联芯片/SerDes：国产第三方交换芯片与主芯片的协同设计存在适配难度
暂时可控：散热件、结构件等，工程研发进度正常。
? 五、客户采购格局：自研优先，第三方是"替补"
互联网CSP：自研芯片和超节点是首选（token效率最高、成本最低），第三方最多是"替补"。某龙头采用"四进三""五进三"策略——自研+某头部国产芯片+1-2款备用方案，分散供应链风险。
运营商：某运营商份额最大，已向某GPU厂商超节点下大单。
政企客户：以价格和开箱即用为首要目标，对首次采购成本敏感。
一个被低估的成本：迁移成本本身不高，但软件栈适配成本极高。某主芯片需要百人团队驻场半年以上开发，才能让设备在CSP平台稳定运行。
? 六、几个值得关注的产业趋势
① PCIe在超节点中被弱化GPU直接出光连接交换柜成为趋势，PCIe作用下降。未来PCIe卡可能更多转向端侧/边缘推理（视频、巡检、具身智能等场景），而8卡SXM模组形态将在主流市场长期存在。
② ASIC分流GPU？暂时还早模型迭代速度仍快，ASIC虽效率高但人力投入大，一旦模型架构变化前期投资可能归零。CSP目前大规模推理仍以GPU为主，除非自研ASIC。
③ 内存池化不会降低内存需求超节点内内存池化（如KV Cache offload）旨在降低token成本、支持超长上下文，反而可能增加内存使用量。CXL共享内存池等方案2028年后才可能清晰。
④ 液冷：冷板先上，浸没跟进冷板式液冷已可批量交付，主要看CSP机房环境是否支持。浸没式液冷处于先导项目阶段，单芯片<1000W场景下预计明年上半年才可能明确量产节奏。
⚠️ 给投资者的观察要点
量产兑现度：下半年除1-2家头部外，多数超节点仍处爬坡期，订单到交付的gap需要跟踪
软件栈进度：硬件流片只是第一步，算子优化和生态适配决定能否真正"跑起来"
供应链安全：CSP采购首要考量是持续供应能力，而非单纯性能参数
液冷配套：高密机柜功率密度飙升，液冷从"可选"变"必选"，关注电源和散热方案成熟度
? 一句话总结
国产超节点已从"有没有"进入"好不好用"的阶段，全栈自研能力决定效率天花板，软件栈适配成本决定落地速度。下半年量产交付高度集中在1-2家头部厂商，二线产品多数要等到明年。投资跟踪的核心变量不是参数表，而是TCU实测效率、量产交付进度、CSP订单兑现率。
⚠️ 免责声明：本文基于产业调研信息整理，仅供行业趋势交流，不构成任何投资建议。股市有风险，决策需谨慎。文中涉及的技术路线与产业判断为公开信息梳理，不代表对任何标的的推荐。
⚠️ 注意：再好的逻辑、预期，也需要择时、择股。以上内容仅是基于行业以及公司基本面的静态分析，非动态买卖指导。股市有风险，入市需谨慎，请勿跟买卖!
整理不易，希望各位能够多多支持，支持【大局观市启示录】！您的一个点赞、一次转发、随手分享，都是我们前进的最大动力。点赞美三代，分享富一生!
